核心用法
Urdu 是一个针对乌尔都语表达的润色型技能，核心目标是解决AI生成乌尔都语"技术上正确但语感生硬"的问题——过度文学化（ادبی）、敬语层级混乱、缺乏口语温度。
三大操作维度：
- 敬称校准：强制区分 آپ（尊称/长辈）、تم（平辈 casual）、تو（亲密挚友），默认倾向تم 除非用户指定正式场景
- 语体降级：将默认的「书面文学体」主动下移至「口语自然流」，鼓励使用 یعنی، اچھا، ویسے 等填充词
- 词汇鲜活化：避开"安全词"，提供 اچھا → بہترین/زبردست/کمال 等情绪梯度替换
脚本与罗马化双轨支持：
- 主轨道： nastaliq 波斯-阿拉伯字母（اردو）
- 数字场景：罗马音转写（"Kya haal hai"），符合南亚网络聊天惯例
显著优点
- 文化精确性：明确区分 Urdu 与 Hindi 的书写-词汇边界，避免混用脚本
- 微观语感颗粒：提供 particles（نا/تو/ہی/بھی）的语用功能说明，这些是机器翻译最难复制的「人情味」
- 可验证的输出标准：内置「母语者截图测试」——生成后自检是否会被识别为AI文本
潜在缺点与局限性
- 语境依赖重：用户需自行判断语境以选择正确的敬称层级，技能本身不做自动场景识别
- 罗马化无统一标准："Kya/Kya" 等拼写变体众多，技能未建立规范对照表
- 地区变体盲区：巴基斯坦 vs 印度乌尔都语（Hyderabad 等）的方言差异未覆盖
- 正式文书风险：若用户误用于法律、学术文本，「默认 casual」策略可能导致失礼
适合人群
- 需要与乌尔都语用户进行社交媒体/即时通讯互动的非母语者
- 内容创作者希望本地化文案（广告、短视频字幕、播客脚本）
- AI 开发者构建乌尔都语对话系统时的语料风格参考
常规风险
- 敬称误用导致的冒犯风险：تو 用于陌生人间属严重失礼
- 跨脚本混淆：用户可能在同一对话中混用 nastaliq 与天城文，引发可读性问题
- 过度口语化：商务邮件等场景若未手动上调正式度，可能显得轻佻