多言語AIエージェントのプロンプティング#

複数の言語でシームレスに動作するAIエージェントを構築するには、単なる翻訳以上のものが必要です。このガイドでは、文脈と文化的ニュアンスを維持するための高度な戦略を解説します。

多言語エージェントの課題#

従来のアプローチが失敗する理由：

直訳では文脈や慣用句が失われる
文化的な参照が伝わらない
言語によって丁寧さのレベルが異なる
技術用語に対応する語句がない場合がある

言語検出とルーティング#

動的言語検出#

python

from langdetect import detect
from typing import Literal

def detect_language(text: str) -> str:
    """Detect the primary language of input text."""
    try:
        lang = detect(text)
        return lang
    except:
        return "en"  # Default to English

def route_to_agent(text: str, agents: dict):
    """Route query to appropriate language-specific agent."""
    lang = detect_language(text)
    return agents.get(lang, agents["en"])

多言語システムプロンプト#

python

SYSTEM_PROMPTS = {
    "en": """You are a helpful assistant. Respond in English.
    Use professional but friendly language.""",

    "zh": """你是一个有帮助的助手。请用中文回答。
    使用专业但友好的语言。注意使用恰当的敬语。""",

    "ja": """あなたは親切なアシスタントです。日本語で回答してください。
    丁寧語を使用し、適切な敬意を示してください。""",

    "es": """Eres un asistente útil. Responde en español.
    Usa un lenguaje profesional pero amigable."""
}

文脈保持戦略#

意味的アンカー#

翻訳間で意味を保持する：

python

def create_semantic_anchor(concept: str, languages: list) -> dict:
    """Create semantic anchors for consistent cross-language understanding."""
    anchors = {}
    for lang in languages:
        # Generate language-specific explanation
        anchors[lang] = generate_explanation(concept, lang)
    return anchors

# Example usage
technical_terms = {
    "machine_learning": {
        "en": "machine learning (ML) - computers learning from data",
        "zh": "机器学习 (ML) - 计算机从数据中学习",
        "ja": "機械学習 (ML) - コンピュータがデータから学習すること"
    }
}

文化的文脈レイヤー#

python

class CulturalContextManager:
    def __init__(self):
        self.cultural_norms = {
            "en": {
                "greeting": "Hello",
                "formality": "casual",
                "date_format": "MM/DD/YYYY",
                "currency_symbol": "$"
            },
            "zh": {
                "greeting": "您好",
                "formality": "formal",
                "date_format": "YYYY年MM月DD日",
                "currency_symbol": "¥"
            },
            "ja": {
                "greeting": "こんにちは",
                "formality": "very_formal",
                "date_format": "YYYY年MM月DD日",
                "currency_symbol": "¥"
            }
        }

    def adapt_response(self, response: str, source_lang: str, target_lang: str) -> str:
        """Adapt response for cultural context."""
        source_norms = self.cultural_norms[source_lang]
        target_norms = self.cultural_norms[target_lang]

        # Adjust formality, date formats, etc.
        adapted = self.adjust_formality(response, target_norms["formality"])
        adapted = self.convert_date_format(adapted, target_norms["date_format"])

        return adapted

高度なプロンプティング技術#

母語での連鎖思考 (Chain-of-Thought)#

python

def multilingual_cot_prompt(question: str, lang: str) -> str:
    """Generate chain-of-thought prompt in target language."""
    cot_templates = {
        "en": "Let's think step by step:\n1.",
        "zh": "让我们一步一步思考：\n1.",
        "ja": "順番に考えてみましょう：\n1."
    }

    return f"{question}\n\n{cot_templates.get(lang, cot_templates['en'])}"

言語ごとのFew-Shot例#

python

EXAMPLES = {
    "en": [
        {"input": "What's the weather?", "output": "I'd be happy to help! Could you tell me your location?"},
        {"input": "Book a flight", "output": "I can help with that. What's your destination and travel dates?"}
    ],
    "zh": [
        {"input": "天气怎么样？", "output": "我很乐意帮助您！请问您在哪个城市？"},
        {"input": "订机票", "output": "我可以帮您办理。请问您的目的地和出行日期是？"}
    ]
}

混合言語入力の処理#

コードスイッチング検出#

python

import re

def detect_code_switching(text: str) -> bool:
    """Detect if text contains multiple languages (code-switching)."""
    # Simple heuristic: check for mixed scripts
    has_latin = bool(re.search(r'[a-zA-Z]', text))
    has_cjk = bool(re.search(r'[\u4e00-\u9fff\u3040-\u309f\u30a0-\u30ff]', text))
    has_arabic = bool(re.search(r'[\u0600-\u06ff]', text))

    script_count = sum([has_latin, has_cjk, has_arabic])
    return script_count > 1

def handle_mixed_input(text: str) -> str:
    """Handle input with multiple languages."""
    if detect_code_switching(text):
        # Respond in the dominant language
        dominant_lang = get_dominant_language(text)
        return f"[Responding in {dominant_lang}]"
    return text

ベストプラクティス#

ネイティブプロンプト: システムプロンプトは翻訳せず、対象言語で記述する
文化的配慮: 丁寧さ、敬語、表現を適応させる
一貫した用語: 技術用語の用語集を維持する
ユーザー設定: ユーザーが言語設定を変更できるようにする
フォールバック戦略: サポート外の言語を適切に処理する

多言語エージェントのテスト#

python

def test_language_consistency(agent, test_cases: dict):
    """Test agent responds in the correct language."""
    for lang, queries in test_cases.items():
        for query in queries:
            response = agent.chat(query)
            detected = detect_language(response)
            assert detected == lang, f"Expected {lang}, got {detected}"