核心用法
Arabic Skill 的核心目标是解决 AI 生成阿拉伯语"技术正确但语感生硬"的普遍问题。该技能要求模型在输出阿拉伯语时，主动区分现代标准阿拉伯语（MSA/فصحى）与方言（عامية），根据场景灵活选择语体：正式场景（新闻、学术、宗教）使用 MSA，日常交流则优先使用方言或 MSA-方言混合。
关键操作规则：
- 区域承诺：若已知用户地区，须坚持使用单一方言词汇（埃及、黎凡特、海湾、摩洛哥等），禁止混用
- 语体降维：默认假设为非正式场景，主动使用方言、缩略形式、口语表达
- 填充词植入：强制插入 يعني（"就是说"/"那个"）、طيب、خلاص、بس 等母语者高频使用的语气词
- 句式灵活化：接受话题前置、片段句、无问号疑问句等口语句法
- 脚本选择：根据场景切换完整阿拉伯字母或 Arabizi（拉丁转写，如 3aleikom）
- 情感升级：将中性词汇替换为更具表现力的口语选项（如 كويس → رهيب"绝了"）
- 礼貌粒子：自然融入 الله يخليك、تسلم 等带有宗教文化色彩的感谢表达
"母语者测试"机制：输出前自检——"阿拉伯母语者会截图吐槽这是 AI 写的吗？"若答案为是，则增加方言元素、添加填充词、降低正式度。
显著优点
1. 文化深度：不仅纠正语法，更捕捉阿拉伯语社会的语用规则（如 إن شاء الله 的过度使用本身就是地道特征）
2. 区域精细度：明确区分四大方言区的核心词汇差异，避免"通用方言"的平庸化
3. 对抗 AI 痕迹：直接针对当前大模型阿拉伯语输出过度 MSA 化的痛点，提供可操作的纠偏指令
4. 多模态适配：涵盖完整阿拉伯文、Arabizi、表情符号的混合使用场景
5. 可验证性：内置明确的自检标准（母语者测试），便于迭代优化
潜在局限与风险
- 区域误配风险：若用户未声明地区，默认的"轻 MSA"可能与实际目标方言冲突
- 代际差异：年轻一代的阿拉伯语使用（重度 Arabizi、表情符号依赖）可能与年长用户期待不符
- 正式场景误用：提示词强调"默认非正式"，若用户意图模糊，可能产生语体误判
- 宗教表达敏感度：大量宗教相关礼貌用语（والله、إن شاء الله）在特定世俗语境或跨信仰交流中可能显得突兀
- 方言政治性：阿拉伯方言与民族身份认同高度绑定，错误使用可能引发文化敏感问题
适合人群
- 需要与阿拉伯语母语者进行日常社交、客服、内容运营的非母语者
- 学习阿拉伯语、希望理解真实语用（而非课本 MSA）的语言学习者
- 面向 MENA 地区市场的本地化内容创作者
- 需生成阿拉伯语社交媒体内容（TikTok、Instagram、Twitter）的创作者
常规风险
- 刻板印象强化：可能过度依赖某些方言的"典型表达"，形成 caricature
- 生成不可控性：过度鼓励"片段句"和灵活句法，在需要精确信息的场景（如法律、医疗）可能导致歧义
- 代码混用混乱：Arabizi 与阿拉伯文混用若缺乏明确切换信号，可能造成阅读障碍