多语言提示工程：在任何语言中获得一致的AI结果

多语言提示不是翻译——它激活模型学习分布的不同部分。 LLM在共享嵌入空间中对文本进行分词和表示，但训练数据存在偏差：CommonCrawl（用于训练大多数LLM）由约46%的英文、6%的德文、5%的法文和3%的中文构成。训练数据占比不足1%的语言（如大多数非洲语言、许多南亚语言）行为不可预测。

当您用中文提示时，模型依赖中文训练数据中的模式。由于中文仅占总语料库的约3%，与英文提示相比，模型可调用的关联更少。这表现为：推理精度下降、指令遵循不稳定、幻觉率升高和输出质量不一致。

要深入了解LLM如何学习语言模式，请参阅LLM的实际工作原理。

LLM的语言性能遵循基于训练数据份额的四级层次结构，1级（英文）性能近乎完美，4级（低资源语言）输出不可靠。 使用此分级系统来确定适用于目标语言的策略。

相同1,000词内容在阿拉伯文中比英文多消耗46%的token，在俄文中多30%——直接影响API账单。 Token效率因文字系统和语言族系而有显著差异。中文是例外：比英文少消耗31%的token，是成本效益最高的语言之一。

详细了解如何在多语言工作流中管理token预算，请参阅token、成本和限制。

对于结构化和推理任务，英文系统提示在2～3级语言中优于母语系统提示。对于语气和正式程度，母语系统提示效果更好。 这是多语言提示中最重要的决策。

原因：LLM的大多数指令遵循能力在英文RLHF（基于人类反馈的强化学习）数据上训练。复杂的系统级指令（格式规则、角色扮演、思维链指令）用英文写时遵循更可靠。而风格指令（正式程度、文化语气、礼貌级别）用目标语言写效果更好。

决策树： 复杂推理/格式规则 → 英文系统提示。正式程度（敬语、Vous、keigo）→ 目标语言。角色定义 → 英文+一个目标语言示例。输出语言规范 → 始终在系统提示中明确：「Respond in formal Chinese.」

完整分析请参阅系统提示 vs 用户提示。

错误示例——假设模型会自动检测语言和语气：

「总结这份德文合同。」

结果：英中混合输出，非正式语气，可能遗漏法律术语。

正确示例——明确语言、语气和推理路径：

「You are a legal analyst. The following document is a German employment contract (Arbeitsvertrag). Summarise its key obligations in formal Chinese. Structure: 合同当事人, 薪酬待遇, 解除通知期, 特殊条款. Maximum 200 words. Flag any clause unusual for standard German employment law with 需核实.」

结果：使用适当专业术语的正式中文输出，并标记异常条款。

没有单一模型在所有语言上领跑。Mistral Large 2领跑Romance语系；Google Gemini 3.0 Pro领跑东亚语言；GPT-4o领跑阿拉伯文和多语言推理任务。 此表汇总了Ahuja et al.（2023）MEGA基准测试的模型性能数据。

上述token成本差异直接反映在API账单上。 以下是基于GPT-4o定价（每100万输入token $5）的实际影响。

对于3级语言，用英文写思维链指令但要求以目标语言给出最终答案，可将推理精度提升5～12%（Shi et al., 2023）。 这种跨语言思维链技术利用了模型的英文推理能力，同时保持目标语言的输出质量。

LLM逐步推理时，依赖其最大训练语料（英文）中的模式。强迫在日文或阿拉伯文等低资源语言中推理会降低精度。混合方法——英文思维链+母语输出——兼顾了两者的优势。

模板： `请用英文逐步思考，然后用中文写出最终答案。问题：问题`

决策： 使用英文思维链的情况 → 任务需要多步骤推理、目标语言为3级以上、精度比延迟更重要。使用母语思维链的情况 → 语气和正式程度比推理深度更重要、目标语言为1～2级。

深入了解：思维链提示：让LLM展示推理过程。

Few-shot示例必须与任务使用相同的语言——语言不同的few-shot示例在2～3级语言中会使输出精度降低15～20%（Shi et al., 2023）。 Few-shot示例向模型传授格式、语气和模式。当示例用英文但任务用中文时，模型会收到冲突信号。

两种策略： (1) 母语few-shot——所有示例用目标语言（品质最佳）。(2) 零样本+明确指令——没有示例，但用英文提供清晰的样式/格式规则（在没有母语示例时最佳）。避免混用：英文示例+中文任务=最差组合。

完整决策框架请参阅few-shot vs 零样本提示。

LLM在大多数语言中默认使用非正式语气。如果您的用例需要正式中文、德文的Sie形式或日文的敬语，您必须在系统提示中明确声明语气——模型不会从上下文推断。

当用户在提示中混合使用语言（如中文问题中包含英文品牌名或技术术语）时，大多数模型会以查询的主要语言回应——但没有明确指令时，这并不可靠。 代码混用在多语言工作环境中很常见，技术术语保持英文，周围内容使用其他语言。

推荐处理方式： (1) 在系统提示中添加：「当用户使用混合语言时，除非问题明确用英文，否则用目标语言回应。」(2) 在路由到模型前，通过程序化方式检测语言（langdetect、FastText、lingua-rs），而非依赖模型检测。(3) 生产环境的多语言应用：在LLM调用前实现语言检测步骤，路由到正确的提示模板。

以下是四种可适配到您自己多语言工作流的提示模板。请根据您的用例定制目标语言占位符。

中国（数据安全法）： 中文内容或中国用户数据受2021年《数据安全法》（DSL）约束。外国云端LLM（OpenAI、Anthropic、Google）不得用于处理敏感个人数据或政府工作流。对于金融、医疗、法律等涉及个人敏感数据的企业应用，建议通过阿里云或百度云本地部署Qwen2.5，确保数据合规驻留。对于营销、客服等非敏感用途，使用外国API时需确保签署数据传输协议。

亚太地区（数据跨境）： 多个亚太国家正在加强数据本地化要求。在构建多语言LLM应用时，务必确认API提供商在相应司法管辖区提供适当的数据驻留选项。PromptQuorum通过Ollama/LM Studio支持本地LLM部署，可在不向任何云端API发送数据的情况下运行中文/日文工作流。

企业部署： 银行、医院、律所等大型企业在部署多语言AI时面临更严格的监管要求。建议优先考虑支持私有化部署的开源模型（Qwen 3 72B、Llama 4 70B），并建立完善的数据治理机制。对于必须使用云端API的场景，选择在中国境内有数据驻留方案的供应商，并签署符合数据安全法要求的数据处理协议。