这套底层从上到下都是英文优先

训练数据偏向英文，这件事人人都知道。 谈语言覆盖时最先被提到的就是它，而且确实如此。但这也是整个问题里最没意思的一层，因为只有这一层拿得到预算。它下面的几层，很少拿得到。

这个假设藏身的五个地方

• 分词器：照着拉丁字母调出来，于是别的文字体系要为同样的意思付更多 token。
• 评测集：决定一个模型能不能发布，而它们压倒性地是英文的。
• 文档和提示词指南：教的是一种只存在于英文里的提问方式。
• 报错信息：偏偏在用户最迷糊的时候切回英文。
• 口口相传的经验：哪种说法管用的那些窍门，换一种语言就带不过去。

单看每一条都只是擦伤。合在一起，它们决定了谁会觉得这个工具能用。一个产品可以在技术上支持多语言，用起来却仍像在英文应用外面套了一层翻译壳——而用户大概三十秒就能分辨出来。

我们为此做了什么

我们把语言当成产品的表层，而不是一个 locale 文件。 也就是说，界面、模型的行为和支持，都跟着你进来时用的语言走。也就是说，我们自己的评测跑在我们声称支持的那些语言上，而不是先跑英文、事后再翻一遍。还意味着，我们优先去追那些只在拉丁字母之外才会现形的毛病。

这比「做个英文产品再加语言切换」要慢。但也只有这个版本值得做，因为切换那套恰恰在最要紧的地方失灵——就在有人正试着描述自己在乎的东西的那一刻。

一个只对拿来测试的那批用户最好用的工具，永远会把其余所有人叫做长尾。

在这里没人会说的语言上，我们一定会做错某些部分。我们的打算是把「测过什么」在公开场合讲清楚，让出错这件事看得见，而不是被受影响的人默默扛下来。