ماڈل کا عربی جواب درست ہے، لیکن اسکرین پر قیمت غلط طرف بیٹھی ہے اور ماڈل کا نام بیچ سے ٹوٹ گیا ہے۔ یہ bidi کا مسئلہ ہے، ماڈل کا نہیں۔
یہ کیسے کام کرتا ہے
متن منطقی ترتیب میں محفوظ ہوتا ہے، یعنی جس ترتیب میں اسے پڑھا اور ٹائپ کیا جاتا ہے۔ UAX #9، یعنی Unicode Bidirectional Algorithm، ہر حرف کو ایک سمت کی قسم دیتا ہے اور لائن کی دکھانے کی ترتیب طے کرتا ہے۔ میموری میں حروف کبھی جگہ نہیں بدلتے؛ صرف ان کا دکھنا بدلتا ہے۔
حروفِ تہجی strong ہیں: عربی دائیں سے بائیں ہے، لاطینی بائیں سے دائیں۔ ہندسے اور رموزِ اوقاف weak یا neutral ہیں اور اپنی جگہ آس پاس کے متن سے لیتے ہیں۔ یورپی ہندسے قسم EN ہیں اور عربی-ہندی ہندسے قسم AN، اور UAX #9 عربی حرف کے بعد EN کو AN مان لیتا ہے۔
کسی عربی اسسٹنٹ کی ایک عام ملی جلی اسٹرنگ:
جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة
بائیں سے دائیں سیاق میں دکھانے پر عربی حصے دائیں سے بائیں پڑھے جاتے ہیں، لیکن پیراگراف بائیں طرف سے شروع ہوتا ہے، اس لیے جملہ غلط ترتیب میں دکھتا ہے اور سلیش، نقطے اور عدد 20 غلط حصے سے جڑ سکتے ہیں۔ حل بنیادی سمت سیٹ کرنا ہے، حروف کی ترتیب بدلنا نہیں۔
جب مارک اپ دستیاب نہ ہو تو Unicode میں غیر مرئی کنٹرول حروف ہیں:
| کوڈ پوائنٹ | نام | استعمال |
|---|---|---|
| U+200F | RLM، right-to-left mark | کسی neutral حرف کو RTL کی طرف دھکیلنا |
| U+061C | ALM، Arabic letter mark | یہی، عربی سیاق کے لیے |
| U+2067 | RLI، right-to-left isolate | RTL حصہ شروع کرنا |
| U+2066 | LRI، left-to-right isolate | LTR حصہ شروع کرنا، جیسے ماڈل ID |
| U+2068 | FSI، first strong isolate | سمت مواد سے لینا |
| U+2069 | PDI، pop directional isolate | کوئی بھی isolate ختم کرنا |
UAX #9 نئی دستاویزات میں پرانے embedding (U+202A سے U+202C) کے بجائے isolate استعمال کرنے کی ترغیب دیتا ہے، کیونکہ embedding آس پاس کے متن پر بہت زیادہ اثر ڈالتے ہیں، اور کہتا ہے کہ سیکیورٹی خدشات کی وجہ سے override (U+202D، U+202E) سے جہاں تک ممکن ہو بچنا چاہیے۔
یہ کیوں اہم ہے
HTML میں W3C کا مشورہ ہے کہ صفحہ RTL ہو تو dir="rtl" کو html عنصر پر لگائیں، اور بنیادی سمت CSS سے سیٹ نہ کریں۔ جس متن کی سمت آپ کو معلوم نہیں، جیسے ماڈل کا جواب یا کسی صارف کا نام، اس کے لیے dir="auto" یا bdi عنصر استعمال کریں۔ W3C بتاتا ہے کہ auto پہلے strong حرف سے فیصلہ کرتا ہے، اس لیے زیادہ تر انگریزی والا پیراگراف اگر کسی عربی لفظ سے شروع ہو تو وہ بھی غلط دکھ سکتا ہے۔
API صارفین کے عام مسائل:
- چیٹ UI۔ اسٹریم ہوتا جواب انگریزی میں شروع ہو کر عربی میں بدل جاتا ہے۔
dir="auto"پورے صفحے پر ایک بار نہیں، ہر پیغام پر لگائیں۔ - JSON اور لاگز۔ ماڈل آؤٹ پٹ میں غیر مرئی mark ہو سکتے ہیں۔
"gulf"جیسی ویلیو"gulf"کے برابر نہیں ہوگی۔ اسٹرکچرڈ آؤٹ پٹ فیلڈز کا موازنہ کرنے سے پہلے bidi کنٹرول ہٹا دیں۔ - ترجمہ شدہ UI اسٹرنگز۔ عربی کے اندر placeholder اور پروڈکٹ ناموں کو isolate چاہیے؛ دیکھیں ایپ اسٹرنگز کا عربی میں ترجمہ۔
BroadNet Inference پر
کسی بھی OpenAI-compatible API کی طرح BroadNet کا چیٹ اینڈ پوائنٹ JSON جواب میں عربی کو عام متن کے طور پر لوٹاتا ہے، اور BroadNet میں کوئی ڈسپلے یا bidi فیچر نہیں ہے۔ سمت سنبھالنا آپ کے فرنٹ اینڈ کا کام ہے۔ اگر آپ سرچ کے لیے متن نارملائز بھی کرتے ہیں تو bidi کنٹرول اسی مرحلے میں ہٹائیں جس میں Unicode نارملائزیشن کرتے ہیں، کیونکہ NFC اور NFKC انہیں برقرار رکھتے ہیں۔
عام غلطیاں
- ڈسپلے “ٹھیک” کرنے کے لیے کوڈ میں عربی اسٹرنگز الٹ دینا۔
- سمت صرف CSS سے سیٹ کرنا۔
- U+200F یا U+2067 کو ID، key یا enum ویلیوز کے اندر چھوڑ دینا۔