Jawapan Arab daripada model itu betul, tetapi pada skrin harganya berada di sisi yang salah dan nama model terpotong dua. Itu masalah bidi, bukan masalah model.
Cara ia berfungsi
Teks disimpan dalam susunan logik, iaitu susunan ia dibaca dan ditaip. UAX #9, Unicode Bidirectional Algorithm, memberikan jenis arah kepada setiap aksara dan menentukan susunan paparan bagi baris itu. Aksara tidak pernah berpindah dalam memori; hanya paparannya yang berubah.
Huruf ialah aksara kuat: bahasa Arab dari kanan ke kiri, huruf Latin dari kiri ke kanan. Digit dan tanda baca lemah atau neutral, dan mengambil kedudukan daripada teks di sekelilingnya. Digit Eropah berjenis EN dan digit Arab-India berjenis AN, dan UAX #9 menukar EN kepada AN selepas huruf Arab.
Rentetan bercampur yang biasa daripada pembantu berbahasa Arab:
جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة
Apabila dipaparkan dalam konteks kiri ke kanan, bahagian Arab dibaca dari kanan ke kiri tetapi perenggan bermula di kiri, jadi ayat kelihatan dalam susunan yang salah, dan garis condong, titik serta nombor 20 boleh melekat pada bahagian yang salah. Penyelesaiannya ialah menetapkan arah asas, bukan menyusun semula aksara.
Apabila markup tidak tersedia, Unicode mempunyai aksara kawalan yang tidak kelihatan:
| Code point | Nama | Kegunaan |
|---|---|---|
| U+200F | RLM, right-to-left mark | Menolak aksara neutral ke arah RTL |
| U+061C | ALM, Arabic letter mark | Sama, untuk konteks Arab |
| U+2067 | RLI, right-to-left isolate | Memulakan rentang RTL |
| U+2066 | LRI, left-to-right isolate | Memulakan rentang LTR, seperti ID model |
| U+2068 | FSI, first strong isolate | Mengambil arah daripada kandungan |
| U+2069 | PDI, pop directional isolate | Menamatkan mana-mana isolate |
UAX #9 menggalakkan isolate berbanding embedding yang lebih lama (U+202A hingga U+202C) dalam dokumen baharu, kerana embedding terlalu mempengaruhi teks di sekelilingnya, dan menyatakan override (U+202D, U+202E) patut dielakkan sebaik mungkin atas sebab keselamatan.
Mengapa ia penting
Dalam HTML, W3C menasihatkan meletakkan dir="rtl" pada elemen html apabila halaman itu RTL, dan tidak menggunakan CSS untuk menetapkan arah asas. Bagi teks yang arahnya tidak diketahui, seperti balasan model atau nama pengguna, gunakan dir="auto" atau elemen bdi. W3C menyatakan auto membuat keputusan berdasarkan aksara kuat pertama, jadi perenggan yang kebanyakannya bahasa Inggeris tetapi bermula dengan perkataan Arab masih boleh dipaparkan dengan salah.
Bagi pengguna API, masalah yang biasa ialah:
- UI chat. Balasan yang distrim bermula dalam bahasa Inggeris dan bertukar kepada bahasa Arab. Tetapkan
dir="auto"pada setiap mesej, bukan sekali sahaja pada halaman. - JSON dan log. Output model boleh mengandungi tanda yang tidak kelihatan. Nilai seperti
"gulf"tidak akan sama dengan"gulf". Buang kawalan bidi sebelum membandingkan medan output berstruktur. - Rentetan UI yang diterjemah. Pemegang tempat dan nama produk di dalam teks Arab memerlukan isolate; lihat menterjemah rentetan aplikasi ke bahasa Arab.
Di BroadNet Inference
Endpoint chat BroadNet memulangkan bahasa Arab sebagai teks biasa dalam respons JSON, sama seperti mana-mana API serasi OpenAI, dan BroadNet tidak mempunyai ciri paparan atau bidi. Arah teks ialah tugas front end anda. Jika anda juga menormalkan teks untuk carian, buang kawalan bidi dalam laluan yang sama dengan penormalan Unicode, kerana NFC dan NFKC mengekalkannya.
Kesilapan biasa
- Menterbalikkan rentetan Arab dalam kod untuk “membetulkan” paparan.
- Menetapkan arah dengan CSS sahaja.
- Membiarkan U+200F atau U+2067 di dalam ID, kunci atau nilai enum.