ব্যবসায়িক প্রয়োজনীয়তা থেকে ontology-driven-dev ব্যবহার করে ontology-চালিত ব্যবস্থাপনা সিস্টেম তৈরি

প্রকল্পের সংক্ষিপ্ত পরিচিতি

ontology-driven-dev হলো ব্যবসায়িক সিস্টেম উন্নয়নের জন্য একটি AI দক্ষতা, যা “চাহিদা অনুসন্ধান → অন্টোলজি মডেলিং → অ্যাপ্লিকেশন নির্মাণ”—এই কঠোর ক্রমের তিন ধাপের পদ্ধতি অনুসরণ করে। আপনি একটি ব্যবসায়িক বর্ণনা দিয়ে শুরু করে, প্রতিটি ধাপে মানুষের নিশ্চিতকরণের পর, চাহিদার স্পেসিফিকেশন, সাতটি মডেলের YAML এবং চালানো যায় এমন একটি ব্রাউজার-ভিত্তিক ফ্রন্টএন্ড ও ব্যাকএন্ড সিস্টেম পেতে পারেন।

এর মূল লক্ষ্য শুধু AI-কে দ্রুত কোড তৈরি করতে দেওয়া নয়, বরং চাহিদার নথি, অন্টোলজি মডেল এবং চূড়ান্ত কোডের কঠোর সামঞ্জস্য নিশ্চিত করা। ডেটাবেস টেবিল, API, মেনু, অনুমতি, প্রক্রিয়া, নিয়ম এবং প্রতিবেদন—সবকিছুর অর্থগত উৎস হলো মডেল। এর ফলে চাহিদা, নকশা ও বাস্তবায়নের মধ্যে বিচ্ছিন্নতা কমে।

চাহিদা অনুসন্ধান পর্যায়ে আটটি ধাপ রয়েছে। প্রতিটি ধাপে অবশ্যই থেমে মানুষের নিশ্চিতকরণের অপেক্ষা করতে হবে; Agent স্বয়ংক্রিয়ভাবে কোনো ধাপ এড়িয়ে যেতে পারবে না।

মূল সক্ষমতা ও প্রকল্প কাঠামো

প্রধান বৈশিষ্ট্য

• চাহিদার অনুসরণযোগ্যতা: প্রতিটি ফিচারকে চাহিদার স্পেসিফিকেশন নথির সংশ্লিষ্ট আইটেমে ফিরিয়ে নেওয়া যায়।
• সাতটি মডেলের অভিন্ন অর্থ: M1, M2, M3, M5, M6, M7 এবং MU YAML-এর মাধ্যমে অবজেক্ট, আচরণ, নিয়ম, সত্তা, প্রক্রিয়া, অনুসন্ধান ও প্রতিবেদন এবং UI বর্ণনা করা হয়।
• মানব-নিশ্চিতকরণ গেট: চাহিদা অনুসন্ধানের পর্যায় শূন্য থেকে পর্যায় সাত পর্যন্ত প্রতিটি ধাপ চালিয়ে যেতে মানুষের নিশ্চিতকরণ আবশ্যক।
• অন্তর্নির্মিত প্রযুক্তি ভিত্তি: code-paas Flask, SQLite, React এবং TypeScript-ভিত্তিক মনোলিথিক অ্যাপ্লিকেশনের ভিত্তি প্রদান করে এবং এতে সিস্টেম ব্যবস্থাপনা, ওয়ার্কফ্লো ইঞ্জিন, ওয়ার্কবেঞ্চ ও অন্টোলজি রেজিস্ট্রি রয়েছে।
• AI-নেটিভ ইন্টারঅ্যাকশন: তৈরি হওয়া অ্যাপ্লিকেশনে অবশ্যই ডান পাশে AI ডায়ালগ থাকতে হবে, যেখানে অন্টোলজি রেজিস্ট্রি ইনজেকশন, টুল কল, SSE স্ট্রিমিং রেসপন্স এবং শুধু-পঠনযোগ্য SQL নিরাপত্তা সীমা সমর্থিত হবে।
• বহু টুলের সামঞ্জস্য: এটি WorkBuddy, Claude Code, Codex, Cursor, Aider, Cline এবং প্রকল্প নির্দেশনা লোড করতে পারে এমন সাধারণ Agent-এ ব্যবহার করা যায়।

রিপোজিটরির প্রধান বিষয়বস্তু

• SKILL.md: পদ্ধতিবিদ্যা, তিন ধাপের পাইপলাইন এবং অবশ্যপালনীয় কার্যসম্পাদন নীতি নির্ধারণ করে।
• references/: চাহিদা লেখার মানদণ্ড, অন্টোলজি মডেলিং কাঠামো, মডেল থেকে বাস্তবায়নের উন্নয়ন নির্দেশিকা, AI-নেটিভ প্রযুক্তি স্থাপত্য এবং UI/UE মানদণ্ড ধারণ করে।
• reference-example/: বিক্রয় চুক্তি বাস্তবায়ন ব্যবস্থাপনার একটি পূর্ণাঙ্গ উদাহরণ, যাতে চাহিদার নথি, সাতটি মডেলের YAML এবং manifest.json রয়েছে।
• techbase/: পুনঃব্যবহার ও সম্প্রসারণযোগ্য code-paas সোর্সকোড, যার মধ্যে ব্যাকএন্ড, ফ্রন্টএন্ড, মডেলের উদাহরণ এবং নির্ভরতা ফাইল রয়েছে।

চালানোর পরিবেশ প্রস্তুত করুন

শুরু করার আগে নিশ্চিত করুন যে স্থানীয় কম্পিউটারে নিম্নলিখিত পরিবেশ রয়েছে:

• Python 3.10 বা পরবর্তী সংস্করণ।
• Node.js 18 বা পরবর্তী সংস্করণ।
• প্রথমবার Python ও ফ্রন্টএন্ডের নির্ভরতা ইনস্টল করার সময় নেটওয়ার্কে প্রবেশাধিকার।

ব্যাকএন্ডে Flask ও SQLite এবং ফ্রন্টএন্ডে React, TypeScript ও Vite ব্যবহার করা হয়েছে। প্রকল্পটি MIT License-এর অধীন, তাই এটি স্বাধীনভাবে ব্যবহার, পরিবর্তন ও পুনর্বিতরণ করা যায়।

AI ডেভেলপমেন্ট টুলে ইনস্টলেশন

Claude Code-এ ইনস্টলেশন

Claude Code দক্ষতা ডিরেক্টরির SKILL.md স্বয়ংক্রিয়ভাবে শনাক্ত করতে পারে। সব প্রকল্পে ব্যবহারের জন্য ব্যবহারকারী-স্তরে ইনস্টল করতে পারেন:

cp -r ontology-driven-dev ~/.claude/skills/ontology-driven-dev

অথবা বর্তমান প্রকল্পে ইনস্টল করতে পারেন:

cp -r ontology-driven-dev .claude/skills/ontology-driven-dev

সম্পন্ন হলে Claude Code দক্ষতার frontmatter-এর name ও description দেখে প্রক্রিয়াটি শনাক্ত ও লোড করবে।

WorkBuddy-তে ইনস্টলেশন

ব্যবহারকারী-স্তরের ইনস্টলেশন কমান্ড:

cp -r ontology-driven-dev ~/.workbuddy/skills/ontology-driven-dev

শুধু একটি প্রকল্পে ব্যবহার করতে চাইলে চালান:

cp -r ontology-driven-dev <আপনার প্রকল্প>/.workbuddy/skills/ontology-driven-dev

Codex-এ ইনস্টলেশন

Codex-এ নেটিভ দক্ষতা রেজিস্ট্রি নেই, তাই প্রথমে দক্ষতাটি রিপোজিটরিতে কপি করতে হবে:

mkdir -p .codex/skills
cp -r ontology-driven-dev .codex/skills/

এরপর প্রকল্পের codex.md অথবা AGENTS.md-এ লোড করার নিয়ম যোগ করুন:

ব্যবহারকারী যখন “অন্টোলজি-চালিত উন্নয়ন, চাহিদা অনুসন্ধান, অন্টোলজি মডেলিং, সাতটি মডেল, code-paas অথবা AI-নেটিভ অ্যাপ্লিকেশন” করতে চান, তখন .codex/skills/ontology-driven-dev/SKILL.md লোড করুন এবং তিন ধাপের প্রক্রিয়া ও মানব-নিশ্চিতকরণ গেট কঠোরভাবে অনুসরণ করুন।

Codex মানব-নিশ্চিতকরণকে ইন্টারঅ্যাকটিভ প্রশ্ন বা অনুমোদন হিসেবে উপস্থাপন করবে। npm install ও pip install চালানোর জন্য এর স্যান্ডবক্সে নেটওয়ার্ক সংযোগ থাকতে হবে।

Cursor, Aider বা Cline-এ ব্যবহার

• Cursor: SKILL.md-এর বিষয়বস্তু প্রকল্পের নিয়মে অথবা .cursorrules-এ রাখুন।
• Cline, Aider: সেশন শুরুর সময় SKILL.md পেস্ট করুন, অথবা Agent-কে স্পষ্টভাবে এর পথ লোড করতে বলুন।
• অন্যান্য Agent: ফাইলটিকে সিস্টেম নির্দেশনা বা প্রকল্পের স্মৃতি হিসেবে কনটেক্সটে ইনজেক্ট করুন।

প্রথম পর্যায়: চাহিদা অনুসন্ধান ও নিশ্চিতকরণ

প্রথম পর্যায়টি references/AI需求探索与确认提示词V9.0.md-এর ভিত্তিতে পরিচালিত হয়। এতে প্রাথমিক ব্যবসায়িক বর্ণনাকে আনুষ্ঠানিক সফটওয়্যার চাহিদার স্পেসিফিকেশনে রূপ দেওয়া হয়।

আপনি Agent-কে এ ধরনের নির্দেশ দিতে পারেন:

আমার জন্য একটি বিক্রয় চুক্তি বাস্তবায়ন ব্যবস্থাপনা সিস্টেম তৈরি করুন, যেখানে চুক্তি, পাওনা আদায়, সরবরাহ এবং অনুমোদন ব্যবস্থাপনা করতে হবে।

Agent-এর নিম্নলিখিত আটটি পর্যায় ধারাবাহিকভাবে সম্পন্ন করা উচিত:

1. সামগ্রিক বোঝাপড়া।
2. ব্যবসায়িক অবজেক্ট।
3. ব্যবসায়িক ফাংশন ও নিয়ম।
4. অবজেক্টগুলোর আন্তঃসংযোগ।
5. এন্ড-টু-এন্ড সমন্বয় ও অনুমোদন প্রবাহ।
6. অনুসন্ধান, পরিসংখ্যান ও প্রতিবেদন।
7. ভূমিকা ও অনুমতি।
8. UI প্রোটোটাইপ, প্রয়োজন অনুযায়ী নির্বাচনযোগ্য।

প্রতিটি পর্যায় শেষে Agent-কে অবশ্যই “প্রশ্ন, AI-এর পরামর্শ, কারণ, অন্যান্য বিকল্প, দ্রুত উত্তর”—এই বিন্যাসে নিশ্চিতকরণ চাইতে হবে এবং আপনার সিদ্ধান্তের জন্য অপেক্ষা করতে হবে। প্রতিষ্ঠানের নিজস্ব B শ্রেণির বিষয়বস্তু সম্পর্কেও স্পষ্টভাবে প্রশ্ন করতে হবে; নিশ্চিতকরণ না পাওয়া পর্যন্ত পরবর্তী পর্যায়ে যাওয়া যাবে না।

এই পর্যায়ের চূড়ান্ত আউটপুট:

<ব্যবসায়িক ডোমেইন>-需求规格说明书-V9.md

নথির পরিশিষ্ট C পরবর্তী পর্যায়ে সাতটি মডেল তৈরির নির্ধারিত ভিত্তি। তাই ব্যবসায়িক অবজেক্ট, প্রক্রিয়া, নিয়ম, ভূমিকা ও প্রতিবেদন সম্পূর্ণ কি না, তা বিশেষভাবে পরীক্ষা করা উচিত।

দ্বিতীয় পর্যায়: সাতটি মডেলের YAML তৈরি

চাহিদা নিশ্চিত হওয়ার পর Agent references/ontology_modeling_framework_v9.md এবং চাহিদার নথির পরিশিষ্ট C অনুসরণ করে অন্টোলজি মডেল তৈরি করে। এই পর্যায়ে ইনপুট একটি নির্ধারিত ভিত্তি, তাই নতুন করে ব্যাপক ব্যবসায়িক বিভাজন করা উচিত নয়।

আপনার কাছে প্রয়োজনীয় মানদণ্ড পূরণ করে এমন চাহিদার স্পেসিফিকেশন থাকলে শুধু মডেলিং প্রক্রিয়া সরাসরি চালু করতে পারেন:

এই চাহিদার স্পেসিফিকেশনের ভিত্তিতে অন্টোলজি মডেলিং করুন এবং সাতটি মডেলের YAML ও manifest.json আউটপুট দিন।

yaml/ ডিরেক্টরিতে আউটপুটের মধ্যে থাকবে:

• M1 অবজেক্ট মডেল: ব্যবসায়িক অবজেক্ট বর্ণনা করে।
• M2 আচরণ মডেল: ব্যবসায়িক আচরণ বর্ণনা করে।
• M3 নিয়ম মডেল: ব্যবসায়িক নিয়ম বর্ণনা করে।
• M5 সত্তা মডেল: ভূমিকা ও সংশ্লিষ্ট সত্তা বর্ণনা করে।
• M6 প্রক্রিয়া মডেল: ব্যবসায়িক প্রক্রিয়া বর্ণনা করে।
• M7 অনুসন্ধান ও প্রতিবেদন মডেল: অনুসন্ধান ও প্রতিবেদন বর্ণনা করে।
• MU UI মডেল: ব্যবহারকারী ইন্টারফেস বর্ণনা করে।
• manifest.json: মডেলের তালিকা নথিবদ্ধ করে।

মডেলিং শেষ হলে সামঞ্জস্য পরীক্ষা করতে হবে। এতে অন্তত চাহিদার অনুসরণযোগ্যতা, M7 ও M2-এর এক-থেকে-এক সম্পর্ক এবং M6-এর রেফারেন্সে কোনো চক্র আছে কি না—এসব অন্তর্ভুক্ত থাকতে হবে। অসামঞ্জস্য পাওয়া গেলে প্রথমে মডেল সংশোধন করে তারপর কোড নির্মাণ পর্যায়ে যেতে হবে।

তৃতীয় পর্যায়: চালানো যায় এমন BS সিস্টেম নির্মাণ

code-paas প্রযুক্তি ভিত্তি কপি করা

দক্ষতা ডিরেক্টরির techbase/ সম্পূর্ণভাবে বর্তমান প্রকল্পের code-app/-এ কপি করুন:

cp -r <দক্ষতার মূল ডিরেক্টরি>/techbase/. <বর্তমান প্রকল্প>/code-app/
cd <বর্তমান প্রকল্প>/code-app/frontend && npm install
cd <বর্তমান প্রকল্প>/code-app/backend && pip install -r requirements.txt

আনুষ্ঠানিক উন্নয়নের সময় দ্বিতীয় পর্যায়ে তৈরি মডেল দিয়ে ভিত্তির উদাহরণস্বরূপ সাতটি মডেলের YAML প্রতিস্থাপন করতে হবে।

দশ ধাপের ক্রম অনুসরণ করে বাস্তবায়ন

1. সাতটি মডেলের YAML লিখুন বা সাজান।
2. DDL ও ডেটাবেস টেবিল তৈরি করুন।
3. ডেটা ডিকশনারি নিবন্ধন করুন।
4. আচরণ ও নিয়মের সার্ভিস বাস্তবায়ন করুন।
5. ভূমিকা ও অনুমতির সিড ডেটা লিখুন।
6. ওয়ার্কফ্লো ইঞ্জিন সংযুক্ত করুন।
7. মেনু, পৃষ্ঠা ও রুট তৈরি করুন।
8. ডান পাশের AI ডায়ালগ বাস্তবায়ন করুন।
9. ফ্রন্টএন্ড ও ব্যাকএন্ডের সম্পূর্ণ চেইন সমন্বিত পরীক্ষা করুন।
10. চাহিদা ও মডেলের ভিত্তিতে গ্রহণ পরীক্ষা সম্পন্ন করুন।

ডান পাশের AI ডায়ালগ বাধ্যতামূলক অংশ; উন্নয়নের সময় এটি বাদ দেওয়া উচিত নয়। এতে প্রকল্প-নির্ধারিত অন্টোলজি রেজিস্ট্রি ইনজেকশন, টুল কল, SSE স্ট্রিমিং এবং শুধু-পঠনযোগ্য SQL নিরাপত্তা সীমা অনুসরণ করতে হবে।

ব্যাকএন্ড ও ফ্রন্টএন্ড চালু করা

Flask ব্যাকএন্ড চালু করুন:

cd code-app/backend
pip install -r requirements.txt
python app.py

ব্যাকএন্ডের ডিফল্ট ঠিকানা হলো http://localhost:5000।

অন্য একটি টার্মিনাল খুলে ফ্রন্টএন্ড ডেভেলপমেন্ট সার্ভার চালু করুন:

cd code-app/frontend
npm install
npm run dev

ফ্রন্টএন্ডের ডিফল্ট ঠিকানা হলো http://localhost:5173। ডিফল্ট ব্যবহারকারীর নাম admin, ডিফল্ট পাসওয়ার্ড admin123; ভিত্তি চালানোর আরও বিস্তারিত তথ্য techbase/README.md-এ রয়েছে।

সাধারণ ট্রিগার পদ্ধতি

বিদ্যমান ইনপুট ও লক্ষ্য অনুযায়ী বিভিন্ন ট্রিগার বাক্য ব্যবহার করা যায়।

চাহিদা থেকে সম্পূর্ণ উন্নয়ন শুরু করা

আমার জন্য একটি যন্ত্রপাতি মেরামত ব্যবস্থাপনা সিস্টেম তৈরি করুন। অন্টোলজি-চালিত উন্নয়ন প্রক্রিয়া কঠোরভাবে অনুসরণ করুন এবং প্রতিটি চাহিদা অনুসন্ধান পর্যায়ে আমার নিশ্চিতকরণের জন্য অপেক্ষা করুন।

শুধু অন্টোলজি মডেলিং করা

এই চাহিদার স্পেসিফিকেশনের ভিত্তিতে অন্টোলজি মডেলিং করুন এবং M1, M2, M3, M5, M6, M7, MU ও manifest.json আউটপুট দিন।

বিদ্যমান মডেলের ভিত্তিতে অ্যাপ্লিকেশন তৈরি করা

এই কয়েকটি সাত-মডেলের YAML-এর ভিত্তিতে সিস্টেম তৈরি করুন, code-paas ভিত্তি ব্যবহার করুন এবং ফ্রন্টএন্ড ও ব্যাকএন্ডের সমন্বিত পরীক্ষা সম্পন্ন করুন।

“অন্টোলজি-চালিত”, “চাহিদা অনুসন্ধান”, “অন্টোলজি মডেলিং”, “সাতটি মডেল”, “code-paas”, “AI-নেটিভ অ্যাপ্লিকেশন” এবং “ব্যবসায়িক সিস্টেম উন্নয়ন”—এই কীওয়ার্ডগুলোও Agent-কে দক্ষতাটি শনাক্ত করতে সাহায্য করতে পারে।

উন্নত অনুশীলনের পরামর্শ

মানব-নিশ্চিতকরণ গেট এড়িয়ে যাবেন না

প্রাথমিক চাহিদা সম্পূর্ণ মনে হলেও Agent-কে একবারে সরাসরি সিস্টেম তৈরি করতে বলবেন না। ধাপে ধাপে নিশ্চিতকরণের মাধ্যমে অবজেক্টের সীমানা, অনুমোদনের ধাপ, অনুমতির পরিসর এবং পরিসংখ্যানের মানদণ্ডের মতো সমস্যা আগেই প্রকাশ পায়।

পরিশিষ্ট C-কে মডেলিংয়ের সীমানা হিসেবে ব্যবহার করুন

দ্বিতীয় পর্যায়ে চাহিদার নথির পরিশিষ্ট C-কে নির্ধারিত ইনপুট হিসেবে ব্যবহার করতে হবে। মডেলিংয়ের সময় গুরুত্বপূর্ণ ব্যবসায়িক বিষয় অনুপস্থিত দেখা গেলে, মডেলকে অনিশ্চিত ব্যবসায়িক পরিসর নিজে থেকে বাড়াতে না দিয়ে চাহিদা পর্যায়ে ফিরে গিয়ে তা যোগ ও নিশ্চিত করুন।

মডেলগুলোর আন্তঃরেফারেন্স আগে পরীক্ষা করুন

কোড নির্মাণে যাওয়ার আগে M7 ও M2-এর পারস্পরিক সম্পর্ক, M6-এর রেফারেন্স সম্পর্ক এবং চাহিদার আইটেম থেকে মডেল উপাদান পর্যন্ত ট্রেসযোগ্যতা যাচাই করুন। মডেল স্তরের ত্রুটি যদি ডেটাবেস, ইন্টারফেস ও পেজে প্রবেশ করে, তাহলে পরবর্তী সমন্বিত পরীক্ষার খরচ বাড়বে।

তুলনার জন্য গোল্ডেন উদাহরণ সংরক্ষণ করুন

reference-example/-এ বিক্রয় চুক্তি সম্পাদন ব্যবস্থাপনার একটি সম্পূর্ণ বাস্তব উদাহরণ রয়েছে। প্রথমবার ব্যবহারের সময় এর চাহিদা স্পেসিফিকেশন, সাতটি মডেলের YAML এবং manifest.json মিলিয়ে দেখুন, যাতে প্রতিটি পর্যায়ের উৎপাদিত উপাদানের সংযোগের পদ্ধতি বোঝা যায়।

প্রথমে মডেল প্রতিস্থাপন করুন, তারপর ভিত্তি সম্প্রসারণ করুন

techbase/models/-এ থাকা মডেলগুলো উদাহরণস্বরূপ। আনুষ্ঠানিক প্রকল্পে প্রথমে নিজের সাতটি মডেলের YAML যোগ করুন। এরপর মডেল থেকে বাস্তবায়নের দশ ধাপের পাইপলাইন অনুসরণ করে ব্যাকএন্ড পরিষেবা, অনুমতি, প্রক্রিয়া, মেনু ও পেজ সম্প্রসারণ করুন। উদাহরণ ডেটাকে কেন্দ্র করে সরাসরি ব্যবসায়িক কোড পরিবর্তন করা এড়িয়ে চলুন।

উপসংহার

ontology-driven-dev চাহিদা স্পষ্টীকরণ, অন্টোলজি মডেলিং এবং অ্যাপ্লিকেশন বাস্তবায়নকে মানবীয় গেটসহ একটি উন্নয়ন শৃঙ্খলে সংযুক্ত করে। এটি সঠিকভাবে ব্যবহারের মূল বিষয় হলো প্রথমে চাহিদা নিশ্চিত করা, তারপর সাতটি মডেলের সামঞ্জস্য যাচাই করা এবং শেষে code-paas-এর ভিত্তিতে নির্মাণ ও গ্রহণযোগ্যতা যাচাই করা। এর ফলে AI ব্যবহার করে ব্যবসায়িক সিস্টেমের উন্নয়ন দক্ষতা বাড়ানো যায়, পাশাপাশি স্পষ্ট সেমান্টিক উৎস এবং সম্পূর্ণ চাহিদা ট্রেসেবিলিটি বজায় থাকে।