BroadRouter

Prompt engineering bahasa Arab: register, RTL, angka, teks campuran

Oleh tim BroadNet Inference · 5 menit baca · Dipublikasikan · Diperbarui

Output bahasa Arab yang baik berasal dari instruksi yang eksplisit: sebutkan register (MSA atau dialek tertentu), audiens, gaya angka (Barat 0–9 atau Arab Timur ٠–٩), format yang diizinkan, dan cara memperlakukan istilah bahasa Inggris. Tampilkan balasan dengan dir="auto" atau tanda isolasi agar campuran bahasa Arab dan Inggris tampil dalam urutan yang benar.

Untuk mendapatkan bahasa Arab yang baik dari LLM, sebutkan setiap pilihan yang jika tidak akan ditebak oleh model: bahasa Arab Standar Modern atau dialek tertentu, audiens dan nada, digit Barat (123) atau Arab Timur (١٢٣), format tanggal dan mata uang, cara menulis istilah bahasa Inggris, dan apakah perlu menambahkan harakat. Lalu perbaiki tampilan kanan-ke-kiri di UI Anda, bukan di prompt.

Bagaimana menentukan register dan dialek?

Bahasa Arab punya standar tulis formal, bahasa Arab Standar Modern (MSA, الفصحى), dan banyak dialek lisan. Teks bisnis biasanya memakai MSA; produk chat, pemasaran, dan suara kadang memakai dialek. Beri tahu model secara persis yang mana:

Alih-alih Katakan
Balas dalam bahasa Arab. Balas dalam bahasa Arab Standar Modern yang jelas dan sederhana, cocok untuk pelanggan ritel.
Pakai dialek Teluk. Tulis dalam bahasa Arab Teluk ala Saudi (condong ke Najdi), informal tetapi sopan, seperti gaya merek anak muda.
Bersikaplah ramah. Hangat dan sopan. Pakai “حضرتك” untuk pelanggan Mesir; hindari slang.

Beberapa aturan praktis:

  • “MSA sederhana” adalah default paling aman. Dipahami di mana saja dan terdengar profesional. Model menulisnya lebih andal daripada dialek.
  • Sebutkan negaranya, bukan “Teluk” atau “Levant”. Ucapan Saudi, Emirat, dan Kuwait berbeda; begitu pula Lebanon dan Yordania.
  • Bentuk sapaan. Bahasa Arab menandai gender pada kata “kamu”. Pilih default (maskulin tunggal adalah bentuk netral yang umum di teks UI) atau minta model memakai frasa netral gender jika memungkinkan, misalnya dengan bentuk nomina “يرجى إدخال” (mohon masukkan) alih-alih bentuk perintah “أدخل/أدخلي”.
  • Harakat. Katakan “tanpa harakat” untuk teks biasa. Sebagian besar model hanya menambahkan sedikit secara default, tetapi ada yang menambahkannya pada nama atau balasan bergaya puisi.

Untuk input berdialek, lihat cara LLM menangani bahasa Arab Teluk, Mesir, dan Levant.

Bagaimana mengendalikan angka, tanggal, dan mata uang?

Teks bahasa Arab memakai dua set digit: digit Barat (0–9) dan digit Arab Timur (٠١٢٣٤٥٦٧٨٩). Set mana yang diharapkan pembaca berbeda per negara dan per media, dan model akan mencampurnya jika tidak diberi tahu. Putuskan per produk, berdasarkan apa yang sudah dipakai materi Anda di pasar tersebut:

  • Digit Barat paling mudah untuk parsing, pencarian, dan entri data.
  • Digit Arab Timur cocok untuk tampilan yang lebih tradisional. Jika Anda membutuhkannya, konversi saat ditampilkan dan simpan digit Barat di data Anda.

Sebutkan juga:

  • Tanggal: Masehi, Hijriah, atau keduanya, dan formatnya (misalnya 2026-11-14 atau ١٤ نوفمبر ٢٠٢٦). Perhatikan bahwa nama bulan berbeda per wilayah: نوفمبر di Mesir dan Teluk, تشرين الثاني di Levant dan Irak.
  • Mata uang: simbol atau kode, dan posisinya. “ر.س” atau “SAR”? Sebelum atau sesudah angka? Berikan satu contoh.
  • Pemisah desimal: ”.” atau tanda desimal Arab ”٫”.

Satu contoh lengkap di prompt sudah membereskan sebagian besar hal ini: “Tulis harga seperti: 1,250.00 ر.س”.

Bagaimana memperbaiki masalah tampilan kanan-ke-kiri?

Sebagian besar laporan bug “bahasa Arabnya rusak” adalah masalah tampilan, bukan masalah model. Ketika teks Arab dan teks Latin atau angka berada di baris yang sama, algoritma dua arah Unicode menentukan urutan visualnya berdasarkan arah paragraf. Jika bubble chat Anda berarah kiri-ke-kanan, balasan seperti “تم شحن طلبك رقم 4821.” bisa menampilkan titik di ujung yang salah.

Perbaiki di UI:

  • Set dir="auto" (atau dir="rtl" untuk tampilan khusus bahasa Arab) pada elemen yang menampilkan setiap pesan. Lihat MDN tentang atribut dir dan panduan W3C tentang markup kanan-ke-kiri.
  • Saat menyisipkan nilai (nama, nomor pesanan, nama produk berbahasa Inggris) ke template bahasa Arab, bungkus dengan <bdi> di HTML, atau dengan isolate Unicode (U+2068 FIRST STRONG ISOLATE … U+2069 POP DIRECTIONAL ISOLATE) di teks biasa.
  • Di prompt, minta format yang bisa ditampilkan oleh permukaan Anda. WhatsApp dan SMS: teks biasa, tanpa tabel Markdown. Chat web: Markdown boleh jika renderer Anda menangani daftar RTL. Blok kode harus tetap kiri-ke-kanan.

Jika Anda melakukan streaming balasan, set arah pada container sebelum token pertama datang, agar teks tidak melompat; lihat panduan streaming.

Bagaimana model sebaiknya mencampur bahasa Arab dan Inggris?

Teks bisnis berbahasa Arab yang nyata mencampur bahasa: nama produk, istilah teknis, satuan, kode. Putuskan aturannya dan sebutkan:

  • “Pertahankan nama merek dan produk dalam ejaan Latin aslinya.”
  • “Tulis istilah teknis dalam bahasa Arab dengan istilah bahasa Inggrisnya dalam kurung saat pertama kali muncul: واجهة برمجة التطبيقات (API).”
  • “Jangan pernah mentransliterasikan kata bahasa Inggris ke huruf Arab”, atau sebaliknya, jika audiens Anda lebih suka “الإيميل” daripada “البريد الإلكتروني”.
  • “Jika pengguna menulis dalam bahasa Inggris, balas dalam bahasa Inggris. Jika mereka menulis dalam Arabizi, balas dengan aksara Arab.” Selengkapnya di menangani Arabizi.

Sebaiknya system prompt dalam bahasa Inggris atau Arab?

Keduanya berhasil. Instruksi bahasa Inggris dengan konten bahasa Arab umum dipakai dan mudah dipelihara jika tidak semua anggota tim Anda membaca bahasa Arab. Instruksi bahasa Arab bisa mendorong nada dan kosakata ke arah yang tepat. Mana pun pilihan Anda, pakai satu bahasa per system prompt, dan dalam kedua kasus sertakan contoh output yang diinginkan dalam bahasa Arab di dalamnya. Instruksi bahasa Arab bisa memakan lebih banyak token daripada aturan yang sama dalam bahasa Inggris; bandingkan keduanya di penghitung token bahasa Arab yang gratis. Data efisiensi tokenizer kami menunjukkan berapa token yang dibutuhkan kalimat Arab dan Inggris yang sama di 16 tokenizer.

Contoh lengkap:

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)

Pelanggan menulis dalam bahasa Arab Mesir (“Saya ingin tahu harga iPhone 17, dan apakah ada cicilan?”) dengan digit Arab Timur. Prompt membuat balasannya dalam MSA dengan digit Barat. Contoh balasan di prompt berbunyi: “Terima kasih telah menghubungi kami. Galaxy S26 saat ini berharga 12,499 EGP, dan pengiriman tersedia dalam dua hari.”

Bagaimana mendapatkan output terstruktur dalam bahasa Arab?

Jika Anda membutuhkan JSON, pertahankan key dalam bahasa Inggris dan value dalam bahasa Arab. Sebutkan apakah angka harus berupa number atau string, dan set digit mana yang dipakai di dalam string. Minta null alih-alih tebakan. Lihat output terstruktur dengan JSON schema.

Bagaimana menguji prompt bahasa Arab?

Susun set berisi 30 sampai 50 prompt nyata per pasar, jalankan di setiap model kandidat, dan minta penutur asli dari pasar tersebut menilai register, ketepatan, dan kealamiannya. BroadNet melaporkan bahwa Qwen3.8 27B menulis bahasa Arab dengan fasih dan memahami dialek Teluk dan Mesir dalam pengujiannya; DeepSeek V4.1 Flash dan GLM 5.3 ada di API yang sama, jadi berganti model cukup dengan mengubah satu baris. Bandingkan harganya di halaman harga atau di perbandingan DeepSeek V4.1 Flash vs Qwen3.8 27B, dan ukur token pada teks bahasa Arab yang nyata, karena bahasa Arab sering memakan lebih banyak token per kata daripada bahasa Inggris. Untuk checklist pemilihan model yang lebih luas, lihat memilih API LLM untuk bahasa Arab.

Checklist prompt bahasa Arab

  • Register dan negara sudah disebutkan.
  • Bentuk sapaan (gender) sudah diputuskan.
  • Digit, tanggal, mata uang, dan pemisah desimal sudah ditentukan dengan contoh.
  • Format sudah disesuaikan dengan permukaan tampilan.
  • Aturan istilah bahasa Inggris dan nama merek sudah dinyatakan.
  • dir="auto" dan isolasi di UI.
  • Tinjauan penutur asli pada test set yang tetap.

Pertanyaan umum

Sebaiknya system prompt ditulis dalam bahasa Arab atau Inggris?

Keduanya berhasil pada model saat ini. Instruksi bahasa Inggris lebih mudah dipelihara oleh sebagian besar tim; instruksi bahasa Arab kadang menghasilkan nada yang lebih alami. Pakai satu bahasa per system prompt dan bandingkan keduanya pada test set Anda sendiri.

Mengapa tanda baca di teks bahasa Arab saya muncul di tempat yang salah?

Itu masalah tampilan, biasanya karena container berarah kiri-ke-kanan. Set dir="rtl" atau dir="auto" pada elemen yang menampilkan balasan.

Bagaimana mencegah model menambahkan harakat?

Tulis "Jangan tambahkan harakat (tasykil)" di prompt. Minta harakat hanya jika membantu, seperti di materi belajar atau nama yang ambigu.

Bagaimana membuat LLM memakai angka Arab Timur?

Sebutkan di system prompt dan tunjukkan satu contoh, seperti "Tulis harga seperti: ١٬٢٥٠ ر.س". Model mencampur set digit jika aturannya tidak ada. Jika Anda mem-parse output, minta digit Barat di field JSON lalu konversi saat ditampilkan.

Model mana yang menulis bahasa Arab paling baik?

Uji dengan prompt Anda sendiri. BroadNet melaporkan Qwen3.8 27B menulis bahasa Arab dengan fasih dalam pengujiannya, dan juga memahami dialek Teluk dan Mesir.

Baca sebagai MarkdownTanya ChatGPTTanya ClaudeTanya Perplexity