模型的阿拉伯语回答没有错,但屏幕上价格跑到了错误的一侧,模型名也被拆成两半。这是 bidi(双向文字)问题,不是模型问题。
工作原理
文本按逻辑顺序存储,也就是阅读和输入的顺序。UAX #9,即 Unicode 双向算法,为每个字符指定一个方向类型,并算出一行文字的显示顺序。字符在内存中从不移动,改变的只是显示。
字母是强字符:阿拉伯字母从右到左,拉丁字母从左到右。数字和标点是弱字符或中性字符,位置取决于周围的文字。欧洲数字属于 EN 类型,阿拉伯-印度数字属于 AN 类型;UAX #9 规定,出现在阿拉伯字母之后的 EN 会被解析为 AN。
阿拉伯语助手给出的一段典型混排字符串:
جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة
如果在从左到右的环境中显示,阿拉伯语片段本身从右往左读,但段落从左边开始,于是整句话的顺序就乱了,斜杠、点号和数字 20 也可能粘到错误的片段上。解决办法是设置基础方向,而不是重排字符。
没有标记语言可用时,Unicode 提供了不可见的控制字符:
| 码位 | 名称 | 用途 |
|---|---|---|
| U+200F | RLM,从右到左标记 | 把一个中性字符推向 RTL |
| U+061C | ALM,阿拉伯字母标记 | 同上,用于阿拉伯语环境 |
| U+2067 | RLI,从右到左隔离 | 开始一段 RTL 文字 |
| U+2066 | LRI,从左到右隔离 | 开始一段 LTR 文字,例如模型 ID |
| U+2068 | FSI,首个强字符隔离 | 根据内容决定方向 |
| U+2069 | PDI,弹出方向隔离 | 结束任意隔离 |
UAX #9 建议新文档优先使用隔离符,而不是较早的嵌入符(U+202A 到 U+202C),因为嵌入符对周围文字影响过强;它还指出,出于安全考虑,应尽量避免使用覆盖符(U+202D、U+202E)。
为什么重要
在 HTML 中,W3C 建议页面为 RTL 时在 html 元素上写 dir="rtl",而不要用 CSS 设置基础方向。对于方向未知的文本,比如模型回复或用户名,使用 dir="auto" 或 bdi 元素。W3C 提醒,auto 依据第一个强字符判断方向,所以一个以阿拉伯语单词开头、主体却是英文的段落,仍可能显示错误。
API 用户常遇到的问题:
- 聊天界面。 流式回复先是英文,后来变成阿拉伯语。要在每条消息上设置
dir="auto",而不是只在整个页面上设置一次。 - JSON 和日志。 模型输出可能夹带不可见的标记。像
"gulf"这样的值不等于"gulf"。比较结构化输出字段之前,先删掉 bidi 控制字符。 - 翻译后的界面字符串。 阿拉伯语中的占位符和产品名需要隔离符,详见用大模型把应用字符串翻译成阿拉伯语。
在 BroadNet Inference 上
BroadNet 的聊天端点和任何 OpenAI 兼容 API 一样,在 JSON 响应中把阿拉伯语作为普通文本返回,BroadNet 没有任何显示或 bidi 相关功能。文字方向由你的前端负责。如果你还要为搜索做文本规范化,请在 Unicode 规范化的同一步里删掉 bidi 控制字符,因为 NFC 和 NFKC 会保留它们。
常见错误
- 在代码里反转阿拉伯语字符串来“修复”显示。
- 只用 CSS 设置方向。
- 把 U+200F 或 U+2067 留在 ID、键名或枚举值里。