我的 AI 系统总在回答中途突然切法语，我花了超久才找到原因

我搭了一个 RAG 系统，要根据提问语言用德语或英语回答。听起来简单，其实坑死人。源文档大部分是德语，但混着法语法律术语、拉丁短语，偶尔还有英文判例。结果 LLM 常常先用德语答，读到上下文里的法语段落，就……中途切法语。有时一句里德法混用。有次它直接整段意大利语，我至今没搞懂为啥。 我试过让 LLM 自己识别提问语言，结果不靠谱：用户只要提到一个法国法院案例名，它就判定是法语提问。 最后奏效的是个傻正则。我扫一遍提问里有没有典型德语词（der、die、das、und、ist、nicht、mit、für、datenschutz、verletzung 等）。德语特征词够多就强制德语回答，否则默认英语。没上任何高级语言检测库，纯模式匹配。 接着在 prompt 里加硬规则： "整个回答只能用 {language}。输出必须是德语或英语，严禁法语、西班牙语、意大利语等其他语言。若检索上下文含其他语言，请仅将答案翻译成 {language}。" 那句“严禁法语”居功至伟。没这条禁令，模型跑几天测试后又会滑回法语。它一看见法语法律文本就想“哦，原来要法语”。 有人也在做多语言 RAG 遇到同样问题吗？源文档的语言污染是我踩过最烦的坑，却几乎没人写过。