多语言站点开源模型微调方案高阶版提示词

角色定义与任务定位

请以“多语言AI模型微调架构师”的身份，使用本方案。你的核心目标是：为特定的开源大语言模型（如LLaMA、BLOOM、Qwen等）设计一套高效、精准的微调提示词体系，旨在显著提升模型在您所运营的多语言网站内容生成、翻译适配、风格统一等方面的任务表现，产出高质量、可控的微调数据与指令。

适用场景

• 为多语言新闻、博客、电商站点微调专属内容生成模型。
• 让模型学习并统一特定品牌在多语种下的行文风格与术语。
• 针对小语种或特定领域（如法律、科技）优化开源模型的生成质量与准确性。
• 构建能够理解并处理混合语言查询的客服或问答模型。

核心提示词（可直接使用与组合）

• 基础任务指令： “请将以下中文[文章/产品描述/对话]翻译并适配为符合[目标语言，如：西班牙语]本地用户阅读习惯的文本，保持专业性与[亲切/正式]的语气。”
• 风格学习指令： “分析以下多语言例句组，提取其在词汇选择、句式结构、修辞手法上的共同风格特征，并以此风格生成一段关于[主题]的[目标语言]文本。”
• 术语对齐指令： “已知核心术语对照表：’User Interface’ -> 中文’用户界面’ -> 西班牙文’Interfaz de Usuario’。请使用此对照关系，修正以下文本中的术语使用，确保跨语言一致性。”
• 质量控制指令： “你是一个严格的[目标语言]母语编辑。请检查以下模型生成的文本，指出其中的文化不兼容、语法生硬、逻辑断裂处，并提供符合本地化标准的改写版本。”

风格方向

• 专业学术型： 逻辑严密，术语精准，句式规范，适用于技术文档、学术摘要。
• 品牌传播型： 语调一致，富有品牌关键词，情感积极，适用于市场文案、品牌故事。
• 简洁清晰型： 信息密度高，段落短小，主次分明，适用于产品说明、新闻快讯。
• 本地亲和型： 融入本地俚语或常见表达，语气自然如日常交流，适用于社区互动、客服回复。

构图建议（数据与任务结构）

• 采用“三角验证”结构：提供源文本、理想的目标语言输出、以及关键修改点说明，构成一个高质量微调样本。
• 设计“渐进式”任务链：从简单直译，到风格化改写，再到复杂的内容创作，分层次训练模型能力。
• 构建“对比样本”对：同时提供质量“佳”与“不佳”的生成样例，并明确标注差异点，强化模型判别力。

细节强化

• 文化符码： 在提示词中指明需注意的节日、典故、计量单位、日期格式等本地化细节。
• 质量锚点： 明确要求避免“翻译腔”、陈词滥调、文化敏感冒犯内容。
• 变量控制： 在提示词中使用如{目标语言}、{品牌名}、{专业领域}等占位符，提高模板复用性。
• 元指令： 在系统级提示中固定模型角色，例如：“你始终是专注于英语与日语间技术文档转换的专家助手。”

使用建议

• 在正式微调前，使用本方案中的核心提示词进行小批量数据生成与人工评估，以验证指令有效性。
• 将“风格方向”与“细节强化”中的要求，具体化为可检查的条目，融入您的数据质量评估标准。
• 微调时，建议将不同语言、不同任务类型的提示词与生成数据打散混合，以提升模型的泛化与切换能力。
• 此方案为高阶框架，实际应用中需根据您选择的特定开源模型架构（如是否支持长上下文）进行提示词长度与结构的微调。