Artykuły
Język promptu decyduje, z danymi treningowymi którego równoległego wszechświata rozmawiasz
Przestań tłumaczyć prompty na angielski dla oszczędności tokenów! Dlaczego im bardziej tłumaczysz na angielski, tym chętniej AI odpowiada „給到” i „質量”? Ten tekst łączy badania ACL nad modelami językowymi z praktyką i pokazuje, dlaczego „terminy techniczne w oryginale + opis w języku ojczystym + wyraźna kotwica regionu” to najlepszy sposób na ograniczenie kosztu kolejnych poprawek.
· 7 min czytania
Przestań tłumaczyć prompty na angielski: dlaczego im bardziej chcesz oszczędzić tokeny, tym chętniej AI odpowiada „給到” i „質量”?
TL;DR (główny wniosek)
Najlepsza praktyka pisania promptów to wzór: „terminy techniczne w oryginale angielskim + kontekst potrzeby w języku ojczystym odbiorców docelowych + wyraźne przypisanie regionu i odbiorcy”. Nie gwarantuje to za każdym razem w 100% najbardziej naturalnego tekstu, ale znacznie zwiększa szansę trafienia za pierwszym razem i oszczędza tarcia związane z wielokrotnym poprawianiem tonu i doboru słów.
Wielu inżynierów i intensywnych użytkowników AI ma taki nawyk: żeby zaoszczędzić trochę tokenów albo dlatego, że „po angielsku logika AI jest lepsza”, przed wysłaniem promptu tłumaczą swoją potrzebę narzędziem na angielski, a na końcu dopisują Please reply in Traditional Chinese.
I co z tego wychodzi? Oszczędzasz kilka groszy na tokenach, ale dostajesz teksty pełne zdań w stylu „這個方案能給到你很好的體驗” czy „如何優化代碼質量”. Na koniec i tak spędzasz 10 minut, ręcznie zamieniając te słowa na wyrażenia przyjęte na Tajwanie.
Język, w którym pytasz, decyduje o tym, w korpusie której grupy ludzi AI szuka odpowiedzi.
1. Prawdziwa wpadka: dlaczego AI ciągle pisze „給到”?#
Jakiś czas temu poprosiłem AI o przygotowanie streszczenia informacji, z wynikiem po chińsku tradycyjnym. Logika treści była w porządku, ale pojawiły się w niej konstrukcje typu „給到…”.
„給到” to typowe słownictwo z chińskich środowisk pracy w Chinach kontynentalnych; na Tajwanie w codziennej komunikacji prawie nikt tak nie mówi.
Problem nie polega na tym, że AI nie rozumie chińskiego, tylko na tym, że „język to nie region, a chiński tradycyjny to nie Tajwan”.
W korpusie treningowym dużych modeli językowych (LLM) danych w chińskim uproszczonym jest znacznie więcej niż w tradycyjnym; gdy wydajesz polecenia wyłącznie po angielsku i prosisz o Traditional Chinese, model łatwo sięga po słownictwo z największego zasobu chińskich danych (najczęściej z Chin kontynentalnych) i tylko zapisuje je tradycyjnymi znakami.
Pisanie promptu w języku ojczystym tylko przybliża AI do lokalnego brzmienia; dopiero jasne określenie „regionu” i „odbiorców” zamyka ostatnią lukę kontekstową.
2. Dlaczego język pytania bezpośrednio zmienia odpowiedź AI?#
To nie magia, tylko nieunikniony skutek tego, jak działają modele językowe. Z perspektywy technicznej i badawczej są trzy główne powody:
1. Podstawą AI jest „prawdopodobieństwo warunkowe i przewidywanie następnego słowa”#
W tej samej sprawie ludzie z różnych społeczności językowych mają zupełnie inne punkty wyjścia, utarte zwroty i wartości. Wszystkie te różnice są skompresowane w wagach danych treningowych. Gdy pytasz po angielsku, model kontynuuje na podstawie korpusu świata anglojęzycznego; gdy pytasz słownictwem chińskiego tradycyjnego używanym na Tajwanie, łatwiej mu trafić w rozkład prawdopodobieństwa tajwańskiego kontekstu.
2. Badania naukowe potwierdzają: język pytania uruchamia odpowiednie dopasowanie kulturowe (Cultural Alignment)#
Badanie opublikowane w ACL w 2024 roku (AlKhamissi et al., 2024, arXiv:2402.13231) symulowało ankiety społeczne w Egipcie i Stanach Zjednoczonych. Zespół ustalił, że gdy pytanie zadaje się w głównym języku danej kultury, rozkład odpowiedzi LLM jest wyraźnie bliższy rzeczywistym wynikom ankiet wśród tamtejszych ludzi. Badanie wykazało też, że im słabiej reprezentowana jest dana grupa i im bardziej wrażliwy temat, tym większe jest odchylenie modelu.
3. Język i dobór słów to główne wskazówki, po których AI ocenia, „kim jesteś”#
AI cię nie zna. Bez wczytanej złożonej pamięci osobistej (Memory) używany przez ciebie język, wplatane terminy techniczne, a nawet nawyki interpunkcyjne są dla modelu ukrytymi wskazówkami, z których wnioskuje o „tle pytającego” i „oczekiwanym poziomie odpowiedzi”.
3. Nie tylko język: „ton” też jest częścią promptu#
Poza wyborem właściwego języka wpływ na działanie modelu ma także „stopień uprzejmości”, który wyrażasz w języku ojczystym.
Inne badanie międzyjęzykowe nad promptami po angielsku, chińsku i japońsku (Yin et al., 2024, arXiv:2402.14531) wskazuje, że zbytnia obcesowość lub niegrzeczność wobec AI zwykle obniża jakość generowania, ale nadmierna grzeczność i owijanie w bawełnę też nie gwarantują lepszych wyników. Co ważniejsze, każdy język ma swój „optymalny poziom uprzejmości (Sweet Spot)”, czyli złoty środek, który różni się zależnie od języka.
Pisząc w najlepiej znanym ci języku ojczystym, możesz precyzyjnie dobrać miarę tonu (na przykład: „ton bezpośredni, bez marketingowej waty”) i nie tracić kontroli nad tonem i stylem w sztywnym angielskim tłumaczeniu.
4. Macierz decyzji: prompt po chińsku czy po angielsku (kiedy używać angielskiego?)#
Podkreślanie znaczenia języka ojczystego nie oznacza, że masz całkiem porzucić angielski.
Dziś, gdy Input Token jest wyjątkowo tani, „oszczędzanie tokenów” to dawno fałszywy problem, a prawdziwym kosztem jest tarcie związane z wielokrotną komunikacją i ręcznymi poprawkami. Nie chodzi o to, czy chiński, czy angielski, ale o to, czy w danej chwili zależy ci na „lokalnym kontekście”, czy na „czystej poprawności technicznej”.
Możesz skorzystać wprost z tej tabeli decyzyjnej:
| Scenariusz zadania |
Zalecany język pisania |
Główny powód i strategia |
| Tworzenie treści lokalnych (blog, teksty marketingowe, teksty UI produktu, listy do klientów) |
Opis w języku ojczystym + terminy angielskie + kotwica regionu |
Unika kalk z tłumaczenia i słownictwa nieprzyjętego na Tajwanie (np. 視頻, 質量, 給到) i od razu trafia w kontekst tajwańskich odbiorców. |
| Wielojęzyczne tłumaczenia międzynarodowe (na przykład z chińskiego na tajski, lokalizacja wielojęzycznych stron) |
Polecenia w języku ojczystym + wyraźne wskazanie regionu docelowego i roli |
Unika podwójnej utraty znaczenia przez angielski jako język pośredni (Pivot Language). |
| Czyste generowanie kodu i Debug (architektura systemu, algorytmy, usuwanie błędów) |
Chiński lub angielski (zalecane: logika w języku ojczystym + terminy angielskie i Error Log) |
Słowa kluczowe techniczne (API, PR, Deployment) i oficjalna dokumentacja są po angielsku, więc zachowanie oryginału pozwala trafić w najdokładniejsze wagi techniczne. |
| Szukanie najnowszej zagranicznej dokumentacji technicznej / prac naukowych |
Głównie angielski |
Dane źródłowe są w większości po angielsku, więc wyszukiwanie angielskimi słowami kluczowymi (RAG / Search) daje największy recall. |
5. Praktyczna checklista: 5 punktów kontrolnych, by za jednym razem dostać precyzyjną odpowiedź#
Następnym razem, pisząc prompt wymagający wysokiej jakości chińskiego wyniku, nie otwieraj już translatora. Zastosuj od razu tę listę:
Porównanie przykładowych promptów w praktyce#
❌ Zły przykład (ślepa wiara w angielski + niejasne warunki):
Write a blog post about prompt language selection in Traditional Chinese. Make it professional.
✅ Dobry przykład (kontekst w języku ojczystym + terminy w oryginale + kotwica regionu i odbiorców):
Napisz po chińsku tradycyjnym, w wariancie przyjętym na Tajwanie, techniczny artykuł z opinią dla tajwańskich inżynierów na temat „Wyboru języka pytania w Prompt”.
Wymagania:
1. Terminy techniczne (takie jak Token, Prompt, Context, API) zostaw w oryginale angielskim i nie tłumacz ich na siłę.
2. Ton bezpośredni i rzeczowy, od razu podawaj wnioski i listę do wykonania, bez podręcznikowego tonu i marketingowych pustosłowi.
3. Stosuj ściśle słownictwo lokalne dla Tajwanu i unikaj słów takich jak „給到、質量、視頻、代碼”.
Najczęstsze pytania (FAQ)#
P1: Czy pisanie promptu po chińsku zużywa więcej tokenów i działa wolniej?#
Ta sama treść po chińsku zwykle ma nieco więcej tokenów niż po angielsku, ale Input Token kosztuje bardzo mało. W porównaniu z niewielką oszczędnością na tokenach najdroższym ukrytym wydatkiem jest czas zmarnowany na „ponowne generowanie” albo ręczne poprawianie tekstu z powodu błędnego kontekstu.
P2: Dlaczego mimo że poprosiłem AI o „chiński tradycyjny (Traditional Chinese)”, nadal pojawia się słownictwo z Chin kontynentalnych?#
Bo dla modelu Traditional Chinese często oznacza tylko „kodowanie i kształt znaków (Script)”, a nie „kulturę regionu (Locale)”. Do chińskiego tradycyjnego należą dane z Hongkongu i Makau, z Tajwanu, a także dane przekonwertowane z uproszczonego. Trzeba wyraźnie wskazać „słownictwo tajwańskie (zh-TW)” i „odbiorców docelowych (np. tajwańskich inżynierów)”, żeby prawidłowo zawęzić dobór słów przez model.
Chcesz lokalnej odpowiedzi? Pytaj w lokalnym języku, a potem jasno określ region.
Ta logika dotyczy nie tylko codziennych pytań, ale jest też podstawą lokalizacji produktów międzynarodowych. W następnym tekście przeniesiemy tę ideę wprost do praktyki inżynierskiej: „Gdy strona obsługuje 22 języki, jak sprawić, by AI automatycznie tworzyło naprawdę naturalne, lokalne tłumaczenia?”