সম্পাদকের নেপথ্যে

নথি সম্পাদনায় এত দক্ষ কেন?

একটি ল্যাঙ্গুয়েজ মডেল সুন্দর বাক্য লিখতে পারে, কিন্তু ফরম্যাটিং সহ তা আবার ফিরিয়ে দেওয়া একটি ভিন্ন কাজ। এআই দিয়ে কোনো ডকুমেন্ট সম্পাদনা করা কেন কঠিন হয়েছে এবং এটি ঠিক করার জন্য আমরা কী তৈরি করেছি, তা আমরা ব্যাখ্যা করছি।

৯ মিনিট পড়া৩ অক্টোবর, ২০২৬

সংক্ষিপ্ত বিবরণ

একটি চ্যাটবটকে একটি Word ফাইলের একটি ধারা ঠিক করতে বলুন এবং আপনি এটিকে এক সাথে দুটি কাজ করতে বলছেন: শব্দগুলি পরিবর্তন করা এবং সেগুলি যে ফাইল ফরম্যাটে রয়েছে তা পুনর্লিখন করা। ল্যাঙ্গুয়েজ মডেলগুলি প্রথম কাজটি ভালভাবে করতে পারে, কিন্তু দ্বিতীয়টির ক্ষেত্রে নির্ভরযোগ্য নয়।

মডেলের দ্বিতীয় কাজটি নিজেই সামলে নেয়। এই নিবন্ধটি ব্যাখ্যা করে কেন এটি গুরুত্বপূর্ণ, দীর্ঘ নথিতে এটি কীভাবে কাজ করে এবং চ্যাট ওয়েবসাইট ও কম্পিউটার-ব্যবহারকারী এজেন্টদের সাথে এর তুলনা কেমন।

  1. 01একটি ল্যাঙ্গুয়েজ মডেল একটি নথিকে পৃষ্ঠা হিসেবে নয়, বরং মার্কআপ হিসেবে পড়ে।
  2. 02একটি ভুল অক্ষর ফাইলকে পড়ার অযোগ্য করে তুলতে পারে এবং দীর্ঘ আউটপুট ভুল অক্ষর আসার সম্ভাবনা বাড়িয়ে দেয়।
  3. 03 কন্টেন্টকে ফরম্যাটিং থেকে আলাদা করে: মডেল শব্দ সম্পাদনা করে, আমাদের কোড ফাইল লেখে।
  4. 04দীর্ঘ নথিগুলোকে ব্যাচ করা হয়, বিভক্ত করা হয় এবং প্রসঙ্গ প্রদান করা হয়, যেমনটা আধুনিক কোডিং এজেন্টরা করে থাকে।
  5. 05চ্যাট ওয়েবসাইটগুলি পাইথন দিয়ে ফাইল সম্পাদনা করতে পারে, তবে পরিবর্তনগুলি নীরবে হারিয়ে যেতে পারে।
  6. 06কম্পিউটার-ব্যবহারকারী এজেন্টরা মানুষের মতো সম্পাদনা করে, কিন্তু খরচ অনেক গুণ বেশি।

01

এলএলএম শুধুমাত্র লেখা দেখে, ফর্ম্যাটিং নয়

Word-এ একটি চুক্তিপত্র খুললে আপনি একটি পাতা দেখতে পাবেন: কোম্পানির নিজস্ব শৈলীর একটি শিরোনাম, একটি বোল্ড করা টাকার পরিমাণ, একটি আন্ডারলাইন করা সময়সীমা। Word প্রোগ্রামটি এই ফরম্যাটিংগুলো তৈরি করে, যাতে আমরা দৃশ্যমানভাবে সম্পাদনা করতে পারি। একটি Word ফাইলের (.docx) নিচে রয়েছে XML-এর একটি জটিল ব্যবস্থা, যেখানে আমাদের দেখা প্রতিটি শব্দ মার্কআপ নামে পরিচিত লুকানো শব্দ দিয়ে কষ্টসাধ্যভাবে টীকাযুক্ত করা থাকে।12

আপনি যা দেখেন

মডেল যা দেখতে পায়

<w:p>  <w:pPr><w:pStyle w:val="Heading2"/></w:pPr>  <w:r><w:t>৪. ভাড়া</w:t></w:r></w:p><w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">ভাড়াটিয়া </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>প্রতি মাসের প্রথম দিন</w:t></w:r>  <w:r><w:t xml:space="preserve">-এ </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> পরিশোধ করবেন।</w:t></w:r></w:p>
চিত্র ১একই ধারা দুইবার। শব্দগুলো 65 অক্ষর নেয়; চারপাশের XML নেয় 475। word/document.xml-এর অংশবিশেষ।

একটি এলএলএম-কে Microsoft Word, LibreOffice বা Pages সাহায্য করে না এবং এটিকে মার্কআপ সম্পর্কে নিজের ধারণার ওপর নির্ভর করতে হয়। সঠিকভাবে সম্পাদনা করার জন্য, একটি এলএলএম-কে মূল মার্কআপের প্রভাব বুঝতে হয় এবং সঠিক মার্কআপে নতুন বাক্যটি লিখতে হয়।

02

এলএলএম আউটপুট স্বভাবগতভাবেই অস্থির

মডেলগুলোর উল্লেখযোগ্য উন্নতি হয়েছে তবুও সাম্প্রতিক মডেলগুলোও ভুল করে। ৫২টি পেশাদার ডোমেন জুড়ে ১৯টি মডেলের ওপর পরিচালিত ২০২৬ সালের Microsoft Research-এর একটি সমীক্ষায় দেখা গেছে, দীর্ঘ সম্পাদনা কার্যপ্রবাহের শেষে Gemini 3.1 Pro, Claude 4.6 Opus এবং GPT 5.4-এর মতো ফ্রন্টিয়ার মডেলগুলো গড়ে ২৫% নথির বিষয়বস্তু নষ্ট করে দিয়েছে।4

Word ফাইলে একটি ছোট ভুলই ফাইলটিকে ব্যবহারের অযোগ্য করে তুলতে যথেষ্ট। এখানে মডেলটি একটি মাত্র স্ল্যাশ বাদ দিয়েছে:

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">ভাড়াটিয়া </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>প্রতি মাসের প্রথম দিন</w:t></w:r>  <w:r><w:t xml:space="preserve">-এ </w:t></w:r>  <w:r><w:rPr><w:b>1<w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> পরিশোধ করবেন।</w:t></w:r></w:p>
চিত্র ২একটি অনুপস্থিত স্ল্যাশ বোল্ড ট্যাগটিকে খোলা রেখে দেয়। এক্সএমএল আর ওয়েল-ফর্মড থাকে না এবং ওয়ার্ড স্বাভাবিকভাবে ফাইলটি খুলবে না।3

XML-এ ত্রুটিপূর্ণ মার্কআপের কোনো সহনশীলতা নেই। একটি ফাইল হয় সঠিক গঠনযুক্ত (well-formed) অথবা তা নয়। Word কখনো কখনো একটি ক্ষতিগ্রস্ত ফাইল পুনরুদ্ধার করতে পারে, তবে পুনরুদ্ধার করা কপিতে পাঠ্য (text) বা ফরম্যাটিং অনুপস্থিত থাকতে পারে।

দীর্ঘ আউটপুট, বেশি ভুল

ঝুঁকি দৈর্ঘ্যের সাথে বাড়ে। LongProc, দীর্ঘ কাঠামোবদ্ধ আউটপুটের ২০২৫ সালের একটি বেঞ্চমার্ক, দেখেছে যে ওপেন-ওয়েট মডেলগুলো ২,০০০ আউটপুট টোকেনেই দুর্বল হতে শুরু করে এবং GPT-4o ৮,০০০ টোকেনে উল্লেখযোগ্যভাবে খারাপ ফল করে।5 অন্য একটি গবেষণায় দেখা গেছে যে ইনপুট বৃদ্ধির সাথে সাথে কার্যক্ষমতা ১৩.৯% থেকে ৮৫% পর্যন্ত হ্রাস পায়, এমনকি যখন মডেলটি প্রতিটি প্রাসঙ্গিক তথ্য পুনরুদ্ধার করতে সক্ষম হয়।6 ১০ পৃষ্ঠার একটি ওয়ার্ড ডকুমেন্ট প্রায় ১০,০০০ টোকেন নিয়ে গঠিত, একসাথে কোনো ভুল ছাড়াই ১০টি পৃষ্ঠাই সম্পাদনা করার চেষ্টা করা একটি অসম্ভব ব্যাপার।

<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.1</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Harlow &1 Pike LLP এই লিজের অধীনে উদ্ভূত সমস্ত বিষয়ে ভাড়াদাতার পক্ষে কাজ করে।</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24/>2</w:rPr><w:t>5.2</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> ভাড়াটিয়া প্রাঙ্গণটিকে ভালো এবং শক্তপোক্ত মেরামত ও অবস্থায় রাখবে।</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.3</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> যেকোনো নোটিশ অবশ্যই লিখিতভাবে দিতে হবে এবং তফসিল ২-এ উল্লেখিত ঠিকানায় পৌঁছে দিতে হবে।</w:t></w:p>3<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.4</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> ভাড়া ২১ দিনের বেশি বকেয়া থাক4
  1. 1লেখার মধ্যে একটি এস্কেপ-না-করা অ্যাম্পারস্যান্ড (&)। XML-এর নিয়ম অনুযায়ী একে এনটিটি হিসেবে এস্কেপ করতে হয়।
  2. 2একটি সমাপ্তি উদ্ধৃতি চিহ্ন অনুপস্থিত। এর পরের সবকিছু মানের অংশ হিসেবে পঠিত হয়।
  3. 3একটি রান যা প্যারাগ্রাফ শেষ হওয়ার আগে কখনো বন্ধ করা হয় না।
  4. 4আউটপুট হঠাৎ বন্ধ হয়ে যায়। দীর্ঘ জেনারেশন কোনো দৈর্ঘ্যের সীমায় পৌঁছে যেতে পারে বা ট্যাগ চলাকালীন মাঝপথে সময় শেষ হয়ে যেতে পারে।
চিত্র ৩মডেল আউটপুটের চারটি ধারা, চার ধরনের ব্যর্থতা। প্রতিটি একাই ফাইলটিকে পড়ার অযোগ্য করে তোলে।

03

কীভাবে এর সমাধান করে

আমরা কাস্টম প্রোগ্রাম লিখি যা ফরম্যাটিং থেকে কন্টেন্টকে আলাদা করে। মডেলটি পরিবর্তনের জন্য প্রয়োজনীয় শব্দগুলোর পাশাপাশি পৃষ্ঠার একটি রেন্ডার করা ছবি পায়, যার ফলে এটি একটি Word প্রোগ্রাম থেকে সহায়তা পায়। এরপর আমাদের কোড সম্পাদিত শব্দগুলোকে মূল রানগুলোতে ফিরিয়ে দেয় এবং ফাইলের বাকি অংশ অপরিবর্তিত রাখে।

আপনার ফাইল

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">ভাড়াটিয়া </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>প্রতি মাসের প্রথম দিন</w:t></w:r>  <w:r><w:t xml:space="preserve">-এ </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> পরিশোধ করবেন।</w:t></w:r></w:p>

ফরম্যাটিং থেকে বিষয়বস্তুকে আলাদা করে

বের করে আনা কন্টেন্ট

ভাড়াটিয়া প্রতি মাসের প্রথম দিন-এ US$2,400 পরিশোধ করবেন।

রেন্ডার করা পৃষ্ঠা

উভয়ই মডেলে যায়

ল্যাঙ্গুয়েজ মডেলশব্দ সম্পাদনা করে। কখনই এক্সএমএল স্পর্শ করে না।

মডেলটি সম্পাদিত বিষয়বস্তু প্রদান করে

মডেল আউটপুট

ভাড়াটিয়া প্রতি মাসের প্রথম দিনপ্রতি মাসের পঞ্চম দিন-এ US$2,400US$2,600 পরিশোধ করবেন।

শব্দগুলোকে আবার মূল রানগুলোতে ফিরিয়ে লেখে

আপনার ফাইল, সম্পাদিত

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">ভাড়াটিয়া </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>প্রতি মাসের পঞ্চম দিন</w:t></w:r>  <w:r><w:t xml:space="preserve">-এ </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,600</w:t></w:r>  <w:r><w:t xml:space="preserve"> পরিশোধ করবেন।</w:t></w:r></w:p>

✓ সঠিক .docx। বোল্ড, রঙ এবং আন্ডারলাইন অবিকল আগের মতোই রয়েছে।

চিত্র ৪সম্পাদনা পাইপলাইন, সরলীকৃত। হাইলাইট করা পাঠ্যটি ফাইলের একমাত্র অংশ যা পরিবর্তিত হয়েছে।

এটি একসাথে দুটি সমস্যার সমাধান করে। মডেলটি এখন সেই ফরম্যাটিং দেখতে পায় যা সে আগে দেখতে পেত না, এবং সে আর এমন মার্কআপ লেখে না যা ভেঙে যাওয়ার সম্ভাবনা সবচেয়ে বেশি ছিল।

আপনি সাধারণ উদ্দেশ্যভিত্তিক কোনো চ্যাটবটে এই স্তরটি পাবেন না। নিষ্কাশন, রেন্ডারিং এবং পুনঃসংযোজনের প্রোগ্রামগুলো -এর নিজস্ব প্রকৌশলীদের দ্বারা তৈরি এবং রক্ষণাবেক্ষণ করা হয়।

04

দীর্ঘ-প্রসঙ্গ সমস্যা সমাধান

কিছু সম্পাদনা দীর্ঘ হয়ে থাকে: একটি অনুচ্ছেদ যা কয়েকটি পৃষ্ঠা জুড়ে থাকে, অথবা শত শত জায়গায় একটি পরিবর্তন ধারাবাহিকভাবে প্রয়োগ করা হয়। এগুলোর জন্য আমরা সফটওয়্যার ইঞ্জিনিয়ারিং থেকে শিখেছি। ২০২৬ সালের মার্চ মাসে, Anthropic ভুলবশত তাদের এআই কোডিং এজেন্ট Claude Code-এর সোর্স কোড একটি পাবলিক npm প্যাকেজের মধ্যে প্রকাশ করে ফেলেছিল।7

লিক হওয়া ওই কোড এডিটরটি একটি স্পষ্ট শিক্ষা দেয়: কোনো বড় জিনিস সম্পাদনা করতে হলে, সেটিকে ভেঙে ছোট করে নিন। আমরা একটি নথিকে পৃষ্ঠার গ্রুপে ভাগ করি, যাকে ব্যাচিং বলা হয়, এবং দীর্ঘ অনুচ্ছেদগুলোকে বাক্যে বিভক্ত করি, যাতে প্রতিটি সম্পাদনা সঠিকভাবে করার জন্য যথেষ্ট ছোট হয়।

একটি নথিকে টুকরো টুকরো করলে একটি নতুন সমস্যার সৃষ্টি হয়: প্রসঙ্গ। ২ পৃষ্ঠার একটি সংজ্ঞা ব্যবহার করে আপনি ৬০ পৃষ্ঠার একটি অনুচ্ছেদ কীভাবে সম্পাদনা করবেন? এখানে, এআই কোড এডিটরে (Cursor, GitHub Copilot, OpenAI Codex) দুই বছরের অভিজ্ঞতা কাজে লাগে। তাদের উত্তর হল প্রসঙ্গ প্রকৌশল (কনটেক্সট ইঞ্জিনিয়ারিং), যা সম্পর্কিত তথ্যগুলোকে একটি ফোকাসড সংগ্রহে একত্রিত করে এবং পরিষ্কার প্রসঙ্গ উইন্ডোসহ সাব-এজেন্টদের প্রদান করে।8 আমরা নথিপত্রগুলোর ক্ষেত্রেও একই কাজ করি। একজন যত্নশীল পাঠকের মতো আমরা যৌক্তিকভাবে সম্পর্কিত তথ্যগুলোকে দলবদ্ধ করি এবং তারপরে সম্পাদনা লক্ষ্যের সাথে সেগুলি সাব-এডিটরদের কাছে পাঠাই যারা প্রকৃত পরিবর্তনটি করেন।

1নথিটি ব্যাচ করুন

পৃষ্ঠা 1–40পৃষ্ঠা 41–80পৃষ্ঠা 81–120পৃষ্ঠা 121–160পৃষ্ঠা 161–200পৃষ্ঠা 201–240পৃষ্ঠা 241–280পৃষ্ঠা 281–300

2লম্বা অনুচ্ছেদগুলো বিভক্ত করুন

ধারা ১৮.৩ · পৃ. ৬০
বাক্য 1বাক্য 2বাক্য 3বাক্য 4বাক্য 5

3প্রসঙ্গ সংগ্রহ করুন, তারপর সমান্তরালভাবে সম্পাদনা করুন

সংজ্ঞায়িত পদসমূহপৃষ্ঠা ২–১২

পক্ষ এবং ভূমিকাপৃষ্ঠা ১

পূর্ববর্তী সংশোধনীসমূহপৃষ্ঠা ৩৪

সাব-এডিটর 1পৃষ্ঠা 1–40 + সংগ্রহ

সাব-এডিটর 2পৃষ্ঠা 41–80 + সংগ্রহ

সাব-এডিটর 3পৃষ্ঠা 81–120 + সংগ্রহ

চিত্র ৫৩০০ পৃষ্ঠার একটি নথিকে ভেঙে ভাগ করা হয়েছে। প্রতিটি সাব-এডিটর নথির একটি ছোট অংশ পান এবং তার সাথে সেই প্রসঙ্গটি পান যার ওপর অংশটি নির্ভর করে।

উদাহরণ: একটি রায় রিড্যাক্ট করা

একজন আইনজীবী চান একটি রায়ের প্রতিটি সাক্ষীর নাম রিড্যাক্ট করা হোক, এবং জুনিয়র আইনজীবীর গবেষণার জন্য রায়টিতে উদ্ধৃত মামলাগুলোর একটি তালিকা তৈরি করা হোক।

  1. অনুসন্ধান করুন। সাধারণ প্যাটার্ন ম্যাচিংয়ের মাধ্যমে প্রতিটি ব্যক্তিগত নাম এবং প্রতিটি কেস সাইটেশন খুঁজে বের করে। এখনও কোনো মডেলের প্রয়োজন নেই।
  2. শ্রেণীভুক্ত করুন। প্রতিটি নাম, তার আশেপাশের বাক্যসহ, একটি মডেলে পাঠানো হয় যা নির্ধারণ করে: সাক্ষী, আইনজীবী নাকি বিচারক। উত্তরগুলো সাক্ষীদের একটি সংগ্রহ তৈরি করে।
  3. সংগ্রহ করুন। একই পদ্ধতি উদ্ধৃত মামলার একটি সংগ্রহ তৈরি করে।
  4. প্রয়োগ করুন। যেহেতু আমরা ঠিক জানি প্রতিটি সাক্ষীর নাম কোথায় পাওয়া গেছে, আমরা মূল ফাইলের সেই জায়গাগুলি এবং শুধুমাত্র সেই জায়গাগুলি রিড্যাক্ট করি।

হাই কোর্ট অব জাস্টিস-এ

কিংস বেঞ্চ ডিভিশন

Harrow v Kestrel Logistics Ltd

সমক্ষে: Mrs Justice Holloway

রায়

Mrs Justice Holloway: এই দাবিটি ২০২৪ সালের ১৪ মার্চ বিবাদীর গুদামে একটি লোডিং বে ধসে পড়ার কারণে উদ্ভূত হয়েছে। বাদীর প্রতিনিধিত্ব করেছেন Ms Priya Raman এবং বিবাদীর প্রতিনিধিত্ব করেছেন Mr Thomas Whitby। আমি চার দিন ধরে মৌখিক সাক্ষ্য শুনেছি।

প্রধান প্রত্যক্ষদর্শী, Mr Daniel Okafor, রাতের শিফটে ফর্কলিফট অপারেটর ছিলেন। Mr Okafor আদালতকে জানান যে বে-এর সতর্কতা আলো বেশ কয়েক সপ্তাহ ধরে নষ্ট ছিল এবং তিনি এ বিষয়ে দু'বার রিপোর্ট করেছিলেন। দ্বিতীয় সাক্ষী, Ms Margaret Ellison, ফেব্রুয়ারী মাসে বে পরিদর্শনকারী একজন ঠিকাদার, নিশ্চিত করেছেন যে তাঁর প্রতিবেদনে অবিলম্বে মেরামতের সুপারিশ করা হয়েছিল। আমি উভয় সাক্ষীকে সতর্ক এবং বিশ্বাসযোগ্য বলে মনে করেছি।

তার প্রাঙ্গণে আইনগতভাবে উপস্থিত ব্যক্তিদের প্রতি দখলদারের যত্নের দায়িত্ব সুপ্রতিষ্ঠিত, এবং আমি Donoghue v Stevenson [1932] AC 562-এর প্রতিবেশী নীতিকে আমার সূচনার ভিত্তি হিসেবে নিচ্ছি। অভিনব পরিস্থিতিতে কোনো দায়িত্ব আরোপ করা ন্যায্য, ন্যায়সংগত এবং যুক্তিযুক্ত কিনা তা Caparo Industries plc v Dickman [1990] 2 AC 605 দ্বারা নিয়ন্ত্রিত হয়, তবে এই পরিস্থিতিগুলো অভিনব নয়। Mr Whitby যুক্তি দিয়েছিলেন যে দাবি করা ক্ষতিগুলো অত্যন্ত দূরবর্তী। সেই যুক্তিটি Hadley v Baxendale (1854) 9 Exch 341-এর সাপেক্ষে পরীক্ষা করা আবশ্যক।

Mr Okafor এবং Ms Ellison-এর সাক্ষ্য প্রমাণ এবং নথিপত্র বিবেচনা করে, আমি এই বিষয়ে সন্তুষ্ট যে বিবাদী ত্রুটি সম্পর্কে জানতেন এবং কোনো পদক্ষেপ নেননি। দায়বদ্ধতার দিক থেকে দাবিটি মঞ্জুর করা হলো। ক্ষতিপূরণ পরবর্তী শুনানিতে নির্ধারণ করা হবে। তাঁদের স্পষ্ট ও সুনির্দিষ্ট যুক্তির জন্য আমি Ms Raman এবং Mr Whitby-এর প্রতি কৃতজ্ঞ।

চিত্র ৬ফলাফল দেখতে ভিউ পরিবর্তন করুন। রায় এবং নামগুলি কাল্পনিক; উদ্ধৃত তিনটি মামলা বাস্তব।

05

chatgpt.com, claude.ai এবং অন্যান্য চ্যাট ওয়েবসাইটগুলি কি একই কাজ করতে পারে?

কখনও কখনও, হ্যাঁ। এই ওয়েবসাইটগুলোতে প্রায়ই একটি পাইথন ইন্টারপ্রেটার থাকে, যা মডেলটিকে একটি ওয়ার্ড বা পাওয়ারপয়েন্ট ফাইল খুলতে এবং কোডের মাধ্যমে এর এক্সএমএল সম্পাদনা করতে দেয়।

কিন্তু কোডটি এখনও একটি অস্থির মডেল দ্বারা লেখা হয় এবং আসলটির সাথে ফলাফলটি মিলিয়ে কেউ দেখে না। আমাদের অভ্যন্তরীণ পরীক্ষায়, আমরা প্রায়শই অপ্রত্যাশিত মোছা এবং সম্পাদনা সহ নথি পেয়েছি। একটি চরম ক্ষেত্রে, ২০ পৃষ্ঠার একটি নথি কোনো সতর্কতা ছাড়াই ১০ পৃষ্ঠায় নেমে আসে।

পাইথন সহ চ্যাট ওয়েবসাইট

20 পৃষ্ঠা
10 পৃষ্ঠা

সম্পন্ন হয়েছে! আমি আপনার অনুরোধ অনুযায়ী নথিপত্র আপডেট করেছি।

নিখোঁজ ১০টি পৃষ্ঠা সম্পর্কে কোনো উল্লেখ নেই।

পরিবর্তন লগ

  • পৃষ্ঠা ৪ · ধারা ২.১

    ত্রিশ (৩০) দিন ষাট (৬০) দিন

    পূর্বাবস্থায় ফেরান
  • পৃষ্ঠা ৯ · ধারা ৬.৩

    সরবরাহকারী ঠিকাদার

    পূর্বাবস্থায় ফেরান
  • পৃষ্ঠা ১৭ · তফশিল ১

    US$2,400 US$2,600

    পূর্বাবস্থায় ফেরান

নতুন ডকুমেন্ট তৈরি করুন

চিত্র ৭বাম দিকে: আমাদের অভ্যন্তরীণ পরীক্ষা থেকে নীরবে ঘটা একটি ছাঁটাই। ডান দিকে: OneTurn-এর প্রতিটি এআই পরিবর্তন তালিকাভুক্ত এবং তা পূর্বাবস্থায় ফিরিয়ে আনা যায়।

যেকোনো গুরুত্বপূর্ণ কাজের জন্য নীরবে কিছু বাদ পড়া বা পরিবর্তিত হওয়া মারাত্মক। -এ আমাদের এআই এজেন্ট যে সমস্ত পরিবর্তন করে তা রেকর্ড করা হয়। আপনি প্রতিটি পরিবর্তন পর্যালোচনা করতে পারেন, সেগুলির যেকোনোটি পূর্বাবস্থায় ফিরিয়ে নিতে পারেন এবং একটি নতুন নথি তৈরি করতে পারেন।

06

OpenClaw বা Manus-এর মতো কম্পিউটার-ব্যবহারকারী এজেন্টরা কি এটি করতে পারে?

এই এজেন্টগুলো একজন মানুষের মতো করেই একটি কম্পিউটার নিয়ন্ত্রণ করে। তারা Microsoft Word বা PowerPoint-এ ডকুমেন্ট খোলে, তারপর স্ক্রোল করে, ক্লিক করে এবং টাইপ করে।11 যেহেতু তারা মানুষের মতো একই প্রোগ্রাম ব্যবহার করে, তারা একজন মানুষের মতো সম্পাদনা করতে পারে এবং ফলাফলগুলি প্রায়শই চিত্তাকর্ষক হয়।

মূল্য হলো খরচ ও গতি। এজেন্টটি স্ক্রোল করার সাথে সাথে স্ক্রিনশট নিয়ে একটি নথি পড়ে, এবং পরবর্তী করণীয় নির্ধারণ করার জন্য প্রতিটি ছোট পদক্ষেপে একটি মডেল কল প্রয়োজন হয়। একটি ফুল-এইচডি স্ক্রিনশটের নিজস্ব খরচেই প্রায় ১,৫০০ থেকে ২,৭০০ টোকেন লাগে।10 OSWorld বেঞ্চমার্কে, সেরা এজেন্টগুলোরও প্রয়োজনীয়তার চেয়ে ২.৭ থেকে ৪.৩ গুণ বেশি ধাপ লেগেছিল এবং প্রাথমিক ধাপগুলোর তুলনায় পরবর্তী ধাপগুলোতে ৩ গুণ পর্যন্ত বেশি সময় লেগেছিল।9

কম্পিউটার-ব্যবহারকারী এজেন্ট

  1. একটি স্ক্রিনশট নিন
  2. মডেল পরবর্তী পদক্ষেপ নির্ধারণ করে
  3. স্ক্রোল করুন, ক্লিক করুন বা টাইপ করুন
  4. প্রতিটি ধাপের জন্য পুনরাবৃত্তি করুন

  1. পাঠ্যটি একবার পড়ুন
  2. ব্যাচে সম্পাদনা করুন
  3. ফাইলটি লিখুন
২০-পৃষ্ঠার চুক্তি, ৩০টি সম্পাদনাকম্পিউটার-ব্যবহারকারী এজেন্ট
মডেল কল≈ 180≈ 12
প্রতি কল টোকেন≈ 10,000≈ 4,000
মোট টোকেন≈ 1,800,000≈ 48,000
পার্থক্যপ্রায় ৩৭ গুণ বেশি, অথবা OSWorld-এ পরিমাপ করা অতিরিক্ত ধাপসহ প্রায় ১০০–১৬০ গুণ বেশি
চিত্র ৮অনুমান: প্রায় ১১,০০০ শব্দ; নথিটি পড়ার জন্য ৬০টি স্ক্রিনশট; প্রতি সম্পাদনায় ৪টি অ্যাকশন; প্রতিটি কলে একটি স্ক্রিনশট এবং সাম্প্রতিক ইতিহাস থাকে। OneTurn একবার পাঠ্যটি পড়ে এবং ব্যাচে সম্পাদনা পাঠায়।

আমাদের প্রাক্কলন অনুযায়ী, একটি কম্পিউটার-ব্যবহারকারী এজেন্ট একই সম্পাদনার জন্য -এর তুলনায় ১০০ গুণ পর্যন্ত বেশি এলএলএম টোকেন ব্যবহার করতে পারে এবং শেষ করতে অনেক বেশি সময় নিতে পারে।

সূত্রসমূহ

  1. WordprocessingML নথির গঠনMicrosoft Learn · Open XML SDK ডকুমেন্টেশন
  2. ইসিএমএ-৩৭৬: অফিস ওপেন এক্সএমএল ফাইল ফরম্যাটএকমা ইন্টারন্যাশনাল · স্ট্যান্ডার্ড
  3. একটি ওয়ার্ড প্রসেসিং নথি যাচাই করুনMicrosoft Learn · Open XML SDK ডকুমেন্টেশন
  4. যখন আপনি দায়িত্ব দেন, এলএলএম আপনার নথি নষ্ট করেলাবান, শ্নেবেল এবং নেভিল · Microsoft Research · ২০২৬
  5. লংপ্রক: লং প্রসিডিউরাল জেনারেশনে লং-কনটেক্সট ল্যাঙ্গুয়েজ মডেলের বেনমার্কিংYe et al. · COLM ২০২৫
  6. নিখুঁত রিট্রিভাল থাকা সত্ত্বেও কেবল কনটেক্সট লেংথ এলএলএম-এর কার্যকারিতাকে ক্ষতিগ্রস্ত করেডু এট আল. · EMNLP ২০২৫-এর ফলাফল
  7. Anthropic দুর্ঘটনাক্রমে npm সোর্স ম্যাপ ফাইলের মাধ্যমে Claude Code-এর সোর্স প্রকাশ করেছেInfoQ · ৭ এপ্রিল ২০২৬
  8. এআই এজেন্টদের জন্য কার্যকর কনটেক্সট ইঞ্জিনিয়ারিংAnthropic Engineering · ২৯ সেপ্টেম্বর ২০২৫
  9. OSWorld-Human: কম্পিউটার-ব্যবহারকারী এজেন্টদের দক্ষতার মূল্যায়নঅভ্যঙ্কর, চি এবং ঝাং · MLSys ২০২৬
  10. ভিশন: রেজোলিউশন এবং টোকেন খরচClaude Platform ডকুমেন্টেশন
  11. OpenClaw-এর ক্রেজের মধ্যে Meta-র Manus তার এআই এজেন্টকে ব্যক্তিগত ডিভাইসে নিয়ে আসার জন্য ডেস্কটপ অ্যাপ চালু করেছেCNBC · ১৮ মার্চ ২০২৬

চিত্রগুলি এই নিবন্ধটির জন্য তৈরি করা ইলাস্ট্রেশন। XML-টি আসল WordprocessingML; ফাইলের নাম, ব্যক্তি এবং রায় কাল্পনিক।

এমন একটি নথিতে এটি চেষ্টা করুন যা নষ্ট হওয়া আপনি সহ্য করতে পারবেন না।

বিনামূল্যে ব্যবহার করে দেখুন →