SoftJL Community ব্যবহারিক টিউটোরিয়াল: AI দিয়ে চাহিদা, UML, পরীক্ষা ও নির্দেশিকা সংযুক্ত করুন

SoftJL Community কী

SoftJL Community হলো সফটওয়্যারভিত্তিক স্নাতক প্রকল্প, কোর্স প্রকল্প এবং UML অ্যাসাইনমেন্টের জন্য স্বাধীনভাবে স্থাপনযোগ্য একটি AI সফটওয়্যার ইঞ্জিনিয়ারিং ওয়ার্কবেঞ্চ। এটি প্রয়োজনীয়তা বিশ্লেষণ, সম্ভাব্যতা বিশ্লেষণ, UML মডেলিং, ডিজাইন, পরীক্ষা, ইঞ্জিনিয়ারিং ডকুমেন্টেশন এবং পরিবর্তন অনুসরণকে একত্র করে। এর মাধ্যমে আপনি যাচাই করতে পারেন প্রয়োজনীয়তাগুলো ডিজাইন ও পরীক্ষায় বাস্তবায়িত হয়েছে কি না, এবং পরিবর্তন, উপস্থাপনা ও প্রতিরক্ষার জন্য অনুসরণযোগ্য প্রমাণ গুছিয়ে নিতে পারেন।

কমিউনিটি সংস্করণে সম্পূর্ণ সোর্স কোড রয়েছে এবং এটি Apache License 2.0-এর অধীনে প্রকাশিত। অফিসিয়াল হোস্টেড সংস্করণের তুলনায় কমিউনিটি সংস্করণে আপনাকেই সার্ভার, ডেটাবেস এবং মডেল সরবরাহকারী পরিচালনা করতে হবে। তবে এতে প্রয়োজনীয়তা নিয়ম নিষ্কাশন, সম্পূর্ণ প্রয়োজনীয়তা ও ডিজাইন মডেল, টেস্ট কভারেজ, ডকুমেন্ট তৈরি, উৎস অনুসরণ, প্রকল্প ব্যবস্থাপনা এবং BYOK মডেল সংযোগের মতো প্রধান সক্ষমতাগুলো বজায় রয়েছে।

মূল কর্মপ্রবাহ

প্ল্যাটফর্মটি প্রয়োজনীয়তা থেকে যাচাই পর্যন্ত একটি ইঞ্জিনিয়ারিং ধারাকে কেন্দ্র করে কাজ করে: প্রথমে প্রয়োজনীয়তা ইনপুট দিয়ে নিয়ম নিশ্চিত করা হয়, এরপর সম্ভাব্যতা বিশ্লেষণ করা হয়, প্রয়োজনীয়তা মডেল ও ডিজাইন মডেল তৈরি করা হয়, তারপর টেস্ট কেস ও কভারেজ ম্যাট্রিক্স তৈরি করা হয় এবং শেষে সম্পাদনাযোগ্য ও ডাউনলোডযোগ্য ইঞ্জিনিয়ারিং ডকুমেন্ট তৈরি করা হয়।

• প্রয়োজনীয়তা নিয়ম: প্রাকৃতিক ভাষার প্রয়োজনীয়তা থেকে নিয়ম নিষ্কাশন, গুণমান যাচাই, সংশোধন, মানবীয় নিশ্চিতকরণ এবং গ্রহণযোগ্যতার শর্ত整理 করা।
• সম্ভাব্যতা বিশ্লেষণ: সিস্টেম পরিবেশ চিত্র, ব্যবসায়িক ও সিস্টেম প্রবাহচিত্র এবং বাস্তবায়ন方案 বিশ্লেষণ তৈরি করা।
• UML মডেল: কার্যকরী কাঠামো, ইউজ কেস, ডোমেইন ধারণা, প্রোটোটাইপ ইন্টারফেস, স্থাপনা প্রয়োজনীয়তা, সামগ্রিক আর্কিটেকচার, ডিজাইন ক্লাস এবং ডেটাবেসসহ বিভিন্ন মডেল তৈরি করা।
• পরীক্ষা ও কভারেজ: স্বাভাবিক, অস্বাভাবিক এবং সীমান্ত পরিস্থিতির টেস্ট কেস তৈরি করা এবং কভারেজ ম্যাট্রিক্স ও ট্রেসেবিলিটি ম্যাট্রিক্সের মাধ্যমে ঘাটতি শনাক্ত করা।
• ইঞ্জিনিয়ারিং ডকুমেন্ট: সম্ভাব্যতা গবেষণা প্রতিবেদন, প্রয়োজনীয়তা স্পেসিফিকেশন এবং সফটওয়্যার ডিজাইন ডকুমেন্ট তৈরি করা; সংস্করণ ব্যবস্থাপনা ও DOCX ডাউনলোড সমর্থন করা।
• পরিবর্তনের প্রভাব: প্রয়োজনীয়তা, ডিজাইন, পরীক্ষা এবং ডকুমেন্টের মধ্যে উৎস-সম্পর্ক দেখা এবং পরিবর্তনের পর কোন ফলাফলগুলো আপডেট করা দরকার তা নির্ধারণ করা।
• মডেল সংযোগ: OpenAI-সামঞ্জস্যপূর্ণ মডেল সেবা কনফিগার করে নিজের মডেল সরবরাহকারী ব্যবহার করা।

উৎপন্ন ফলাফল ইঞ্জিনিয়ারিং প্রমাণ শনাক্ত ও গোছানোর জন্য ব্যবহৃত হয়। তবুও মডেলের সীমাবদ্ধতা, চিত্র ও ডকুমেন্টের বিষয়গত সামঞ্জস্য মানবীয়ভাবে যাচাই করতে হবে এবং বাস্তব সিস্টেমে পরীক্ষা চালাতে হবে।

ইনস্টলেশনের আগে পরিবেশ প্রস্তুতি

প্রথমবার চালানোর জন্য নিম্নলিখিত পরিবেশ প্রস্তুত করতে হবে:

• Node.js 22
• npm 10
• Java 21
• Graphviz
• ঐচ্ছিক: PostgreSQL এবং OnlyOffice চালানোর জন্য Docker

প্রথমবার রেন্ডারিং সেবা ব্যবহার করার সময় সিস্টেমকে PDF-এর চীনা ফন্ট ডাউনলোড করতে ইন্টারনেটে সংযোগ করতে হতে পারে। কোর সেবার অস্থায়ী ব্যবহারের জন্য Docker অপরিহার্য নয়, তবে দীর্ঘমেয়াদি ব্যবহারে স্থায়ী PostgreSQL কনফিগার করার পরামর্শ দেওয়া হয়। অনলাইনে DOCX সম্পাদনা করতে চাইলে OnlyOffice সক্রিয় করতে হবে।

দ্রুত কোর সেবা চালু করা

1. সোর্স কোড সংগ্রহ ও নির্ভরতা ইনস্টল

git clone https://github.com/guolola/SoftJL.git
cd SoftJL
npm ci

2. ডেভেলপমেন্ট পরিবেশ চালু

npm run dev

এই কমান্ডটি স্বয়ংক্রিয়ভাবে contracts এবং prompts শেয়ার্ড প্যাকেজ তৈরি করবে এবং Web, API ও রেন্ডারিং সেবা সমান্তরালে চালু করবে। Web সাধারণত http://localhost:3000-এ চলে, API 4101 পোর্ট ব্যবহার করে এবং Render Service 4002 পোর্ট ব্যবহার করে।

Web-এর আউটপুটে Ready দেখা গেলে http://localhost:3000 খুলতে পারেন। একই সঙ্গে স্বাস্থ্য পরীক্ষা করার পরামর্শ দেওয়া হয়:

http://localhost:3000/api/health
http://127.0.0.1:4002/health

উভয় স্বাস্থ্য পরীক্ষা ইন্টারফেসের ফলাফলে status: "ok" থাকা উচিত।

3. অস্থায়ী মেমরি মোড বোঝা

সরাসরি npm run dev চালালে ডিফল্টভাবে অস্থায়ী মেমরি মোড ব্যবহৃত হয়। সেবা পুনরায় চালু হলে অ্যাকাউন্ট, প্রকল্প, মডেল সেবা কনফিগারেশন এবং রান ইতিহাস হারিয়ে যাবে। ডকুমেন্ট ফাইল আলাদাভাবে স্থানীয় ডিরেক্টরিতে সংরক্ষিত হলেও তা ডেটাবেস ব্যাকআপের বিকল্প নয়। তাই এই মোড দ্রুত ব্যবহারের জন্য উপযোগী, দীর্ঘমেয়াদি প্রকল্প সংরক্ষণের জন্য নয়।

স্থায়ী ডেটাবেস ও অনলাইন সম্পাদনা কনফিগার

ডেভেলপমেন্ট PostgreSQL ব্যবহার

স্থানীয় কম্পিউটারে Docker ইনস্টল ও চালু করার পর নিচের কমান্ড ব্যবহার করে নির্দিষ্ট ডেভেলপমেন্ট ডেটাবেস ও কোর সেবা চালাতে পারেন:

npm run dev:postgres

এই পদ্ধতিতে ডেটাবেস Docker ডেটা ভলিউমে সংরক্ষিত হবে। স্ক্রিপ্টের ডেটাবেস পরিচয়পত্র কেবল স্থানীয় ডেভেলপমেন্টের জন্য। উৎপাদন পরিবেশে এগুলো অবশ্যই পরিবর্তন করতে হবে এবং বিদ্যমান পূর্ণ সংস্করণের ডেটাবেস সরাসরি কমিউনিটি সংস্করণের ডেটাবেস হিসেবে ব্যবহার করা যাবে না।

বিদ্যমান PostgreSQL-এ সংযোগ

PostgreSQL প্রস্তুত থাকলে রুট ডিরেক্টরির .env.example কপি করে .env তৈরি করুন এবং DATABASE_URL ও নিজে তৈরি করা UML_PROVIDER_CONFIG_SECRET সেট করুন:

cp .env.example .env

কনফিগারেশন শেষ হলে আবার npm run dev চালান। এনক্রিপশন কী নিরাপদে সংরক্ষণ করুন, কারণ ইচ্ছামতো UML_PROVIDER_CONFIG_SECRET পরিবর্তন করলে সংরক্ষিত মডেল সরবরাহকারীর পরিচয়পত্র ডিক্রিপ্ট করা যাবে না। ডেটাবেস সংযোগ তথ্য ও কী Git-এ কমিট করবেন না।

OnlyOffice সক্রিয় করা

ডকুমেন্ট অনলাইনে সম্পাদনা করতে হলে প্রথমে Docker ইঞ্জিন চালু করুন, তারপর চালান:

npm run dev:full

এই স্ক্রিপ্টটি স্থানীয় 8080 পোর্টে OnlyOffice পরীক্ষা করবে। সেবা উপলব্ধ না থাকলে সংশ্লিষ্ট কনটেইনার তৈরি বা চালু করবে। প্রথমবার চালানোর সময় ইমেজ ডাউনলোড করতে হতে পারে। কোর সেবা একাই ডকুমেন্ট তৈরি ও ডাউনলোড করতে পারে; অনলাইন সম্পাদনার জন্য অতিরিক্তভাবে OnlyOffice কনফিগার করতে হবে।

AI মডেল সেবা কনফিগার

1. Web সেবা চালু করে অ্যাকাউন্টে লগইন করুন।
2. অ্যাকাউন্ট সেটিংসে গিয়ে একটি OpenAI-সামঞ্জস্যপূর্ণ Provider যোগ করুন।
3. মডেল সরবরাহকারীর HTTPS Base URL এবং API Key পূরণ করুন।
4. মডেল শনাক্তকরণ ও সংযোগ পরীক্ষা চালান।
5. একটি উপলব্ধ মডেলকে ডিফল্ট মডেল হিসেবে নির্বাচন করুন।

স্ব-স্থাপিত পরিবেশে নিজের মডেল সেবা ব্যবহার করুন এবং মডেল কলের খরচ সংশ্লিষ্ট সরবরাহকারীর কাছে পরিশোধ করুন। উৎপাদন পরিবেশে স্থায়ী ডেটাবেস ও পরিচয়পত্র এনক্রিপশন কী ব্যবহার করা উচিত এবং ডেভেলপমেন্ট গেস্ট ও legacy প্লেইনটেক্সট fallback এন্ট্রি বন্ধ করা উচিত।

লাইব্রেরি আসন সংরক্ষণ ব্যবস্থা দিয়ে একটি মডেলিং সম্পন্ন করা

নিচে একটি সহজ প্রয়োজনীয়তার উদাহরণ দেওয়া হলো: শিক্ষার্থী লগইন করে খালি আসন খুঁজবে, তারিখ ও সময়সীমা নির্বাচন করে সংরক্ষণ জমা দেবে; একই শিক্ষার্থী একই সময়সীমায় পুনরায় সংরক্ষণ করতে পারবে না; সংরক্ষণ সফল হলে বিজ্ঞপ্তি পাঠানো হবে; প্রশাসক আসন পরিচালনা, সংরক্ষণ রেকর্ড দেখা এবং অস্বাভাবিক বাতিল প্রক্রিয়া পরিচালনা করতে পারবেন।

ধাপ 1: প্রকল্প তৈরি ও প্রয়োজনীয়তা নিয়ম নিশ্চিত

প্রকল্প তৈরি করার পর উপরের ব্যবসায়িক বিবরণ প্ল্যাটফর্মে ইনপুট দিন, যাতে সিস্টেম প্রয়োজনীয়তা নিয়ম নিষ্কাশন করতে পারে। ব্যবহারকারীর ভূমিকা, সংরক্ষণের শর্ত, পুনরাবৃত্ত সংরক্ষণের সীমাবদ্ধতা, বিজ্ঞপ্তির আচরণ এবং অস্বাভাবিক বাতিলের প্রবাহ বিশেষভাবে পরীক্ষা করুন। সঠিকতা নিশ্চিত হলে নিয়ম ও গ্রহণযোগ্যতার শর্ত সংরক্ষণ করুন, যাতে পরবর্তী মডেলগুলো অস্পষ্ট প্রয়োজনীয়তার ওপর ভিত্তি না করে।

ধাপ 2: সম্ভাব্যতা বিশ্লেষণ সম্পন্ন

প্রকল্পের প্রবাহ অনুযায়ী তিনটি বিশ্লেষণ সম্পন্ন করুন:

• সিস্টেম পরিবেশ চিত্র: শিক্ষার্থী, প্রশাসক, বিজ্ঞপ্তি সেবা এবং সংরক্ষণ ব্যবস্থার মধ্যকার সীমা ও মিথস্ক্রিয়া নির্ধারণ করুন।
• ব্যবসায়িক ও সিস্টেম প্রবাহচিত্র: আসন খোঁজা, সংরক্ষণ জমা, বিজ্ঞপ্তি পাঠানো এবং অস্বাভাবিক বাতিলের প্রক্রিয়া সাজান।
• বাস্তবায়ন方案: সম্ভাব্য方案গুলোর তুলনা করে খরচ, সুফল ও ঝুঁকি নথিভুক্ত করুন।

বিশ্লেষণ শেষ হলে মডেল তৈরি পর্যায়ে যাওয়ার আগে সিস্টেমের সীমা ও প্রবাহ মূল প্রয়োজনীয়তার সঙ্গে সামঞ্জস্যপূর্ণ কি না যাচাই করুন।

ধাপ 3: প্রয়োজনীয়তা মডেল ও ডিজাইন মডেল তৈরি

নিশ্চিত করা প্রয়োজনীয়তার ভিত্তিতে প্ল্যাটফর্মটি সম্পূর্ণ প্রয়োজনীয়তা মডেল তৈরি করতে পারে। এর মধ্যে রয়েছে কার্যকরী কাঠামো, সামগ্রিক ব্যবসায়িক প্রবাহ, ইউজ কেস, ডোমেইন ধারণা, প্রোটোটাইপ ইন্টারফেস সম্পর্ক এবং স্থাপনা প্রয়োজনীয়তা। প্রয়োজনীয়তা মডেল নিশ্চিত হওয়ার পর পূর্বশর্তের সম্পর্ক অনুযায়ী সামগ্রিক আর্কিটেকচার, ইউজ কেস বাস্তবায়ন, ডিজাইন ক্লাস, পৃষ্ঠা নেভিগেশন, ডেটাবেস, কম্পোনেন্ট সম্পর্ক এবং স্থাপনা ডিজাইনের মতো ডিজাইন মডেল তৈরি করুন।

তৈরি হওয়ার পর উৎস-সম্পর্ক খুলে প্রতিটি ডিজাইন উপাদান প্রয়োজনীয়তা নিয়মে ফিরে অনুসরণ করা যায় কি না পরীক্ষা করুন। এতে সংরক্ষণ নিয়ম পরিবর্তিত হলে প্রভাবিত ইউজ কেস, ক্লাস, ডেটাবেস ডিজাইন ও পরীক্ষা সহজে শনাক্ত করা যায়।

ধাপ 4: পরীক্ষা ও কভারেজ ম্যাট্রিক্স তৈরি

সংরক্ষণ ব্যবস্থার জন্য অন্তত নিচের পরিস্থিতিগুলো পরীক্ষা করুন:

• শিক্ষার্থী নির্দিষ্ট তারিখ ও সময়সীমার খালি আসন খুঁজে পেতে পারে।
• শিক্ষার্থী বৈধ সংরক্ষণ জমা দিতে পারে এবং বিজ্ঞপ্তি পায়।
• একই শিক্ষার্থী একই সময়সীমায় পুনরায় সংরক্ষণ করলে সিস্টেম অনুরোধ প্রত্যাখ্যান করতে পারে।
• খালি আসন না থাকলে, সময়সীমা অবৈধ হলে বা সংরক্ষণের তথ্য অসম্পূর্ণ হলে সিস্টেম অস্বাভাবিকতা পরিচালনা করতে পারে।
• প্রশাসক আসন পরিচালনা, সংরক্ষণ রেকর্ড দেখা এবং অস্বাভাবিক বাতিল প্রক্রিয়া পরিচালনা করতে পারে।

ডিজাইন বা পরীক্ষার ভিত্তি নেই এমন প্রয়োজনীয়তা শনাক্ত করতে কভারেজ ম্যাট্রিক্স ও ট্রেসেবিলিটি ম্যাট্রিক্স ব্যবহার করুন। প্ল্যাটফর্মের তৈরি টেস্ট কেস বাস্তব সিস্টেমে চালাতে হবে; শুধু তৈরি সফল হয়েছে বলেই গ্রহণযোগ্যতা নিশ্চিত করা যাবে না।

ধাপ 5: ইঞ্জিনিয়ারিং ডকুমেন্ট তৈরি

সম্ভাব্যতা বিশ্লেষণ, প্রয়োজনীয়তা মডেল ও ডিজাইন মডেল শেষ হলে তিন ধরনের ইঞ্জিনিয়ারিং ডকুমেন্ট তৈরি করা যায়: সম্ভাব্যতা গবেষণা প্রতিবেদন, প্রয়োজনীয়তা স্পেসিফিকেশন এবং সফটওয়্যার ডিজাইন ডকুমেন্ট। তৈরির পর মূল লেখা ও চিত্রের সামঞ্জস্য পরীক্ষা করুন, স্কুলের টেমপ্লেট ও ফরম্যাটের প্রয়োজন অনুযায়ী সংশোধন করুন, তারপর সংস্করণ ব্যবস্থাপনা ও DOCX ডাউনলোড সম্পন্ন করুন।

প্রয়োজনীয়তা পরিবর্তনের পদ্ধতি

ধরা যাক, প্রকল্পের নিয়ম “একই শিক্ষার্থী একই সময়সীমায় পুনরায় সংরক্ষণ করতে পারবে না” থেকে “একই শিক্ষার্থী প্রতিদিন সর্বোচ্চ দুটি সময়সীমা সংরক্ষণ করতে পারবে”-এ পরিবর্তিত হয়েছে। শুধু ডকুমেন্টের একটি বাক্য পরিবর্তন করবেন না; উৎস ও নির্ভরতার সম্পর্ক অনুসরণ করে পরীক্ষা করুন:

1. নতুন প্রয়োজনীয়তা নিয়ম সংরক্ষণ ও নিশ্চিত করুন।
2. উৎস-সম্পর্ক ও পরিবর্তনের প্রভাব খুলে প্রভাবিত প্রয়োজনীয়তা, ইউজ কেস, ডিজাইন ও পরীক্ষার ফলাফল দেখুন।
3. নির্ভরতার ক্রম অনুযায়ী প্রয়োজনীয়তা মডেল ও ডিজাইন মডেল আপডেট করুন।
4. ডেটাবেস সীমাবদ্ধতা, ব্যবসায়িক প্রবাহ ও অস্বাভাবিকতা পরিচালনা পুনরায় পরীক্ষা করুন।
5. টেস্ট কেস ও কভারেজ ম্যাট্রিক্স আপডেট করুন এবং বাস্তব সিস্টেমে রিগ্রেশন পরীক্ষা চালান।
6. সংশ্লিষ্ট ডকুমেন্ট পুনরায় তৈরি বা সংশোধন করুন এবং সংস্করণ রেকর্ড সংরক্ষণ করুন।

উৎস সংযোগ ও কভারেজের সংখ্যা পরীক্ষা করার পরিসর নির্ধারণে সহায়ক, তবে শেষ পর্যন্ত নির্দিষ্ট মডেল খুলে সীমাবদ্ধতা, ইনপুট শর্ত ও আচরণ সম্পূর্ণ কি না যাচাই করতে হবে।

বাহ্যিক Coding Agent সংযোগ

কমিউনিটি সংস্করণে স্থাপনকারী চাইলে কেবল-পাঠ্য MCP সংযোগ সক্রিয় করতে পারেন, যাতে সামঞ্জস্যপূর্ণ Coding Agent প্রকল্পের পরিসরের মধ্যে সংরক্ষিত ডিজাইন, গ্রহণযোগ্যতার শর্ত, ইঞ্জিনিয়ারিং সীমাবদ্ধতা ও পরীক্ষার তথ্য পড়তে পারে। MCP-এর স্থানীয় ব্যবহারের প্রবেশপথ সাইডবারের “প্রোগ্রামিং সহকারী” অথবা প্রকল্প সেটিংসের “এই প্রকল্পে সংযোগ করুন”। ব্যবহারের আগে ইনস্টলেশন ও বিল্ড সম্পন্ন করতে হবে।

npm run dev:mcp

এই সংযোগ কেবল ইঞ্জিনিয়ারিং প্রমাণ পড়ার সুবিধা দেয়; এটি কোড পর্যালোচনা, বাস্তব রান এবং পরীক্ষা গ্রহণের বিকল্প নয়। README-তে আরও উল্লেখ আছে যে বাস্তব Coding Agent ক্লায়েন্টের সামঞ্জস্য এবং তৈরি কোডের গ্রহণযোগ্যতা এখনো উন্নয়নাধীন। ব্যবহারের সময় MCP সংযোগ নির্দেশিকা অনুসরণ করুন।

প্রচলিত ডেভেলপমেন্ট কমান্ড

• npm run build:packages: contracts এবং prompts শেয়ার্ড প্যাকেজ তৈরি করে।
• npm run build: শেয়ার্ড প্যাকেজ ও সব অ্যাপ তৈরি করে।
• npm run dev:render: পৃথকভাবে PlantUML রেন্ডারিং সেবা চালু করে।
• npm run test:contracts: শেয়ার্ড কনট্র্যাক্ট যাচাই করে।
• npm run test:api: API পরীক্ষা চালায়।
• npm run test:render: রেন্ডারিং সেবা পরীক্ষা চালায়।
• npm run test:web: সম্পূর্ণ Web পরীক্ষা চালায়।
• npm run typecheck:web: Web-এর টাইপ পরীক্ষা করে।
• npm run lint:web: Web-এর স্ট্যাটিক পরীক্ষা চালায়।
• npm audit --audit-level=high: নির্ভরতার নিরাপত্তা বিজ্ঞপ্তি পরীক্ষা করে।

শেয়ার্ড প্যাকেজে পরিবর্তন হলে আলাদাভাবে অ্যাপ চালানো বা পরীক্ষা করার আগে npm run build:packages চালান। বিল্ড আউটপুট, পরিবেশ কনফিগারেশন, ব্যক্তিগত কী, লগ এবং স্থানীয় রান ডেটা Git-এর উপেক্ষিত পরিসরের মধ্যে রাখা উচিত।

আর্কিটেকচার সংক্ষিপ্তসার

প্রকল্পটি একাধিক অ্যাপ ও শেয়ার্ড প্যাকেজের কাঠামো ব্যবহার করে:

• apps/web：React、Next.js ওয়ার্কস্পেস এবং পেজ।
• apps/api：Fastify API, প্রমাণীকরণ, জেনারেশন পাইপলাইন, রান রেকর্ড এবং ডকুমেন্ট সংকলন।
• apps/render-service：PlantUML ডায়াগ্রাম রেন্ডারিং।
• packages/contracts এবং packages/prompts：শেয়ার্ড কনট্র্যাক্ট এবং জেনারেশন প্রম্পট।
• packages/harness-e2e এবং packages/harness-eval：গ্রহণযোগ্যতা পরীক্ষা এবং গুণমান মূল্যায়ন।

ডিপ্লয়মেন্ট ও ব্যবহারের গুরুত্বপূর্ণ বিষয়

• কমিউনিটি সংস্করণের জন্য আলাদা ডেটাবেস ব্যবহার করা উচিত; এটিকে অফিসিয়াল ওয়েবসাইটের পূর্ণাঙ্গ সংস্করণের ডেটাবেসের অবনমিত বিকল্প হিসেবে ব্যবহার করবেন না।
• ডেভেলপমেন্ট স্টার্টআপ স্ক্রিপ্টের ডেটাবেস পরিচয়পত্র শুধু স্থানীয় ব্যবহারের জন্য উপযুক্ত; প্রোডাকশনে এগুলো অবশ্যই পরিবর্তন করতে হবে।
• মডেল কী, ডেটাবেস সংযোগের তথ্য এবং এনক্রিপশন কী কোড রিপোজিটরিতে জমা দেওয়া যাবে না।
• প্রকল্পের নির্দেশিকাকে প্রকল্প প্রতিবেদনের উপকরণ হিসেবে ব্যবহার করা যেতে পারে, তবে এটি পূর্ণাঙ্গ স্নাতকোত্তর থিসিসের সমতুল্য নয়।
• ডায়াগ্রাম, নির্দেশিকা এবং কোডের ব্যবসায়িক সামঞ্জস্যতা হাতে পরীক্ষা করতে হবে এবং রান-সংক্রান্ত প্রমাণের মাধ্যমে যাচাই করতে হবে।
• প্রোডাকশন ডিপ্লয়মেন্টের আগে সার্ভিস ডোমেইন, ডেটাবেস, ইমেইল এবং মডেল কনফিগারেশন পরিবর্তন করতে হবে।

সারসংক্ষেপ

SoftJL Community তাদের জন্য উপযুক্ত, যারা স্নাতক প্রকল্প বা কোর্স প্রকল্পকে ইঞ্জিনিয়ারিং প্রক্রিয়া অনুযায়ী সংগঠিত করতে চান। পরিবেশ ইনস্টলেশন, ডেটাবেস এবং মডেল কনফিগারেশন সম্পন্ন করার পর, আপনি প্রয়োজনীয়তার নিয়ম থেকে শুরু করে ধাপে ধাপে সম্ভাব্যতা বিশ্লেষণ, UML প্রয়োজনীয়তা ও নকশা মডেল, টেস্ট কভারেজ এবং প্রকৌশল নির্দেশিকা তৈরি করতে পারবেন; প্রয়োজনীয়তা পরিবর্তিত হলে প্রভাবের পরিধিও অনুসরণ করতে পারবেন।

এটি তথ্যের বিচ্ছিন্নতা এবং পুনরাবৃত্ত বিন্যাসের কাজ কমাতে পারে, তবে মানুষের নকশাগত সিদ্ধান্ত, কোড বাস্তবায়ন, প্রকৃত পরীক্ষা এবং চূড়ান্ত প্রতিরক্ষা প্রস্তুতির বিকল্প নয়। প্ল্যাটফর্মে তৈরি বিষয়বস্তুকে অনুসরণযোগ্য প্রকৌশল খসড়া ও যাচাইয়ের ভিত্তি হিসেবে ব্যবহার করার পরামর্শ দেওয়া হয়; চূড়ান্ত সরবরাহ সম্পন্ন করতে শিক্ষাপ্রতিষ্ঠানের প্রয়োজনীয়তা এবং বাস্তব সিস্টেম চালানোর ফলাফলের সঙ্গে তা মিলিয়ে নিন।