LLM سے اچھی عربی حاصل کرنے کے لیے ہر وہ انتخاب بتائیں جس کا ماڈل ورنہ اندازہ لگائے گا: جدید معیاری عربی یا کوئی نامزد لہجہ، سامعین اور انداز، مغربی (123) یا مشرقی عربی (١٢٣) ہندسے، تاریخ اور کرنسی کا فارمیٹ، انگریزی اصطلاحات کیسے لکھیں، اور اعراب لگائیں یا نہیں۔ پھر دائیں سے بائیں ڈسپلے اپنے UI میں ٹھیک کریں، پرامپٹ میں نہیں۔
register اور لہجہ کیسے طے کریں؟
عربی میں ایک رسمی تحریری معیار ہے، جدید معیاری عربی (MSA، الفصحى)، اور کئی بولے جانے والے لہجے۔ کاروباری متن عموماً MSA ہوتا ہے؛ چیٹ، مارکیٹنگ اور وائس پروڈکٹس کبھی کبھی لہجہ استعمال کرتے ہیں۔ ماڈل کو ٹھیک ٹھیک بتائیں کہ کون سا:
| اس کی بجائے | یہ کہیں |
|---|---|
| عربی میں جواب دیں۔ | ریٹیل گاہکوں کے لیے موزوں صاف، سادہ جدید معیاری عربی میں جواب دیں۔ |
| خلیجی لہجہ استعمال کریں۔ | سعودی (نجدی کی طرف مائل) خلیجی عربی میں لکھیں، غیر رسمی لیکن باادب، جیسے کوئی نوجوان برانڈ لکھے گا۔ |
| دوستانہ رہیں۔ | گرم جوش اور شائستہ۔ مصری گاہکوں کے لیے “حضرتك” استعمال کریں؛ slang سے بچیں۔ |
چند عملی اصول:
- “سادہ MSA” سب سے محفوظ ڈیفالٹ ہے۔ یہ ہر جگہ سمجھی جاتی ہے اور پیشہ ورانہ لگتی ہے۔ ماڈل اسے لہجے سے زیادہ قابلِ اعتماد طریقے سے لکھتے ہیں۔
- ملک کا نام لیں، “خلیجی” یا “شامی” نہیں۔ سعودی، اماراتی اور کویتی بولی مختلف ہیں؛ لبنانی اور اردنی بھی۔
- خطاب کا انداز۔ عربی “آپ/تم” میں جنس ظاہر کرتی ہے۔ ایک ڈیفالٹ چنیں (UI متن میں مذکر واحد عام غیر جانبدار شکل ہے) یا ماڈل سے جہاں ممکن ہو جنس سے غیر جانبدار جملے استعمال کرنے کو کہیں، جیسے امر “أدخل/أدخلي” (درج کرو) کی بجائے اسمی شکل “يرجى إدخال” (براہِ کرم درج کریں)۔
- اعراب۔ عام متن کے لیے “اعراب نہیں” کہیں۔ زیادہ تر ماڈلز ڈیفالٹ طور پر کم لگاتے ہیں، لیکن کچھ ناموں یا شاعری نما جوابات میں لگا دیتے ہیں۔
لہجے والے ان پٹ کے لیے دیکھیں LLMs خلیجی، مصری اور شامی عربی کو کیسے سنبھالتے ہیں۔
ہندسے، تاریخیں اور کرنسی کیسے قابو کریں؟
عربی متن دو ہندسہ سیٹ استعمال کرتا ہے: مغربی ہندسے (0–9) اور مشرقی عربی ہندسے (٠١٢٣٤٥٦٧٨٩)۔ قارئین کون سا سیٹ توقع کرتے ہیں، یہ ملک اور ذریعے کے حساب سے بدلتا ہے، اور بتائے بغیر ماڈل انہیں ملا دیں گے۔ ہر پروڈکٹ کے لیے طے کریں، اس بنیاد پر کہ اس مارکیٹ میں آپ کا موجودہ مواد پہلے سے کیا استعمال کرتا ہے:
- مغربی ہندسے parsing، search اور ڈیٹا اندراج کے لیے سب سے آسان ہیں۔
- مشرقی عربی ہندسے زیادہ روایتی انداز سے میل کھاتے ہیں۔ اگر یہ چاہییں تو دکھاتے وقت بدلیں اور اپنے ڈیٹا میں مغربی ہندسے رکھیں۔
یہ بھی بتائیں:
- تاریخیں: عیسوی، ہجری یا دونوں، اور فارمیٹ (مثلاً 2026-11-14 یا ١٤ نوفمبر ٢٠٢٦)۔ دھیان رہے کہ مہینوں کے نام علاقے کے حساب سے بدلتے ہیں: مصر اور خلیج میں نوفمبر، شام اور عراق میں تشرين الثاني۔
- کرنسی: علامت یا کوڈ، اور اس کی جگہ۔ “ر.س” یا “SAR”؟ نمبر سے پہلے یا بعد؟ ایک مثال دیں۔
- اعشاری علامت: ”.” یا عربی اعشاری علامت ”٫”۔
پرامپٹ میں ایک حل شدہ مثال اس کا زیادہ تر حصہ ٹھیک کر دیتی ہے: “Write prices like: 1,250.00 ر.س”۔
دائیں سے بائیں ڈسپلے کے مسائل کیسے ٹھیک کریں؟
“عربی ٹوٹی ہوئی ہے” والی زیادہ تر بگ رپورٹس ڈسپلے کے مسائل ہوتی ہیں، ماڈل کے نہیں۔ جب عربی اور لاطینی متن یا نمبر ایک لائن میں ہوں، تو Unicode bidirectional algorithm پیراگراف کی سمت کی بنیاد پر نظر آنے والی ترتیب طے کرتا ہے۔ اگر آپ کا چیٹ ببل بائیں سے دائیں ہے تو “تم شحن طلبك رقم 4821.” جیسا جواب فل اسٹاپ کو غلط سرے پر دکھا سکتا ہے۔
اسے UI میں ٹھیک کریں:
- ہر پیغام دکھانے والے element پر
dir="auto"(یا صرف عربی views کے لیےdir="rtl") سیٹ کریں۔ دیکھیں dir attribute پر MDN اور دائیں سے بائیں markup پر W3C کی رہنمائی۔ - جب آپ عربی templates میں قدریں (نام، آرڈر نمبر، انگریزی پروڈکٹ نام) ڈالتے ہیں تو انہیں HTML میں
<bdi>میں، یا سادہ متن میں Unicode isolates (U+2068 FIRST STRONG ISOLATE … U+2069 POP DIRECTIONAL ISOLATE) میں لپیٹیں۔ - پرامپٹ میں وہی فارمیٹنگ مانگیں جو آپ کی سطح دکھا سکے۔ WhatsApp اور SMS: سادہ متن، کوئی Markdown ٹیبل نہیں۔ ویب چیٹ: اگر آپ کا renderer RTL فہرستیں سنبھالتا ہے تو Markdown ٹھیک ہے۔ code blocks بائیں سے دائیں ہی رہنے چاہییں۔
اگر آپ جوابات stream کرتے ہیں تو پہلا ٹوکن آنے سے پہلے کنٹینر پر سمت سیٹ کریں، تاکہ متن اچھلے نہیں؛ اسٹریمنگ گائیڈ دیکھیں۔
ماڈل عربی اور انگریزی کو کیسے ملائے؟
اصل عربی کاروباری متن زبانیں ملاتا ہے: پروڈکٹ نام، تکنیکی اصطلاحات، اکائیاں، کوڈ۔ اصول طے کریں اور اسے کہیں:
- “برانڈ اور پروڈکٹ ناموں کو ان کے اصل لاطینی املا میں رکھیں۔”
- “تکنیکی اصطلاحات عربی میں لکھیں، پہلی بار انگریزی اصطلاح قوسین میں: واجهة برمجة التطبيقات (API)۔”
- “انگریزی الفاظ کو کبھی عربی حروف میں ٹرانسلٹریٹ نہ کریں”، یا اس کا الٹ، اگر آپ کے سامعین “البريد الإلكتروني” سے زیادہ “الإيميل” پسند کرتے ہیں۔
- “اگر صارف انگریزی میں لکھے تو انگریزی میں جواب دیں۔ اگر Arabizi میں لکھے تو عربی رسم الخط میں جواب دیں۔” اس پر مزید Arabizi سنبھالنا میں۔
سسٹم پرامپٹ انگریزی میں ہو یا عربی میں؟
دونوں کام کرتے ہیں۔ عربی مواد کے ساتھ انگریزی ہدایات عام ہیں اور سنبھالنے میں آسان، اگر آپ کی پوری ٹیم عربی نہیں پڑھتی۔ عربی ہدایات انداز اور ذخیرۂ الفاظ کو درست سمت میں دھکیل سکتی ہیں۔ جو بھی چنیں، ہر سسٹم پرامپٹ میں ایک زبان رکھیں، اور دونوں صورتوں میں اس کے اندر مطلوبہ آؤٹ پٹ کی ایک عربی مثال رکھیں۔ عربی ہدایات میں انگریزی کے انہی اصولوں سے زیادہ ٹوکن لگ سکتے ہیں؛ دونوں کا موازنہ مفت عربی ٹوکن کاؤنٹر میں کریں۔ ہمارا tokenizer کارکردگی ڈیٹا دکھاتا ہے کہ 16 tokenizers پر ایک ہی عربی اور انگریزی جملے کتنے ٹوکن لیتے ہیں۔
ایک مکمل مثال:
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)
گاہک مصری عربی میں لکھتا ہے (“مجھے iPhone 17 کی قیمت جاننی ہے، اور کیا قسطوں کی سہولت ہے؟”) اور مشرقی ہندسے استعمال کرتا ہے۔ پرامپٹ جواب کو مغربی ہندسوں والی MSA بناتا ہے۔ پرامپٹ میں مثالی جواب کہتا ہے: “ہم سے رابطہ کرنے کا شکریہ۔ Galaxy S26 کی موجودہ قیمت 12,499 EGP ہے، اور دو دن کے اندر ڈیلیوری دستیاب ہے۔”
عربی میں structured output کیسے حاصل کریں؟
جب JSON چاہیے تو keys انگریزی میں اور values عربی میں رکھیں۔ بتائیں کہ نمبر numbers ہوں یا strings، اور strings کے اندر کون سا ہندسہ سیٹ استعمال ہو۔ اندازوں کی بجائے null مانگیں۔ دیکھیں JSON schema کے ساتھ structured output۔
عربی پرامپٹس کیسے ٹیسٹ کریں؟
ہر مارکیٹ کے لیے 30 سے 50 اصل پرامپٹس کا سیٹ بنائیں، انہیں ہر امیدوار ماڈل پر چلائیں، اور اس مارکیٹ کے کسی مقامی بولنے والے سے register، درستگی اور فطری پن کی گریڈنگ کروائیں۔ BroadNet رپورٹ کرتا ہے کہ اس کے ٹیسٹ میں Qwen3.8 27B نے رواں عربی لکھی اور خلیجی اور مصری لہجے سمجھے؛ DeepSeek V4.1 Flash اور GLM 5.3 اسی API پر ہیں، اس لیے بدلنا ایک لائن کی تبدیلی ہے۔ ان کی قیمتوں کا موازنہ قیمتوں کے صفحے پر یا DeepSeek V4.1 Flash بمقابلہ Qwen3.8 27B موازنے میں کریں، اور اصل عربی متن پر ٹوکن ناپیں، کیونکہ عربی میں اکثر انگریزی سے فی لفظ زیادہ ٹوکن لگتے ہیں۔ ماڈل چننے کی وسیع چیک لسٹ کے لیے عربی کے لیے LLM API چننا دیکھیں۔
عربی پرامپٹ چیک لسٹ
- register اور ملک کا نام دیا گیا۔
- خطاب کا انداز (جنس) طے۔
- ہندسے، تاریخیں، کرنسی اور اعشاری علامت ایک مثال کے ساتھ بتائے گئے۔
- فارمیٹنگ ڈسپلے کی سطح سے میل کھاتی ہے۔
- انگریزی اصطلاحات اور برانڈ ناموں کا اصول بیان کیا گیا۔
- UI میں
dir="auto"اور isolation۔ - مقررہ ٹیسٹ سیٹ پر مقامی بولنے والے کا جائزہ۔
