BroadRouter

Prompt engineering tiếng Ả Rập: văn phong, RTL, chữ số và văn bản trộn

Đội ngũ BroadNet Inference · 5 phút đọc · Đăng ngày · Cập nhật

Output tiếng Ả Rập tốt đến từ chỉ dẫn rõ ràng: nêu văn phong (MSA hay một phương ngữ cụ thể), đối tượng đọc, kiểu chữ số (phương Tây 0–9 hay Ả Rập phương Đông ٠–٩), định dạng được phép, và cách xử lý thuật ngữ tiếng Anh. Hiển thị câu trả lời với dir="auto" hoặc ký tự cô lập để văn bản trộn Ả Rập và Anh hiện đúng thứ tự.

Để LLM cho ra tiếng Ả Rập tốt, hãy nêu rõ mọi lựa chọn mà model sẽ phải tự đoán: tiếng Ả Rập chuẩn hiện đại hay một phương ngữ cụ thể, đối tượng đọc và giọng điệu, chữ số phương Tây (123) hay Ả Rập phương Đông (١٢٣), định dạng ngày và tiền tệ, cách viết thuật ngữ tiếng Anh, và có thêm dấu phụ hay không. Sau đó sửa phần hiển thị phải sang trái trong UI, không phải trong prompt.

Chỉ định văn phong và phương ngữ như thế nào?

Tiếng Ả Rập có một chuẩn viết trang trọng, tiếng Ả Rập chuẩn hiện đại (MSA, الفصحى), và nhiều phương ngữ nói. Văn bản kinh doanh thường là MSA; sản phẩm chat, marketing và giọng nói đôi khi dùng phương ngữ. Hãy nói chính xác với model là loại nào:

Thay vì Hãy nói
Trả lời bằng tiếng Ả Rập. Trả lời bằng tiếng Ả Rập chuẩn hiện đại rõ ràng, đơn giản, phù hợp với khách hàng bán lẻ.
Dùng phương ngữ vùng Vịnh. Viết bằng tiếng Ả Rập vùng Vịnh kiểu Ả Rập Xê Út (thiên về Najd), thân mật nhưng lịch sự, như một thương hiệu trẻ.
Hãy thân thiện. Ấm áp và lịch sự. Dùng “حضرتك” với khách hàng Ai Cập; tránh tiếng lóng.

Vài quy tắc thực tế:

  • “MSA đơn giản” là mặc định an toàn nhất. Ở đâu cũng hiểu và nghe chuyên nghiệp. Model viết MSA ổn định hơn phương ngữ.
  • Nêu tên quốc gia, đừng chỉ nói “vùng Vịnh” hay “Levant”. Giọng Ả Rập Xê Út, UAE và Kuwait khác nhau; Lebanon và Jordan cũng vậy.
  • Cách xưng hô. Tiếng Ả Rập đánh dấu giới tính ở từ “bạn”. Hãy chọn một mặc định (giống đực số ít là dạng trung tính phổ biến trong văn bản UI) hoặc yêu cầu model dùng cách nói trung tính về giới khi có thể, ví dụ dạng danh từ “يرجى إدخال” (vui lòng nhập) thay vì mệnh lệnh “أدخل/أدخلي”.
  • Dấu phụ. Ghi “không dấu phụ” cho văn bản thường. Phần lớn model mặc định thêm rất ít, nhưng một số thêm vào tên riêng hoặc câu trả lời kiểu thơ.

Với input phương ngữ, xem LLM xử lý tiếng Ả Rập vùng Vịnh, Ai Cập và Levant ra sao.

Kiểm soát chữ số, ngày tháng và tiền tệ như thế nào?

Văn bản tiếng Ả Rập dùng hai hệ chữ số: chữ số phương Tây (0–9) và chữ số Ả Rập phương Đông (٠١٢٣٤٥٦٧٨٩). Người đọc mong đợi hệ nào tùy quốc gia và phương tiện, và model sẽ trộn lẫn nếu không được dặn. Hãy quyết định theo từng sản phẩm, dựa trên những gì tài liệu hiện có của bạn ở thị trường đó đang dùng:

  • Chữ số phương Tây dễ nhất cho parse, tìm kiếm và nhập liệu.
  • Chữ số Ả Rập phương Đông hợp với vẻ ngoài truyền thống hơn. Nếu cần, hãy chuyển đổi lúc hiển thị và giữ chữ số phương Tây trong dữ liệu.

Cũng hãy chỉ định:

  • Ngày tháng: dương lịch, lịch Hijri hay cả hai, và định dạng (ví dụ 2026-11-14 hoặc ١٤ نوفمبر ٢٠٢٦). Lưu ý tên tháng khác nhau theo vùng: نوفمبر ở Ai Cập và vùng Vịnh, تشرين الثاني ở Levant và Iraq.
  • Tiền tệ: ký hiệu hay mã, và vị trí. “ر.س” hay “SAR”? Trước hay sau số? Đưa một ví dụ.
  • Dấu thập phân: ”.” hay dấu thập phân tiếng Ả Rập ”٫”.

Một ví dụ hoàn chỉnh trong prompt giải quyết được phần lớn chuyện này: “Viết giá như sau: 1,250.00 ر.س”.

Sửa lỗi hiển thị phải sang trái như thế nào?

Phần lớn báo lỗi kiểu “tiếng Ả Rập bị vỡ” là lỗi hiển thị, không phải lỗi model. Khi văn bản tiếng Ả Rập và chữ Latin hoặc chữ số nằm chung một dòng, thuật toán hai chiều Unicode quyết định thứ tự hiển thị dựa trên hướng của đoạn. Nếu bong bóng chat của bạn là trái sang phải, một câu trả lời như “تم شحن طلبك رقم 4821.” (bản dịch: đơn hàng số 4821 của bạn đã được gửi đi.) có thể hiện dấu chấm ở sai đầu.

Hãy sửa trong UI:

  • Đặt dir="auto" (hoặc dir="rtl" cho màn hình chỉ có tiếng Ả Rập) trên phần tử hiển thị mỗi tin nhắn. Xem MDN về thuộc tính dir và hướng dẫn của W3C về markup phải sang trái.
  • Khi chèn giá trị (tên, số đơn hàng, tên sản phẩm tiếng Anh) vào mẫu tiếng Ả Rập, hãy bọc chúng trong <bdi> ở HTML, hoặc ký tự cô lập Unicode (U+2068 FIRST STRONG ISOLATE … U+2069 POP DIRECTIONAL ISOLATE) ở văn bản thuần.
  • Trong prompt, hãy yêu cầu định dạng mà giao diện của bạn hiển thị được. WhatsApp và SMS: văn bản thuần, không bảng Markdown. Web chat: Markdown được nếu trình hiển thị xử lý được danh sách RTL. Code block nên giữ trái sang phải.

Nếu bạn stream câu trả lời, hãy đặt hướng cho vùng chứa trước khi token đầu tiên đến, để văn bản không nhảy; xem hướng dẫn streaming.

Model nên trộn tiếng Ả Rập và tiếng Anh thế nào?

Văn bản kinh doanh tiếng Ả Rập thực tế trộn ngôn ngữ: tên sản phẩm, thuật ngữ kỹ thuật, đơn vị, code. Hãy quyết định quy tắc và nói ra:

  • “Giữ tên thương hiệu và sản phẩm theo cách viết Latin gốc.”
  • “Viết thuật ngữ kỹ thuật bằng tiếng Ả Rập, lần đầu kèm thuật ngữ tiếng Anh trong ngoặc: واجهة برمجة التطبيقات (API).”
  • “Không bao giờ phiên âm từ tiếng Anh sang chữ Ả Rập”, hoặc ngược lại, nếu người đọc của bạn thích “الإيميل” hơn “البريد الإلكتروني”.
  • “Nếu người dùng viết bằng tiếng Anh, trả lời bằng tiếng Anh. Nếu họ viết bằng Arabizi, trả lời bằng chữ Ả Rập.” Xem thêm ở xử lý Arabizi.

System prompt nên viết bằng tiếng Anh hay tiếng Ả Rập?

Cả hai đều được. Chỉ dẫn tiếng Anh với nội dung tiếng Ả Rập là cách phổ biến và dễ bảo trì nếu không phải ai trong nhóm cũng đọc được tiếng Ả Rập. Chỉ dẫn tiếng Ả Rập có thể đẩy giọng điệu và từ vựng đi đúng hướng. Dù chọn cách nào, mỗi system prompt chỉ dùng một ngôn ngữ, và trong đó luôn đặt một ví dụ tiếng Ả Rập về output mong muốn. Chỉ dẫn tiếng Ả Rập có thể tốn nhiều token hơn cùng các quy tắc đó bằng tiếng Anh; hãy so cả hai bằng công cụ đếm token tiếng Ả Rập miễn phí. Dữ liệu hiệu suất tokenizer của chúng tôi cho thấy cùng các câu tiếng Ả Rập và tiếng Anh tốn bao nhiêu token trên 16 tokenizer.

Một ví dụ hoàn chỉnh:

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)

Khách hàng viết bằng tiếng Ả Rập Ai Cập (“Tôi muốn biết giá iPhone 17, và có trả góp không?”) dùng chữ số phương Đông. Prompt khiến câu trả lời là MSA với chữ số phương Tây. Câu trả lời mẫu trong prompt có nghĩa: “Cảm ơn bạn đã liên hệ với chúng tôi. Galaxy S26 hiện có giá 12.499 bảng Ai Cập, và có giao hàng trong vòng hai ngày.”

Lấy structured output bằng tiếng Ả Rập như thế nào?

Khi cần JSON, giữ key bằng tiếng Anh và value bằng tiếng Ả Rập. Nói rõ số nên là number hay string, và dùng hệ chữ số nào bên trong string. Yêu cầu null thay vì đoán. Xem structured output với JSON schema.

Test prompt tiếng Ả Rập như thế nào?

Xây một bộ 30 đến 50 prompt thật cho mỗi thị trường, chạy qua từng model ứng viên, và nhờ người bản ngữ của thị trường đó chấm văn phong, độ đúng và độ tự nhiên. BroadNet báo cáo Qwen3.8 27B viết tiếng Ả Rập trôi chảy và hiểu phương ngữ vùng Vịnh và Ai Cập trong các bài test của họ; DeepSeek V4.1 Flash và GLM 5.3 có trên cùng API, nên đổi model chỉ là sửa một dòng. So giá của chúng trên trang giá hoặc trong so sánh DeepSeek V4.1 Flash và Qwen3.8 27B, và đo token trên văn bản tiếng Ả Rập thật, vì tiếng Ả Rập thường tốn nhiều token mỗi từ hơn tiếng Anh. Với checklist chọn model rộng hơn, xem chọn API LLM cho tiếng Ả Rập.

Checklist prompt tiếng Ả Rập

  • Đã nêu văn phong và quốc gia.
  • Đã quyết định cách xưng hô (giới tính).
  • Đã chỉ định chữ số, ngày, tiền tệ và dấu thập phân kèm ví dụ.
  • Định dạng khớp với giao diện hiển thị.
  • Đã nêu quy tắc cho thuật ngữ và tên thương hiệu tiếng Anh.
  • dir="auto" và ký tự cô lập trong UI.
  • Người bản ngữ duyệt trên một bộ test cố định.

Câu hỏi thường gặp

Nên viết system prompt bằng tiếng Ả Rập hay tiếng Anh?

Cả hai đều chạy được trên các model hiện nay. Chỉ dẫn tiếng Anh dễ bảo trì hơn với hầu hết các nhóm; chỉ dẫn tiếng Ả Rập đôi khi cho giọng điệu tự nhiên hơn. Mỗi system prompt chỉ dùng một ngôn ngữ và so sánh cả hai trên bộ test của bạn.

Vì sao văn bản tiếng Ả Rập của tôi hiện dấu câu sai chỗ?

Đó là lỗi hiển thị, thường do vùng chứa có hướng trái sang phải. Hãy đặt dir="rtl" hoặc dir="auto" trên phần tử hiển thị câu trả lời.

Làm sao để model không thêm dấu phụ?

Ghi "Không thêm dấu phụ (tashkeel)" trong prompt. Chỉ yêu cầu dấu phụ ở nơi chúng có ích, như tài liệu học tập hoặc tên dễ nhầm.

Làm sao để LLM dùng chữ số Ả Rập phương Đông?

Nói rõ trong system prompt và đưa một ví dụ, như "Viết giá như sau: ١٬٢٥٠ ر.س". Model trộn các hệ chữ số khi thiếu quy tắc. Nếu bạn parse output, hãy yêu cầu chữ số phương Tây trong các trường JSON và chuyển đổi khi hiển thị.

Model nào viết tiếng Ả Rập tốt nhất?

Hãy test trên prompt của bạn. BroadNet báo cáo Qwen3.8 27B viết tiếng Ả Rập trôi chảy trong các bài test của họ, cùng khả năng hiểu phương ngữ vùng Vịnh và Ai Cập.

Đọc dạng MarkdownHỏi ChatGPTHỏi ClaudeHỏi Perplexity