调用推理模型时，一个常见的尴尬场景是：你在系统提示词里写了“请用简体中文回答”，模型却在推理过程中用英文思考，最终答案虽然翻译成了中文，但偶尔也会冒出英文段落，甚至完全无视语言要求。这个问题在OpenAI o系列、DeepSeek-R1等推理增强模型上尤其明显。要理解背后的原因，需要先看看推理模型的内部工作方式。大多数推理模型在生成最终答案前会先产生一段隐藏的思维链（Chain-of-Thought），这段内部推理过程通常使用英语进行，因为训练语料中英语的推理示例占比更高，模型自然形成了“用英语推理”的惯性。当这种惯性延伸到最终输出时，就会与用户指定的语言产生冲突。

此外，提示词中如果同时包含多项指令，语言要求可能会被其他约束挤掉。比如你既要求“用中文回答”，又要求“输出JSON格式且键名用英文”，模型为了满足JSON结构，可能直接返回英文值。还有一类情况是模型对系统消息的遵循能力有限，尤其是当用户消息本身包含大量英文内容时，模型会倾向于沿用英文继续输出。理解这些原因后，我们就可以针对性地设计提示词策略来稳定控制输出语言。

为什么推理模型会忽略语言指令？

第一个原因是训练数据分布不均衡。大型语言模型在预训练阶段接触到的文本中，英文数据量远高于其他语言，尤其是技术文档、代码、学术论文等高质量推理语料几乎都是英文。这导致模型在需要进行复杂推理时，内部表征更倾向于英语，即使最终输出被要求使用中文，推理过程中仍可能用英语组织逻辑，最终再“翻译”成中文。这种翻译过程有时会失败，造成中英混杂。

第二个原因是推理链的语言惯性。以DeepSeek-R1为例，官方技术报告提到模型在强化学习训练中，思维链往往会混合多种语言，但英语仍然占据主导。如果开发者通过API获取到推理过程，会看到大段英文思考内容，即便最终答案是中文。这种隐性语言不匹配会降低模型的指令遵循稳定性，尤其是在长链条推理任务中，语言要求可能在中间步骤被遗忘。

第三个原因是指令冲突与优先级。当提示词中同时出现“保持简洁”“使用专业术语”“以第一人称回答”等指令时，语言控制指令可能被模型解读为低优先级。例如，要求模型输出一个Python代码块，代码注释通常默认英文，如果用户没有明确要求注释语言，模型很可能直接输出英文注释，导致整体回答看起来不符合中文要求。

五种有效的语言控制Prompt策略

策略一：在系统消息中使用强约束措辞。不要只写“请用中文回答”，而要写成“你必须仅使用简体中文进行回复，包括推理过程中的任何文字，禁止使用英文或其他语言。即使问题中包含英文内容，也要用中文解释”。双重否定和“禁止”类词汇能显著提高遵循率。例如：

system_prompt = "你是专业的技术助手。你必须仅使用简体中文回复用户。整个回答过程中不得出现任何英文单词、缩写或句子。即使用户输入包含英文，也必须用中文进行说明和解释。"

策略二：在用户消息开头重复语言要求。有些模型对用户消息中的指令更敏感，因此可以在每条用户消息前加上“请用简体中文回答：”。如果使用多轮对话，每一轮都需要带上这个前缀，因为模型可能只关注当前轮次的上下文。例如：

user_message = "请用简体中文回答：如何理解Transformer中的注意力机制？"

策略三：使用语言标签。在问题末尾或开头添加显式标签，如“[简体中文]”或“语言：zh-CN”。这种格式类似于代码中的注释，模型在训练时见过大量带语言标记的平行语料，因此识别度较高。实测中，将标签放在问题末尾比放在开头效果更好，因为模型读完问题后能立即看到语言要求。

策略四：提供Few-shot示例。在系统消息或历史对话中给出2-3个中文问答对，让模型模仿。例如先给一个示例：“问题：什么是反向传播？回答：反向传播是一种通过链式法则计算神经网络梯度的方法，用于更新权重。”模型会倾向使用相同的语言风格回答后续问题。Few-shot示例对于开源模型尤其有效，因为开源模型往往更依赖上下文模仿而非系统指令。

策略五：显式声明推理语言。对于支持返回推理过程的模型，可以要求“推理过程和最终答案都使用简体中文”，或者折中为“推理过程可以使用英文，但最终答案必须是简体中文”。后一种要求能保留推理效率，同时稳定输出语言。例如：

system_prompt = "在回答问题时，你的内部推理过程可以使用英文，但最终展示给用户的答案必须使用简体中文，且不得夹杂英文单词。"

这五种策略可以组合使用。根据实际测试，系统消息强约束加上用户消息前缀，配合语言标签，通常能让主流推理模型的输出语言遵循率达到95%以上。如果遇到顽固的英文输出，可以加入Few-shot示例进一步强化。

实战代码：调用API稳定控制输出语言

下面通过OpenAI API演示如何构造完整的消息列表来控制输出语言。注意代码中的system和user消息内容都需要包含语言约束。这里以GPT-4o或o系列模型为例，但同样的结构也适用于DeepSeek等兼容OpenAI接口的服务。

import openai
client = openai.OpenAI(api_key="your-api-key")
messages = [
    {
        "role": "system",
        "content": "你是专业的中文技术助手。你必须仅使用简体中文回复。禁止出现任何英文单词、缩写或句子。即使问题中包含英文，也必须用中文解释。"
    },
    {
        "role": "user",
        "content": "请用简体中文回答：[简体中文] 请解释什么是RAG，以及它与微调的区别。"
    }
]
response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    temperature=0.3,
    max_tokens=800
)
print(response.choices[0].message.content)

对于本地部署的模型，比如使用vLLM推理框架，同样可以通过设置system_prompt来控制输出语言。以下是一个基于vLLM的示例，模型使用Qwen2.5或DeepSeek-R1蒸馏版。注意代码中的<和>符号在HTML中需转义，但在实际Python文件中不需要转义。

from vllm import LLM, SamplingParams
llm = LLM(model="deepseek-ai/DeepSeek-R1-Distill-Qwen-7B")
system_prompt = "你必须仅使用简体中文回答，禁止使用英文。"
prompt = f"<|im_start|>system\n{system_prompt}<|im_end|>\n<|im_start|>user\n请用中文解释什么是机器学习中的过拟合？<|im_end|>\n<|im_start|>assistant\n"
sampling_params = SamplingParams(temperature=0.2, max_tokens=500)
outputs = llm.generate([prompt], sampling_params)
print(outputs[0].outputs[0].text)

温度参数也会影响语言稳定性。温度越高，模型采样越随机，越容易出现语言漂移。建议在需要严格控制输出语言时，将温度设置在0.0到0.3之间，这样可以减少随机性，让模型更严格地遵循指令。此外，如果API支持response_format参数，可以结合JSON模式来约束结构，但语言仍需依赖提示词，因为JSON模式只控制格式，不控制语言。

常见翻车场景与避坑指南

翻车场景一：模型仍然输出英文。此时不要直接提高温度，那样只会让情况更糟。应该降低温度到0，并强化系统消息中的否定指令，例如“绝对不要使用英文，连一个单词都不可以”。同时检查用户消息中是否含有大量英文，如果有，尝试在英文内容后面加上中文翻译或要求“用中文解释上述英文内容”。

翻车场景二：输出中英文混杂。比如模型用中文写句子，但夹杂英文术语如“token”“embedding”等。这通常不算严重错误，但如果你要求纯中文，可以在提示词中明确“所有专业术语也必须翻译成中文，例如将token译为‘标记’，将embedding译为‘嵌入’”。不过有些术语强行翻译会影响理解，建议根据场景权衡。

翻车场景三：推理过程泄漏英文。如果你的应用需要展示推理过程，但推理过程全是英文，用户可能觉得不一致。解决办法是在系统消息中要求“推理过程和最终答案都使用简体中文”。不过要注意，强制推理过程使用中文可能会降低推理效率或准确率，因为模型在英语推理上训练更充分。如果不需要展示推理过程，直接在API调用中关闭推理内容返回即可，比如OpenAI的o系列模型默认不返回推理token，而DeepSeek-R1可以通过参数控制。

翻车场景四：多轮对话中语言漂移。第一轮还正常用中文，第二轮突然出现英文。这是因为模型每一轮都重新生成，历史上下文中的语言约束可能被稀释。解决方案是每一轮用户消息都加上“请用简体中文回答”的前缀，或者在每次API调用时都重新注入完整的系统消息，而不是只在第一轮设置。对于保持会话状态的应用，建议将系统消息始终放在消息列表首位，并在每一轮用户输入前重复语言指令。

不同模型对语言指令的敏感度差异很大。GPT-4o和Claude系列对系统消息遵循较好，单个强约束通常足够；而一些开源模型如Llama 3或Qwen系列，往往需要Few-shot示例才能稳定控制语言。开发者应针对目标模型做小规模测试，记录不同提示词策略下的输出语言准确率，从而选择最合适的组合方案。