BroadRouter

Engenharia de prompt em árabe: registro, RTL, números e texto misto

Pela equipe da BroadNet Inference · 5 min de leitura · Publicado em · Atualizado em

Um bom output em árabe vem de instruções explícitas: diga o registro (MSA ou um dialeto específico), o público, o estilo dos números (ocidentais 0–9 ou arábico-orientais ٠–٩), a formatação permitida e como tratar termos em inglês. Exiba as respostas com dir="auto" ou marcas de isolamento para que texto misto em árabe e inglês apareça na ordem certa.

Para tirar um bom árabe de um LLM, deixe explícita toda escolha que o modelo teria de adivinhar: árabe padrão moderno ou um dialeto nomeado, público e tom, dígitos ocidentais (123) ou arábico-orientais (١٢٣), formato de data e moeda, como escrever termos em inglês e se deve adicionar diacríticos. Depois resolva a exibição da direita para a esquerda na sua interface, não no prompt.

Como especificar registro e dialeto?

O árabe tem um padrão escrito formal, o árabe padrão moderno (MSA, الفصحى), e muitos dialetos falados. Textos empresariais costumam ser em MSA; chat, marketing e produtos de voz às vezes usam dialeto. Diga ao modelo exatamente qual:

Em vez de Diga
Responda em árabe. Responda em árabe padrão moderno claro e simples, adequado para clientes de varejo.
Use dialeto do Golfo. Escreva em árabe do Golfo saudita (puxado para o najdi), informal mas respeitoso, como faria uma marca jovem.
Seja simpático. Caloroso e educado. Use “حضرتك” com clientes egípcios; evite gírias.

Algumas regras práticas:

  • “MSA simples” é o padrão mais seguro. É entendido em todo lugar e soa profissional. Os modelos o escrevem com mais confiabilidade do que dialeto.
  • Diga o país, não “Golfo” ou “Levante”. A fala saudita, emiradense e kuwaitiana é diferente; o mesmo vale para libanês e jordaniano.
  • Forma de tratamento. Em árabe, o “você” tem gênero. Escolha um padrão (o masculino singular é a forma neutra comum em textos de interface) ou peça ao modelo que use formulações neutras quando possível, por exemplo com a forma nominal “يرجى إدخال” (favor inserir) em vez do imperativo “أدخل/أدخلي”.
  • Diacríticos. Diga “sem diacríticos” para texto normal. A maioria dos modelos adiciona poucos por padrão, mas alguns os colocam em nomes ou em respostas com estilo de poesia.

Para entrada em dialeto, veja como os LLMs lidam com árabe do Golfo, egípcio e levantino.

Como controlar números, datas e moeda?

O texto em árabe usa dois conjuntos de dígitos: os ocidentais (0–9) e os arábico-orientais (٠١٢٣٤٥٦٧٨٩). Qual deles os leitores esperam muda conforme o país e o meio, e os modelos misturam os dois se ninguém disser nada. Decida por produto, com base no que os seus materiais naquele mercado já usam:

  • Dígitos ocidentais são os mais fáceis para parsing, busca e entrada de dados.
  • Dígitos arábico-orientais dão uma aparência mais tradicional. Se você precisar deles, converta na hora de exibir e mantenha dígitos ocidentais nos dados.

Especifique também:

  • Datas: gregoriana, hégira ou as duas, e o formato (por exemplo 2026-11-14 ou ١٤ نوفمبر ٢٠٢٦). Note que os nomes dos meses mudam por região: نوفمبر no Egito e no Golfo, تشرين الثاني no Levante e no Iraque.
  • Moeda: símbolo ou código, e posição. “ر.س” ou “SAR”? Antes ou depois do número? Dê um exemplo.
  • Separador decimal: ”.” ou o separador decimal árabe ”٫”.

Um único exemplo pronto no prompt resolve quase tudo isso: “Escreva preços assim: 1,250.00 ر.س”.

Como corrigir problemas de exibição da direita para a esquerda?

A maioria dos relatos de “o árabe está quebrado” são problemas de exibição, não do modelo. Quando texto árabe e latino ou números dividem uma linha, o algoritmo bidirecional do Unicode decide a ordem visual com base na direção do parágrafo. Se o seu balão de chat é da esquerda para a direita, uma resposta como “تم شحن طلبك رقم 4821.” pode mostrar o ponto final na ponta errada.

Corrija na interface:

  • Defina dir="auto" (ou dir="rtl" em telas só em árabe) no elemento que exibe cada mensagem. Veja a MDN sobre o atributo dir e a orientação do W3C sobre marcação da direita para a esquerda.
  • Ao inserir valores (nomes, números de pedido, nomes de produtos em inglês) em templates em árabe, envolva-os em <bdi> no HTML, ou em isolates Unicode (U+2068 FIRST STRONG ISOLATE … U+2069 POP DIRECTIONAL ISOLATE) em texto puro.
  • No prompt, peça a formatação que a sua interface consegue mostrar. WhatsApp e SMS: texto puro, sem tabelas Markdown. Chat web: Markdown funciona se o seu renderizador lidar com listas RTL. Blocos de código devem continuar da esquerda para a direita.

Se você faz streaming das respostas, defina a direção no contêiner antes de chegar o primeiro token, para o texto não pular; veja o guia de streaming.

Como o modelo deve misturar árabe e inglês?

O texto empresarial real em árabe mistura idiomas: nomes de produtos, termos técnicos, unidades, código. Decida a regra e diga qual é:

  • “Mantenha nomes de marcas e produtos na grafia latina original.”
  • “Escreva termos técnicos em árabe com o termo em inglês entre parênteses na primeira vez: واجهة برمجة التطبيقات (API).”
  • “Nunca translitere palavras em inglês para letras árabes”, ou o contrário, se o seu público prefere “الإيميل” a “البريد الإلكتروني”.
  • “Se o usuário escrever em inglês, responda em inglês. Se escrever em arabizi, responda em alfabeto árabe.” Mais sobre isso em como lidar com arabizi.

O system prompt deve ser em inglês ou em árabe?

Os dois funcionam. Instruções em inglês com conteúdo em árabe são comuns e fáceis de manter se nem toda a equipe lê árabe. Instruções em árabe podem puxar o tom e o vocabulário para a direção certa. Seja qual for a escolha, use um único idioma por system prompt e coloque dentro dele, de qualquer forma, um exemplo em árabe do output desejado. Instruções em árabe podem custar mais tokens do que as mesmas regras em inglês; compare as duas no contador de tokens para árabe gratuito. Nossos dados de eficiência de tokenizers mostram quantos tokens as mesmas frases em árabe e em inglês ocupam em 16 tokenizers.

Um exemplo completo:

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)

O cliente escreve em árabe egípcio (“Quero saber o preço do iPhone 17, e tem parcelamento?”) usando dígitos arábico-orientais. O prompt faz a resposta sair em MSA com dígitos ocidentais. A resposta de exemplo no prompt diz: “Obrigado por entrar em contato. O Galaxy S26 custa atualmente 12,499 EGP, e a entrega está disponível em até dois dias.”

Como obter saída estruturada em árabe?

Quando você precisar de JSON, mantenha as chaves em inglês e os valores em árabe. Diga se os números devem ser números ou strings, e qual conjunto de dígitos usar dentro das strings. Peça null em vez de chutes. Veja saída estruturada com JSON schema.

Como testar prompts em árabe?

Monte um conjunto de 30 a 50 prompts reais por mercado, rode em cada modelo candidato e peça a um falante nativo daquele mercado que avalie registro, correção e naturalidade. A BroadNet relata que o Qwen3.8 27B escreveu árabe fluente e entendeu os dialetos do Golfo e egípcio nos testes dela; DeepSeek V4.1 Flash e GLM 5.3 estão na mesma API, então trocar é mudar uma linha. Compare os preços na página de preços ou na comparação DeepSeek V4.1 Flash vs Qwen3.8 27B, e meça os tokens em texto árabe real, já que o árabe costuma ocupar mais tokens por palavra que o inglês. Para o checklist mais amplo de escolha de modelo, veja como escolher uma API de LLM para árabe.

Checklist de prompt em árabe

  • Registro e país definidos.
  • Forma de tratamento (gênero) decidida.
  • Dígitos, datas, moeda e separador decimal especificados com um exemplo.
  • Formatação adequada à superfície de exibição.
  • Regra para termos em inglês e nomes de marcas declarada.
  • dir="auto" e isolamento na interface.
  • Revisão por falante nativo em um conjunto de teste fixo.

Perguntas frequentes

Devo escrever o system prompt em árabe ou em inglês?

Os dois funcionam nos modelos atuais. Instruções em inglês são mais fáceis de manter para a maioria das equipes; instruções em árabe às vezes dão um tom mais natural. Mantenha cada system prompt em um único idioma e compare os dois no seu próprio conjunto de teste.

Por que meu texto em árabe mostra a pontuação no lugar errado?

É um problema de exibição, normalmente um contêiner com direção da esquerda para a direita. Defina dir="rtl" ou dir="auto" no elemento que mostra a resposta.

Como impedir o modelo de adicionar diacríticos?

Escreva no prompt "Não adicione diacríticos (tashkeel)". Peça diacríticos só onde ajudam, como em material didático ou nomes ambíguos.

Como faço um LLM usar números arábico-orientais?

Diga isso no system prompt e mostre um exemplo, como "Escreva preços assim: ١٬٢٥٠ ر.س". Sem a regra, os modelos misturam os sistemas de dígitos. Se você processa a saída, peça dígitos ocidentais nos campos JSON e converta na hora de exibir.

Qual modelo escreve o melhor árabe?

Teste com os seus próprios prompts. A BroadNet relata escrita fluente em árabe do Qwen3.8 27B nos testes dela, junto com compreensão dos dialetos do Golfo e egípcio.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity