AI-Native Development গ্লোসারি: Agentic Coding, Vibe Coding এবং আরও ১৬টি টার্মের সংজ্ঞা

AI-native development-এর শব্দভাণ্ডার ডিকশনারির চেয়েও দ্রুত বদলায়। নতুন টার্ম — agentic coding, vibe coding, MCP, context engineering, subagents — X-এ জন্ম নেয়, কোনো CLI-তে শিপ হয়, তারপর এক কোয়ার্টারের মধ্যেই টিমের কাজের অংশ হয়ে যায়। এই পেজটাই canonical রেফারেন্স: প্রতিটা টার্মের জন্য প্রথমে একটা স্পষ্ট, উদ্ধৃতিযোগ্য সংজ্ঞা, তারপর অরিজিন সংক্রান্ত ফ্যাক্ট যা বেশিরভাগ গ্লোসারি বাদ দেয়, আর একটা ম্যাপিং যে স্কিলটা 7-level AI-Native Developer মডেলে ঠিক কোথায় বসে — L1 Chat-Assisted Developer থেকে শুরু করে L7 Universal AI Creator পর্যন্ত।

প্রতিটা এন্ট্রি একই সৎ প্রশ্ন দিয়ে শেষ হয়: এটা তোমাকে কোন লেভেলে বসায়? পড়া শেষ হলে, 3-মিনিটের কুইজ দাও আর জেনে নাও।

একটা টার্মে যাও

Term	Maps to	Term	Maps to
AI-native developer	L1–L7	evals	L6
Agentic coding	L3	worktrees	L5+
Agentic engineering	L4–L5	Context engineering	L4–L6
Vibe coding	Off-ladder	Spec-driven development	L4–L6
AI-assisted development	L1–L7	Autonomous coding agent	L3→L5
MCP	L5–L6	Prompt engineering	L1–L2
Agent orchestration	L5	AI coding maturity model	নিজেই মডেল
Subagents	L5+	Model routing	L5–L6
Plan-before-code	L3–L4	Verification harness	L4–L5

---

AI-native developer

AI-native developer হলো এমন একজন ডেভেলপার, যার ডিফল্ট ওয়ার্কফ্লো হচ্ছে AI সিস্টেমকে দিয়ে কোড প্ল্যান, লেখা, টেস্ট আর শিপ করানো — বেশিরভাগ লাইন নিজে হাতে টাইপ করার বদলে। এটা মাপা হয় autonomy আর verification habit দিয়ে — কতগুলো AI টুল ইনস্টল আছে তা দিয়ে না।

এখন প্রায় প্রতিটা ডেভেলপারই "AI ব্যবহার করে।" কিন্তু সেটা একই জিনিস না। AI-native হওয়া মানে একটা posture, টুলবেল্ট না: AI-ই তোমার প্রধান production mechanism, আর তোমার কাজ সরে যায় direction, review আর verification-এর দিকে। যে প্রশ্নটা আলাদা করে দেয় সেটা হলো — তুমি কি AI অ্যাসিস্ট্যান্ট ব্যবহার করো? না, বরং কতটুকু delegate করো, আর রেজাল্ট কীভাবে চেক করো?

এটাই ঠিক সেই বৈশিষ্ট্য যা 7-level AI-Native Developer মডেল পরিমাপ করে — L1 Chat-Assisted Developer ("Old-School Artisan" যে চ্যাট ট্যাব থেকে copy-paste করে) থেকে L7 Universal AI Creator (এজেন্ট দিয়ে একা পুরো প্রোডাক্ট সাইকেল চালানো একজন মানুষ) পর্যন্ত। তুমি কোথায় পড়বে সেটা নির্ভর করে autonomy আর verification-এর ওপর, vibe-এর ওপর না।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Agentic coding

Agentic coding হলো এমন একটি ডেভেলপমেন্ট অ্যাপ্রোচ, যেখানে স্বায়ত্তশাসিত AI এজেন্ট একাধিক ধাপে পরিকল্পনা করে, কোড লেখে, রান করে, টেস্ট করে এবং পরিবর্তন করে — সর্বনিম্ন মানুষের হস্তক্ষেপে, shell, file edit, test runner-এর মতো টুল ব্যবহার করে একটি ফিডব্যাক লুপের ভেতরে, যতক্ষণ না কাজ শেষ হয়।

মূল শব্দটা হলো loop। সিঙ্গেল-টার্ন চ্যাট অটোকমপ্লিট একটা স্নিপেট দিয়ে থেমে যায়; একটা agentic coding এজেন্ট পুরো টাস্কের মালিক থাকে। এটা রিপো পড়ে, প্ল্যান বানায়, ফাইল এডিট করে, টেস্ট রান করে, ফেইলিওর পড়ে, আবার চেষ্টা করে — একটা লম্বা trajectory জুড়ে iterate করে, একটা প্রম্পটের উত্তর দেওয়ার বদলে। Google Cloud এটাকে ডিফাইন করে এমন একটা সফটওয়্যার ডেভেলপমেন্ট অ্যাপ্রোচ হিসেবে, যেখানে স্বায়ত্তশাসিত AI এজেন্ট সর্বনিম্ন মানুষের হস্তক্ষেপে প্ল্যান করে, লেখে, টেস্ট করে আর কোড পরিবর্তন করে; IBM এই coding এজেন্টগুলোকে দেখে এমন AI সিস্টেম হিসেবে যা LLM reasoning-কে coding টুলের অ্যাক্সেসের সাথে মিলিয়ে একাধিক ধাপ জুড়ে কাজ করে।

লেভেলের হিসেবে, agentic coding হলো L3, Agentic Developer ("The Agentic Native")-এর সিগনেচার — যেখানে এজেন্ট রুটিন কোড লেখে, তুমি কোড লেখার আগে প্ল্যান করো, আর ওর কথা বিশ্বাস করে বসে থাকো না। আরও গভীরে যেতে দেখো agentic coding পিলার অথবা লেভেলটা নিজেই দেখো L3 →-এ।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Agentic engineering

Agentic engineering হলো AI coding এজেন্টদের force-multiplier হিসেবে অর্কেস্ট্রেট করার একটা পেশাদার discipline, যেখানে architecture, quality আর verification-এর দায়িত্ব থাকে মানুষের হাতেই। বেশিরভাগ টাইপিং করে এজেন্ট; ইঞ্জিনিয়ার সেটাকে ডিরেক্ট, কনস্ট্রেইন আর ভ্যালিডেট করে।

agentic coding যদি হয় টেকনিক, তাহলে agentic engineering হলো সেটার চারপাশের rigor। MindStudio-এর মতে, এটা হলো AI coding এজেন্টদের অর্কেস্ট্রেট করার একটা প্র্যাকটিস, যেখানে বেশিরভাগ কোডিং এজেন্ট করে আর architecture, code quality আর engineering judgment মানুষের কাছেই থাকে — এটাকে বলা হচ্ছে vibe coding-এর disciplined, 2026-এর সাকসেসর। এখানে জোর দেওয়া হয় spec, evals, review আর reproducibility-র ওপর, "accept and hope"-এর বদলে।

এটা ম্যাপ হয় L4–L5 ব্যান্ড — Director আর Orchestrator-এর সাথে — যেখানে তুমি রুটিন টাইপ করা বন্ধ করে সেই সিস্টেম বানাতে শুরু করো যেটা তা প্রোডিউস করে। vibe coding আর agentic engineering কীভাবে আলাদা হয়ে যায় দেখো vibe coding vs agentic coding-এ, অথবা পুরো levels ব্রাউজ করো।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Vibe coding

Vibe coding মানে হলো AI-কে প্রম্পট করে সফটওয়্যার বানানো, আর কোড রিভিউ না করেই তার আউটপুট গ্রহণ করা। Andrej Karpathy ২ ফেব্রুয়ারি ২০২৫-এ এই টার্মটা কয়েন করেন, যেখানে তিনি বর্ণনা করেন সম্পূর্ণভাবে vibe-এর কাছে সমর্পণ করা আর কোডের অস্তিত্বের কথা ভুলে যাওয়া — diff না পড়েই AI-এর পরিবর্তন গ্রহণ করা।

Simon Willison এটাকে একটা ব্যবহারযোগ্য টেস্টে পরিণত করেন: vibe coding মানে "কোড না পড়ে LLM দিয়ে সফটওয়্যার বানানো।" তার corollary-টা হলো সেই অংশ যা সিনিয়র ডেভেলপাররা পাত্তা দেয় — যদি তুমি রিভিউ করো, টেস্ট করো, আর কোডটা ব্যাখ্যা করতে পারো, "এটা software development," vibe coding না। এই লাইনটাই পুরো খেলা। Vibe coding থ্রোয়েঅ্যাওয়ে প্রোটোটাইপ আর উইকএন্ড এক্সপেরিমেন্টের জন্য দারুণ; কিন্তু যেই মুহূর্তে জিনিসটা unattended production-এ চালাতে হয়, সেটা একটা লায়াবিলিটি হয়ে দাঁড়ায়।

গুরুত্বপূর্ণ ব্যাপার হলো, vibe coding L1–L7 ইঞ্জিনিয়ার ladder-এর বাইরে বসে। এটা তৈরি করে Vibe Builder আর্কিটাইপ: একজন no-code/AI creator, যে AI app-builder টুল দিয়ে ট্র্যাডিশনাল কোড না লিখে রিয়েল প্রোডাক্ট শিপ করে — প্রথম দিন থেকেই AI-native, কিন্তু maturity ladder বেয়ে ওঠা ইঞ্জিনিয়ারের চেয়ে একদম আলাদা প্রজাতি। এটা কোনো ডিমোশন না; এটা একটা ভিন্ন খেলা, নিজস্ব superpower (speed) আর নিজস্ব সীমা নিয়ে। আরও দেখো vibe coding-এ আর head-to-head vibe coding vs agentic coding-এ।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

AI-assisted development

AI-assisted development হলো এমন যেকোনো ওয়ার্কফ্লো, যেখানে AI টুল — autocomplete, chat, বা agent — কোড লিখতে বা পরিবর্তন করতে সাহায্য করে, আর মানুষ লুপের মধ্যেই থেকে রিভিউ আর সিদ্ধান্ত নেয়। এটা হলো বিশাল ছাতা, যা L1 থেকে L7 পর্যন্ত সবকিছুকে কভার করে।

এটাকে সুপারসেট হিসেবে ভাবো। vibe coding আর agentic coding দুটোই AI-assisted development-এর ভেতরে থাকে; ওদের আলাদা করে কতটুকু autonomy দাও আর আউটপুট কীভাবে verify করো সেটা। কম দিলে আর সবকিছু হাতে রিভিউ করলে, তুমি ladder-এর শুরুর দিকের delegator। অনেক দিলে কিন্তু একটা verification harness লাগিয়ে দিলে, তুমি disciplined agentic engineering করছো। টার্মটা নিজেই ইচ্ছাকৃতভাবে চওড়া — ঠিক এই কারণেই একটা leveled মডেল উপকারী, তোমার নিজের অবস্থান খুঁজে বের করার জন্য।

7-level মডেল হলো সেই ম্যাপ, যা এই ছাতাকে একটা স্পেকট্রামে বদলে দেয়, যেখানে তুমি নিজের জায়গা দাঁড় করাতে পারো।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

MCP (Model Context Protocol)

MCP (Model Context Protocol) হলো একটা open standard, যা AI মডেলদের বাহ্যিক টুল আর ডেটা সোর্সের সাথে একটা universal interface দিয়ে কানেক্ট করতে দেয়, প্রতিটা টুলের জন্য আলাদা bespoke ইন্টিগ্রেশনের বদলে। Anthropic এটা ২৫ নভেম্বর ২০২৪-এ (spec version 2024-11-05) introduce আর open-source করে, Python আর TypeScript SDK সহ।

মানুষ সাধারণত যে মেন্টাল মডেলে ভাবে সেটা হলো "AI টুলের জন্য USB-C": একটা প্রোটোকল, আর যেকোনো compliant client যেকোনো compliant server-এর সাথে কথা বলতে পারে — তোমার docs, ডেটাবেস, issue tracker, shell। MCP আসার আগে প্রতিটা ইন্টিগ্রেশন ছিল একবারের কাজ; এর পরে এজেন্টের নাগাল হয়ে ওঠে একটা plug-in ইকোসিস্টেম। ২০২৫–২০২৬ জুড়ে পুরো ইন্ডাস্ট্রিতে এটার adoption ছড়িয়ে পড়ে, আর প্রাথমিক সোর্স পড়তে পারো Anthropic-এর ঘোষণায়।

একটা off-the-shelf MCP server কানেক্ট করা এমন কিছু, যা বেশিরভাগ AI-assisted ডেভেলপার শুরুর দিকেই করতে পারে। কিন্তু একটা টিম জুড়ে MCP গভর্ন করা — এজেন্টরা কোথায় পৌঁছাতে পারবে সেটা ঠিক করা, আর reusable server লেখা — এটা একটা L5–L6 Methodologist সিগনাল। দেখো L6 → আর সম্পর্কিত এন্ট্রি agent orchestration।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Agent orchestration

Agent orchestration হলো একাধিক AI এজেন্টকে কো-অর্ডিনেট করা — টাস্ক অ্যাসাইন করা, ধাপগুলো সাজানো, shared state ম্যানেজ করা, আর রেজাল্ট মার্জ করা — যাতে এজেন্টদের একটা টিম এমন কাজ শেষ করতে পারে, যেটা একটা মাত্র এজেন্ট নির্ভরযোগ্যভাবে একা করতে পারবে না।

সবচেয়ে প্রধান প্যাটার্নটা হলো orchestrator-worker (manager-worker) প্যাটার্ন: একটা এজেন্ট প্ল্যান করে আর ডেলিগেট করে, আর bounded worker এজেন্টরা এক্সিকিউট করে ফিরে রিপোর্ট করে। Claude Code-এর ডকুমেন্টেশন অনুযায়ী, এই প্যাটার্নে orchestrator প্ল্যানের মালিক থাকে আর প্রতিটা worker একটা scoped টাস্ক হ্যান্ডল করে — এই স্ট্রাকচারটাই multi-agent কাজকে chaotic না বানিয়ে tractable বানায়।

এটাই L5, AI Engineering Architect ("The Orchestrator")-এর ডিফাইনিং বৈশিষ্ট্য — যে লেভেলে তুমি শুধু একটা এজেন্ট চালানোর বদলে পুরো এজেন্ট স্ট্যাক ডিজাইন করো। দেখো L5 →, তারপর বিল্ডিং ব্লকগুলো: subagents আর worktrees।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Subagents

Subagents হলো আইসোলেটেড worker এজেন্ট, যাদের একটা primary এজেন্ট ডেলিগেট করে, প্রতিটা নিজের ফ্রেশ context, টুল অ্যাক্সেস আর permission নিয়ে রান করে, আর একটাই সামারি রিটার্ন করে — মেইন এজেন্টের context পরিষ্কার রাখে আর কাজটাকে parallelizable বানায়।

Orchestration-কে sane রাখার উপায় হলো subagents। একটা bloated context window সবকিছু জাগল করার বদলে, primary এজেন্ট scoped worker স্পিন অফ করে, প্রতিটার একটা ক্লিন স্লেট থাকে, আর একটা গোছানো রেজাল্ট ফেরত পায়। Claude Code-এর ডকুমেন্টেশন অনুযায়ী, প্রতিটা subagent নিজের context, টুল আর permission নিয়ে রান করে — আর আরও subagent স্পন করতে পারে না, তাই nesting ডিজাইন অনুযায়ীই bounded। এই bound-টাই একটা ফিচার: এটা রানঅ্যাওয়ে এজেন্ট ট্রি হতে দেয় না।

নিয়মিত subagent ব্যবহার একটা L5+ behavioral সিগনাল — তুমি একটা এজেন্ট চালানো থেকে একটা ছোট টিম ফিল্ড করার দিকে চলে গেছো। দেখো L5 → আর বৃহত্তর প্যাটার্ন agent orchestration-এ।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Plan-before-code

Plan-before-code হলো একটা agentic-coding discipline, যেখানে এজেন্ট (বা মানুষ) কোনো কোড না লিখেই একটা স্পষ্ট প্ল্যান বানায় আর সেটা approve করিয়ে নেয় — যাতে ইনটেন্ট আগেভাগেই verify হয়ে যায় আর implementation ধাপটা bounded আর checkable থেকে যায়।

এটা একটা সস্তা ইনসিওরেন্স পলিসি। "আমি এখন এটা করতে যাচ্ছি আর কেন" — এটা কনফার্ম করতে কয়েক মিনিট খরচ করলে সেই খরুচে failure mode আটকানো যায়, যেখানে এজেন্ট আত্মবিশ্বাস নিয়ে ভুল দিকে বিশটা ফাইল এডিট করে ফেলে। এতে কম টোকেনও পোড়ে, আর এমন diff তৈরি হয় যা তুমি আসলেই বুঝতে পারো। Plan-before-code হলো সেই গেটওয়ে অভ্যাস, যা স্বাভাবিকভাবেই spec-driven development-এ নিয়ে যায়।

এটা একটা L3–L4 maturity অভ্যাস — সেই মুহূর্ত, যখন তুমি এজেন্টদের ফ্রি-রান করতে দেওয়া বন্ধ করে একটা approved প্ল্যানের ওপর তাদের গেট করতে শুরু করো।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Verification harness

একটা verification harness হলো automated চেকের একটা সেট — test, linter, type-check, build আর run script — যা এমনভাবে ওয়্যার করা যে একটা AI এজেন্ট লুপের মধ্যে নিজের কাজ verify করতে পারে আর নিজেকে self-correct করতে পারে, একজন মানুষকে প্রতিটা diff পড়তে না হয়েই।

একটাই জিনিস, যা high-autonomy ("YOLO") agentic coding-কে reckless না বানিয়ে নিরাপদ বানায়। একটা শক্তিশালী harness থাকা এজেন্ট হট চলতে পারে — একটা পরিবর্তন ট্রাই করো, চেক রান করো, ফেইলিওর পড়ো, ফিক্স করো, রিপিট করো — কারণ চেকগুলো তোমার আগেই ভুল ধরে ফেলে। একটা এজেন্ট harness ছাড়া মানেই দ্রুতগতিতে চলা un-reviewed risk। Harness-ই trust-কে একটা আশায় না রেখে একটা সিস্টেমে পরিণত করে।

Reusable harness বানানো হলো L4–L5 বিভাজন রেখা — এটা "আমি প্রতিটা পরিবর্তন রিভিউ করি"-কে "আমি লুপকে বিশ্বাস করি আর আউটকাম রিভিউ করি" থেকে আলাদা করে। দেখো levels →, তারপর এটাকে evals-এর সাথে জোড়া দাও।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Evals

Evals হলো সিস্টেম্যাটিক টেস্ট, যা মাপে একটা AI মডেল বা এজেন্ট সঠিক, নির্ভরযোগ্য আউটপুট প্রোডিউস করে কিনা। Coding এজেন্টের জন্য, evals চেক করে এজেন্ট প্ল্যান করছে, টুল কল করছে, আর পুরো trajectory জুড়ে multi-step টাস্ক ঠিকভাবে শেষ করছে কিনা — শুধু ফাইনাল আনসারটা ঠিক দেখাচ্ছে কিনা তা না।

Confident AI অনুযায়ী, এর দুটো প্রধান রূপ আছে: code-based evals (automated, CI-style assertion) আর LLM-as-a-judge। Coding কাজের জন্য trajectory ম্যাটার করে, কারণ একটা রান অনেক ধাপ জুড়ে যায় — একটা এজেন্ট ভুল কারণে ঠিক ফাইল বানাতে পারে, অথবা passing test-এ পৌঁছাতে একটা বিপজ্জনক পথ নিতে পারে। Evals সেটা ধরে ফেলে। "এটা একবার কাজ করেছে" আর "এটা নির্ভরযোগ্যভাবে কাজ করে"-এর মধ্যে পার্থক্যটা এখানেই।

Evals লেখা আর মেইনটেইন করা একটা L6 Methodologist সিগনাল — তুমি শুধু এজেন্ট ব্যবহার করছো না, তাদের বিহেভিয়ার মেপে সার্টিফাই করছো। দেখো L6 → আর এর সিবলিং, verification harness।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Worktrees

Git worktrees হলো আলাদা ওয়ার্কিং ডিরেক্টরি, যারা একটা রিপোজিটরির history শেয়ার করে, যাতে একাধিক AI এজেন্ট প্রতিটা একটা আইসোলেটেড ব্রাঞ্চ বা চেকআউটে প্যারালালি কাজ করতে পারে — একে অপরের ফাইল ওভাররাইট না করে।

এটাই standard মেকানিজম, একটা কোডবেসে একসাথে একাধিক Claude Code সেশন চালানোর জন্য। Claude Code-এর ডকুমেন্টেশন অনুযায়ী, একটা worktree হলো নিজস্ব ব্রাঞ্চ থাকা একটা আলাদা ওয়ার্কিং ডিরেক্টরি, যা একই রিপোজিটরি history শেয়ার করে, যেটা একাধিক এজেন্টকে আইসোলেটেড চেকআউটে প্যারালালি কাজ করতে দেয়। প্র্যাকটিসে worktrees-কে port আর database আইসোলেশনের সাথে জোড়া দেওয়া হয়, যাতে প্যারালাল এজেন্টরা filesystem-এর বাইরেও একে অপরের সাথে কলিশন না করে।

Worktrees-এ প্যারালাল-এজেন্ট ওয়ার্কফ্লো একটা L5+ বৈশিষ্ট্য — L4 Director ইতিমধ্যে এভাবে একাধিক এজেন্ট চালায়, আর L5 Orchestrator সেটাকে systematize করে। দেখো agent orchestration আর L5 →।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Context engineering

Context engineering হলো, Andrej Karpathy-র জুন ২০২৫-এর ভাষায়, "পরবর্তী ধাপের জন্য ঠিক সঠিক তথ্য দিয়ে context window পূরণ করার একটা সূক্ষ্ম শিল্প আর বিজ্ঞান।" এটা হলো LLM যা দেখে তার সবকিছু ডিজাইন করার discipline: instruction, retrieved doc, tool output, memory আর state।

Karpathy জুন ২০২৫-এ "prompt engineering"-এর চেয়ে এই টার্মটাকে সমর্থন করেন, আর Anthropic সেপ্টেম্বর ২০২৫-এ কনসেপ্টটাকে formalize করে। এই reframe-টা গুরুত্বপূর্ণ: production এজেন্ট সিস্টেমে, যেকোনো একটা প্রম্পটের শব্দচয়ন আউটপুট কোয়ালিটি ঠিক করার সামান্য একটা অংশ মাত্র। Glean যেভাবে বলে, prompt engineering হলো context engineering-এর একটা সাবসেট — পুরো context-এ থাকে কথোপকথনের history, retrieved document, tool output আর এজেন্ট state-ও। আজকের AI ইউজারদের মধ্যে কোয়ালিটি গ্যাপ হলো context, ম্যাজিক শব্দ না।

ইচ্ছাকৃত context engineering একটা L4–L6 সিগনাল — মানুষ যখন CLAUDE.md ফাইল curate করে, retrieval ডিজাইন করে, আর ইচ্ছাকৃতভাবে context window বাজেট করে, তখন তারা এটাই করছে। এটার সাবসেট, prompt engineering-এর সাথে কনট্রাস্ট করো, আর দেখো levels →।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Spec-driven development

Spec-driven development হলো এমন একটা মেথডলজি, যেখানে একটা লিখিত স্পেসিফিকেশন সেই source of truth হয়, যা AI এজেন্টরা কোড জেনারেট, টেস্ট আর ভ্যালিডেট করতে ব্যবহার করে। তুমি প্রথমে স্পেক লেখো, তারপর একটা প্ল্যান, তারপর ছোট টেস্টেবল টাস্ক, তারপর ইমপ্লিমেন্টেশন।

GitHub অনুযায়ী, স্পেসিফিকেশনটা হয়ে ওঠে কোড কেমন আচরণ করবে তার একটা কন্ট্র্যাক্ট — সেই source of truth, যা টুল আর AI এজেন্টরা কোড জেনারেট, টেস্ট আর ভ্যালিডেট করতে ব্যবহার করে। GitHub ২ সেপ্টেম্বর ২০২৫-এ Spec Kit (MIT-licensed) ঘোষণা আর open-source করে, মূল ফ্লো Spec → Plan → Tasks → Implement সহ, যা স্পষ্টভাবে ad-hoc vibe coding-এর একটা repeatable, disciplined অলটারনেটিভ হিসেবে পজিশন করা হয়েছে। এটা plan-before-code, তার লজিক্যাল উপসংহার পর্যন্ত নিয়ে যাওয়া।

Spec-driven ওয়ার্কফ্লো একটা L4–L6 maturity মার্কার। এগুলো plan-before-code-এর ওপর বিল্ড করে আর Director আর Methodologist যেভাবে শিপ করে তার কেন্দ্রে বসে। দেখো levels →।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Autonomous coding agent

একটা autonomous coding agent হলো এমন একটা AI সিস্টেম, যেটা একটা গোল নেয় আর স্বাধীনভাবে প্ল্যান করে, ফাইল এডিট করে, কমান্ড আর টেস্ট রান করে, আর শেষ না হওয়া পর্যন্ত ইটারেট করে — একটা লম্বা multi-step trajectory জুড়ে, একটা প্রম্পটের উত্তর দেওয়ার বদলে।

Claude Code-এর মতো CLI এজেন্টই এর canonical উদাহরণ। গুরুত্বপূর্ণ nuance হলো, autonomy একটা স্পেকট্রাম, সুইচ না: তুমি একটা এজেন্টকে কতদূর unattended চলতে দাও ("YOLO mode") সেটা দুটো জিনিস দিয়ে গেটেড — তোমার verification harness আর তুমি যে permission দাও। শক্তিশালী harness আর টাইট permission মিলে হয় নিরাপদ autonomy। দুর্বল harness আর broad permission মিলে হয় একটা খারাপ বিকেল।

Production না ভেঙে autonomous এজেন্টদের বিশ্বাস করা শিখতে পারাটাই হলো L3 → L5 প্রোগ্রেশন নিজেই: "এজেন্ট রুটিন লেখে" থেকে "এজেন্ট শুরু থেকে শেষ পর্যন্ত multi-ticket সাইকেল চালায়" পর্যন্ত। দেখো levels →।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Prompt engineering

Prompt engineering হলো একটা LLM-কে দেওয়া টেক্সচুয়াল ইনস্ট্রাকশন বানানোর প্র্যাকটিস — শব্দচয়ন, উদাহরণ, role আর আউটপুট ফরম্যাট — যাতে সেটাকে একটা কাঙ্ক্ষিত single-turn রেজাল্টের দিকে ডিরেক্ট করা যায়।

এটা এখনও ম্যাটার করে; স্পষ্ট instruction এখনও এলোমেলো instruction-এর চেয়ে ভালো। কিন্তু ফিল্ডটা এটাকে একটা বৃহত্তর discipline-এর একটা কম্পোনেন্ট হিসেবে reframe করেছে। Production এজেন্ট সিস্টেমে, প্রম্পট হলো মোট context-এর একটা ছোট ভগ্নাংশ, যাতে history, retrieved doc, tool output আর state-ও থাকে — যে কারণে context engineering বেশি উপযোগী ফ্রেম হয়ে উঠেছে।

Prompt engineering একটা L1–L2 স্ট্যাপল, যেটা L4-এর কাছাকাছি context engineering-এ পরিণত হয়। বেশিরভাগ মানুষ এখান থেকেই শুরু করে; সিলিংটা এখানে না।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

AI coding maturity model

একটা AI coding maturity model হলো একটা leveled ফ্রেমওয়ার্ক, যা একজন ডেভেলপার বা টিম কতটা AI-native সেটা গ্রেড করে — autonomy আর verification বিহেভিয়ার দিয়ে, টুলের সংখ্যা দিয়ে না। ProCoders-এর 7-level AI-Native Developer মডেল (L1 Chat-Assisted → L7 Universal AI Creator) একটা উদাহরণ; Steve Yegge-এর agentic ওয়ার্কফ্লোর 8 stages আরেকটা।

Maturity মডেলগুলো একটা দ্রুত বদলানো ফিল্ডকে trust gradient-এর জন্য একটা শেয়ার্ড ভোকাবুলারি দেয় — "AI একটা লাইন autocomplete করে" থেকে "আমি নিজের orchestrator বানিয়েছি" পর্যন্ত ঢালু। Yegge-এর 8 লেভেল একই gradient বর্ণনা করে, প্রায়-শূন্য AI ব্যবহার থেকে শুরু করে নিজের orchestrator বানানো পর্যন্ত, স্টেজ 5–6-এ একটা ক্রিটিক্যাল ব্রেক নিয়ে, যেখানে একটা সিঙ্গেল সিঙ্ক্রোনাস এজেন্ট একাধিক প্যারালাল এজেন্টকে জায়গা করে দেয় (Augment Code-এর সামারি অনুযায়ী)। Leveled ফ্রেমিং-ই টিমগুলোকে শুধু টুল না বলে direction নিয়ে কথা বলতে দেয়।

এই সাইটে canonical উদাহরণটা হলো এই মডেল নিজেই — নাম করা 7-level AI-Native Developer মডেল, প্রতিটা ধাপের জন্য পারসোনা আর কংক্রিট behavioral সিগনাল সহ। এটা ব্যবহারের সবচেয়ে দ্রুত উপায় হলো কুইজ।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

Model routing

Model routing মানে হলো প্রতিটা রিকোয়েস্টের জন্য কোন AI মডেল বা প্রোভাইডার হ্যান্ডল করবে সেটা স্বয়ংক্রিয়ভাবে বেছে নেওয়া, cost, latency, capability আর availability-র ভিত্তিতে — সহজ টাস্ক সস্তা মডেলে পাঠানো আর কঠিন টাস্ক frontier মডেলে পাঠানো, fallback সহ।

এটা একটা cost-and-reliability লিভার, আর তফাতটা যথেষ্ট বড় যে এটা ম্যাটার করে: OpenRouter অনুযায়ী, frontier আর সস্তা মডেলের মধ্যে per-token cost প্রায় 10x–50x পর্যন্ত আলাদা হতে পারে, আর OpenRouter-এর মতো প্ল্যাটফর্ম routing কন্ট্রোল আর প্রাইস ক্যাপ দেয়। এজেন্টদের একটা fleet-কে বুদ্ধিমানের মতো route করলে, যে কাজে সত্যিই দরকার শুধু তার জন্যই দামি frontier মডেল রাখতে পারো, সস্তা মডেলগুলো সহজ ভলিউম শুষে নেয়।

এজেন্ট fleet জুড়ে মডেল রাউট করা — আর তার জন্য পলিসি সেট করা — একটা L5–L6 architect সিগনাল; L5 Orchestrator টিমের এজেন্টদের জন্য model-routing পলিসির মালিক থাকে। দেখো L5 →।

এটা তোমাকে কোন লেভেলে বসায়? কুইজ দাও →

---

এই টার্মগুলো ladder-এর সাথে কীভাবে ম্যাপ হয়

সংজ্ঞা কাহিনির অর্ধেক মাত্র। এই গ্লোসারি প্রতিটা টার্মকে একটা লেভেলের সাথে বাঁধার কারণ হলো, একই শব্দ ভিন্ন maturity-তে ভিন্ন জিনিস বোঝায়। "MCP ব্যবহার করা" একটা প্রাথমিক সিগনাল; "MCP গভর্ন করা" একটা সিনিয়র সিগনাল। "একটা এজেন্ট চালানো" হলো L3; "worktrees-এ একটা fleet অর্কেস্ট্রেট করা" হলো L5। এখানে একটা সংক্ষিপ্ত ম্যাপ:

Level	Persona	Glossary terms that signal it
L1 Chat-Assisted	Old-School Artisan	prompt engineering
L2 AI-Assisted Junior	Delegator	prompt engineering, AI-assisted development
L3 Agentic Developer	Agentic Native	agentic coding, plan-before-code, autonomous coding agent
L4 System Builder	Director	verification harness, spec-driven development, context engineering
L5 Engineering Architect	Orchestrator	agent orchestration, subagents, worktrees, model routing
L6 Methodologist	Methodologist	evals, MCP গভর্নেন্স, পোর্টেবল মেথড
L7 Universal AI Creator	Creator	একা পুরো cycle — উপরের সবকিছু
Off-ladder	Vibe Builder	vibe coding

শেষ সারিটাই সেই পার্থক্য, যা সাধারণ গ্লোসারিগুলো মিস করে। Vibe coding নিচের ধাপ না — এটা সম্পূর্ণ আলাদা একটা ladder। Vibe Builder ট্র্যাডিশনাল কোড ছাড়াই প্রোডাক্ট শিপ করে; L1–L7 ইঞ্জিনিয়ার সেই সিস্টেম ডিরেক্ট করার দিকে এগোয়, যা এটা করে। দুটোই বৈধ; শুধু এরা একই পথ না।

তোমার লেভেল খুঁজে বের করো

সংজ্ঞা পড়লে শব্দগুলোর মানে জানা যায়। কুইজ বলে দেবে তুমি 7-level AI-Native Developer মডেলে ঠিক কোথায় দাঁড়িয়ে আছো — তোমার আসল autonomy আর verification অভ্যাসের ভিত্তিতে, প্রায় তিন মিনিটে।

কুইজ দাও → /quiz