BroadRouter

Arabic prompt engineering: register, RTL, numeral at halo-halong text

Ng BroadNet Inference team · 5 minutong basa · Nailathala · Na-update

Galing ang mahusay na Arabic output sa tahasang instruction: pangalanan ang register (MSA o isang tiyak na dialect), ang audience, ang istilo ng numeral (Western 0–9 o Eastern Arabic ٠–٩), ang pinapayagang formatting, at kung paano tratuhin ang mga English na termino. I-render ang mga sagot gamit ang dir="auto" o isolation mark para tama ang pagkakasunod ng halo-halong Arabic at English.

Para makakuha ng mahusay na Arabic mula sa LLM, sabihin ang bawat pagpipiliang huhulaan sana ng model: Modern Standard Arabic o isang nakapangalang dialect, ang audience at tono, Western (123) o Eastern Arabic (١٢٣) na digit, ang format ng petsa at currency, kung paano isusulat ang mga English na termino, at kung magdadagdag ng diacritics. Saka ayusin ang right-to-left na display sa UI mo, hindi sa prompt.

Paano itakda ang register at dialect?

May pormal na nakasulat na standard ang Arabic, ang Modern Standard Arabic (MSA, الفصحى), at maraming sinasalitang dialect. Kadalasang MSA ang business text; minsan dialect ang gamit ng chat, marketing at voice na produkto. Sabihin sa model kung alin mismo:

Sa halip na Sabihin
Reply in Arabic. Sumagot sa malinaw at simpleng Modern Standard Arabic na angkop sa mga retail customer.
Use Gulf dialect. Sumulat sa Saudi (malapit sa Najdi) na Gulf Arabic, impormal pero magalang, gaya ng isang batang brand.
Be friendly. Magiliw at magalang. Gamitin ang “حضرتك” para sa mga Egyptian na customer; iwasan ang slang.

Ilang praktikal na patakaran:

  • “Simple MSA” ang pinakaligtas na default. Naiintindihan ito kahit saan at propesyonal pakinggan. Mas maaasahang isulat ito ng mga model kaysa sa dialect.
  • Pangalanan ang bansa, hindi “Gulf” o “Levant”. Magkakaiba ang pananalita sa Saudi, Emirates at Kuwait; ganoon din sa Lebanon at Jordan.
  • Paraan ng pagtawag. Minamarkahan ng Arabic ang gender sa “ikaw”. Pumili ng default (ang masculine singular ang karaniwang neutral na anyo sa UI text) o hilingin sa model na gumamit ng gender-neutral na pananalita kung puwede, halimbawa ang noun form na “يرجى إدخال” (pakilagay) sa halip na ang imperative na “أدخل/أدخلي”.
  • Diacritics. Sabihin ang “no diacritics” para sa normal na text. Kakaunti ang idinadagdag ng karamihan ng model bilang default, pero may mga nagdadagdag nito sa mga pangalan o sa mga sagot na parang tula.

Para sa dialect na input, tingnan ang paano hinahawakan ng mga LLM ang Gulf, Egyptian at Levantine Arabic.

Paano kontrolin ang numeral, petsa at currency?

Dalawang digit set ang gamit ng Arabic text: Western digits (0–9) at Eastern Arabic digits (٠١٢٣٤٥٦٧٨٩). Nag-iiba ayon sa bansa at medium kung aling set ang inaasahan ng mga mambabasa, at pinaghahalo ito ng mga model kung hindi sasabihan. Magpasya kada produkto, batay sa ginagamit na ng mga kasalukuyang materyales mo sa market na iyon:

  • Western digits ang pinakamadali para sa parsing, search at data entry.
  • Eastern Arabic digits ang tugma sa mas tradisyonal na itsura. Kung kailangan mo ang mga ito, i-convert sa oras ng display at panatilihin ang Western digits sa data mo.

Itakda rin ang:

  • Petsa: Gregorian, Hijri o pareho, at ang format (halimbawa 2026-11-14 o ١٤ نوفمبر ٢٠٢٦). Tandaan na nag-iiba ang pangalan ng buwan ayon sa rehiyon: نوفمبر sa Egypt at Gulf, تشرين الثاني sa Levant at Iraq.
  • Currency: simbolo o code, at posisyon. “ر.س” o “SAR”? Bago o pagkatapos ng numero? Magbigay ng isang halimbawa.
  • Decimal separator: ”.” o ang Arabic decimal sign na ”٫”.

Inaayos ng iisang halimbawa sa prompt ang karamihan nito: “Write prices like: 1,250.00 ر.س”.

Paano ayusin ang mga problema sa right-to-left na display?

Karamihan ng bug report na “sira ang Arabic” ay problema sa display, hindi sa model. Kapag magkasama sa iisang linya ang Arabic at Latin na text o mga numero, ang Unicode bidirectional algorithm ang nagpapasya ng visual na pagkakasunod batay sa direksyon ng paragraph. Kung left-to-right ang chat bubble mo, puwedeng mapunta sa maling dulo ang tuldok sa sagot na gaya ng “تم شحن طلبك رقم 4821.”.

Ayusin ito sa UI:

  • Itakda ang dir="auto" (o dir="rtl" para sa mga Arabic-only na view) sa element na nagpapakita ng bawat mensahe. Tingnan ang MDN tungkol sa dir attribute at ang gabay ng W3C sa right-to-left markup.
  • Kapag naglalagay ka ng mga value (pangalan, order number, English na pangalan ng produkto) sa mga Arabic na template, balutin sila sa <bdi> sa HTML, o sa Unicode isolate (U+2068 FIRST STRONG ISOLATE … U+2069 POP DIRECTIONAL ISOLATE) sa plain text.
  • Sa prompt, humingi ng formatting na kayang ipakita ng surface mo. WhatsApp at SMS: plain text, walang Markdown table. Web chat: ayos ang Markdown kung kaya ng renderer mo ang RTL na listahan. Dapat manatiling left-to-right ang mga code block.

Kung nag-i-stream ka ng mga sagot, itakda ang direksyon sa container bago dumating ang unang token, para hindi tumalon ang text; tingnan ang streaming guide.

Paano dapat paghaluin ng model ang Arabic at English?

Naghahalo ng mga wika ang totoong Arabic na business text: pangalan ng produkto, teknikal na termino, unit, code. Pagpasyahan ang patakaran at sabihin ito:

  • “Keep brand and product names in their original Latin spelling.” (salin: Panatilihin ang orihinal na Latin na spelling ng mga pangalan ng brand at produkto.)
  • “Write technical terms in Arabic with the English term in parentheses the first time: واجهة برمجة التطبيقات (API).” (salin: Isulat ang mga teknikal na termino sa Arabic, kasama ang English na termino sa panaklong sa unang beses.)
  • “Never transliterate English words into Arabic letters” (salin: Huwag kailanman i-transliterate ang mga English na salita sa Arabic na letra) o ang kabaligtaran, kung mas gusto ng audience mo ang “الإيميل” kaysa sa “البريد الإلكتروني”.
  • “If the user writes in English, reply in English. If they write in Arabizi, reply in Arabic script.” (salin: Kung English ang isinulat ng user, sumagot sa English. Kung Arabizi, sumagot sa Arabic script.) Higit pa tungkol diyan sa paghawak ng Arabizi.

Dapat bang English o Arabic ang system prompt?

Gumagana ang dalawa. Karaniwan at madaling i-maintain ang English na instruction na may Arabic na content kung hindi lahat sa team mo ay nakakabasa ng Arabic. Kayang itulak ng Arabic na instruction ang tono at bokabularyo sa tamang direksyon. Alinman ang piliin mo, isang wika lang kada system prompt, at maglagay sa loob nito ng Arabic na halimbawa ng gustong output sa alinmang kaso. Puwedeng mas maraming token ang Arabic na instruction kaysa sa parehong patakaran sa English; ikumpara ang dalawa sa libreng Arabic token counter. Ipinapakita ng aming tokenizer efficiency data kung ilang token ang kinukuha ng parehong Arabic at English na pangungusap sa 16 na tokenizer.

Isang kumpletong halimbawa:

import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

SYSTEM = """You are the support assistant for an Egyptian electronics store.
Language: reply in simple Modern Standard Arabic. If the customer writes in English, reply in English.
Tone: warm, polite, concise. At most 3 sentences.
Numbers: Western digits. Prices like: 12,499 ج.م
Dates: Gregorian, like: 14 نوفمبر 2026
Names: keep brand and model names in Latin letters (iPhone 17, Galaxy S26).
Formatting: plain text only, no Markdown, no diacritics.
Example reply:
شكراً لتواصلك معنا. سعر Galaxy S26 حالياً 12,499 ج.م، والتوصيل متاح خلال يومين."""

r = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=2000,  # reasoning comes first
    messages=[{"role": "system", "content": SYSTEM},
              {"role": "user", "content": "عايز أعرف سعر الايفون ١٧ وهل في تقسيط؟"}],
)
print(r.choices[0].message.content)

Nagsusulat ang customer sa Egyptian Arabic (“Gusto kong malaman ang presyo ng iPhone 17, at may installment ba?”) gamit ang Eastern digits. Ginagawang MSA na may Western digits ng prompt ang sagot. Ito ang sinasabi ng halimbawang sagot sa prompt: “Salamat sa pakikipag-ugnayan sa amin. 12,499 EGP ang kasalukuyang presyo ng Galaxy S26, at available ang delivery sa loob ng dalawang araw.”

Paano makakuha ng structured output sa Arabic?

Kapag kailangan mo ng JSON, panatilihing English ang mga key at Arabic ang mga value. Sabihin kung numero o string ang mga numero, at aling digit set ang gagamitin sa loob ng mga string. Humingi ng null sa halip na hula. Tingnan ang structured output gamit ang JSON schema.

Paano i-test ang mga Arabic na prompt?

Bumuo ng set ng 30 hanggang 50 totoong prompt kada market, patakbuhin sa bawat kandidatong model, at ipa-grade sa isang native speaker ng market na iyon ang register, katumpakan at pagiging natural. Iniuulat ng BroadNet na matatas sumulat ng Arabic ang Qwen3.8 27B at naintindihan nito ang Gulf at Egyptian na dialect sa mga test nito; nasa parehong API ang DeepSeek V4.1 Flash at GLM 5.3, kaya isang linya lang ang pagpapalit. Ikumpara ang presyo nila sa pricing page o sa paghahambing ng DeepSeek V4.1 Flash vs Qwen3.8 27B, at sukatin ang token sa totoong Arabic text, dahil madalas mas maraming token kada salita ang Arabic kaysa sa English. Para sa mas malawak na checklist sa pagpili ng model, tingnan ang pagpili ng LLM API para sa Arabic.

Checklist sa Arabic na prompt

  • Nakapangalan ang register at bansa.
  • Napagpasyahan ang paraan ng pagtawag (gender).
  • Nakatakda ang digit, petsa, currency at decimal separator, na may halimbawa.
  • Tugma ang formatting sa display surface.
  • Nakasaad ang patakaran sa mga English na termino at brand name.
  • dir="auto" at isolation sa UI.
  • Review ng native speaker sa fixed na test set.

Mga tanong

Dapat bang Arabic o English ang system prompt ko?

Gumagana ang dalawa sa mga kasalukuyang model. Mas madaling i-maintain ng karamihan ng team ang English na instruction; minsan mas natural na tono ang naibibigay ng Arabic na instruction. Panatilihing iisang wika ang bawat system prompt at ikumpara ang dalawa sa sarili mong test set.

Bakit nasa maling lugar ang bantas sa Arabic text ko?

Problema iyan sa display, kadalasang container na left-to-right ang direksyon. Itakda ang dir="rtl" o dir="auto" sa element na nagpapakita ng sagot.

Paano ko pipigilan ang model sa pagdagdag ng diacritics?

Sabihin sa prompt ang "Do not add diacritics (tashkeel)". Hingin lang ang mga ito kung saan nakakatulong, gaya ng learning material o malabong pangalan.

Paano ko mapapagamit sa LLM ang Eastern Arabic numerals?

Sabihin ito sa system prompt at magpakita ng isang halimbawa, gaya ng "Write prices like: ١٬٢٥٠ ر.س". Pinaghahalo ng mga model ang mga digit set kapag walang patakaran. Kung pina-parse mo ang output, humingi ng Western digits sa mga JSON field at i-convert na lang para sa display.

Aling model ang pinakamahusay sumulat ng Arabic?

I-test sa sarili mong mga prompt. Iniuulat ng BroadNet na matatas sumulat ng Arabic ang Qwen3.8 27B sa mga test nito, at naiintindihan nito ang Gulf at Egyptian na dialect.

Basahin bilang MarkdownTanungin ang ChatGPTTanungin ang ClaudeTanungin ang Perplexity