企业官网建设流程全解析

1. 从"突然飙英文"这个现象说起

如果你最近半年高频使用过各类国产大模型，大概率撞见过这样一个诡异场景：你明明用中文问了一个需要推理的问题，模型前面几步的思考过程也是规规矩矩的中文，可推到一半，它突然切换成了英文，噼里啪啦输出一大段，最后给你的答案又变回中文。第一次遇到的人往往会愣一下——是我网络出问题了？是模型串台了？还是它在背什么训练语料？

这个现象在开发者圈子里被讨论得很热，但很多解释都停留在"因为英文语料多""因为英文推理更强"这种似是而非的层面。我前后在几个不同厂商的模型上都复现过这个行为，也翻过一些公开的技术讨论，慢慢拼出了一套相对完整的理解。这篇就把我观察到的现象、背后的机制、以及作为使用者能怎么应对，一次性讲清楚。

先说结论方向：模型"思考时说英文"绝大多数情况下不是故障，而是推理链路、训练数据分布、系统提示词约束三者共同作用的结果。它和"模型坏了"是两码事，和"模型不爱国"更是八竿子打不着。理解这一点，你才能判断什么时候该管、什么时候不用管。

这篇文章适合三类人看：一是日常用 AI 做复杂任务、被这个现象困扰的普通用户；二是在做 Agent 开发、需要控制模型输出稳定性的工程师；三是对大模型推理机制好奇、想搞明白"它脑子里到底在想什么"的技术爱好者。我会尽量少堆术语，多用类比和实际案例，把这件事拆到你能自己判断的程度。

2. 思维链为什么会"语言漂移"

2.1 先分清"思考过程"和"最终回答"是两套东西

很多人混淆的根源，是把模型输出的所有文字当成一个整体。实际上，现在主流的推理型模型，输出通常分成两段：一段是内部的思维链（Chain of Thought，简称 CoT），一段是面向用户的最终回答。前者是模型"打草稿"的过程，后者是"交卷"的结果。

这两段的生成目标完全不同。最终回答要满足你的语言要求、格式要求、语气要求，所以它会被系统提示词和你的输入严格约束。而思维链的目标只有一个：把问题推对。它不需要好看，不需要符合你的语言偏好，只需要让模型自己一步步算清楚。这就解释了为什么"草稿用英文、交卷用中文"能同时成立——它们本来就是两个不同的任务。

你可以把它类比成一个人做数学题。题目是中文的，但他习惯在草稿纸上用自己最顺手的符号体系演算，最后把答案翻译回中文写上去。草稿用什么语言，取决于哪种语言让他算得最快、最不容易错。

2.2 训练数据里，英文推理样本的"密度"更高

这是最核心的一条。大模型的推理能力，很大程度上是从训练数据里"学"来的。而在公开可得的、高质量的分步推理文本中，英文的占比长期高于中文。学术论文、代码注释、数学推导、逻辑题解答、Stack Overflow 上的技术讨论——这些"把一件事一步步讲清楚"的语料，英文体量确实更大。

模型在学习"如何一步步推理"这个能力时，接触到的英文示范更多，于是它内部形成了一套以英文为主要载体的推理模式。当它需要认真思考时，会不自觉地滑向那个它最熟悉的模式。这不是它"选择"了英文，而是英文那条路径在它的参数里被训练得更通畅。

这里有个反直觉的点：模型的中文对话能力可以很强，但中文推理能力未必同步强。因为对话能力靠的是海量中文日常语料，而推理能力靠的是结构化的分步文本，后者的中文供给相对少。所以你会看到一个中文聊天很溜的模型，一到复杂推理就"露馅"切英文。

2.3 Token 效率：英文在推理时更"省"

从工程角度看，还有一个很实际的原因：Token 效率。大模型是按 Token 处理和计费的，而同样一段意思，英文往往比中文占用更少的 Token。中文一个汉字通常对应 1 到 2 个 Token（取决于分词器），而英文一个常见单词也就 1 个 Token 左右。

推理过程越长，这个差距被放大得越明显。模型在思维链里要反复推演、试错、回退，Token 消耗巨大。如果英文能用更少的 Token 表达同样的推理步骤，那么在训练中"用英文推理"就成了一种更经济的策略，模型会倾向于学会它。这就像你写代码时习惯用简写变量名——不是因为它好看，而是因为它省事。

提示：Token 效率这条在 Agent 场景里尤其重要。思维链越长，成本和延迟越高，模型"偷懒"切英文的倾向就越明显。

2.4 系统提示词没管住"草稿区"

很多国产模型的系统提示词里会写"请用中文回答"，但这句话的约束范围通常只覆盖最终输出，没有明确约束思维链。模型理解成"交卷用中文就行，草稿随便"。于是思维链就成了一个"监管真空区"，模型在里面自由发挥，自然滑向它最顺手的英文。

这也是为什么同一个模型，在不同产品里的表现可能不一样——有的产品在系统提示词里明确要求"全程使用中文，包括思考过程"，漂移就少很多；有的没写，漂移就频繁。这不是模型能力问题，是提示词工程问题。

3. 系统提示词、工具调用与 Agent 场景的放大效应

3.1 Agent 场景下，这个问题被成倍放大

如果你在做 Agent 开发，会发现"思考说英文"比普通对话场景严重得多。原因很简单：Agent 的思维链更长、工具调用更多、循环更频繁。一个复杂任务可能要跑十几轮推理加工具调用，每一轮思维链都可能漂移，累积起来就是一大段英文。

更麻烦的是，Agent 的思维链里往往夹杂着工具调用的参数构造。比如模型要调用一个搜索工具，它得先在思维链里想清楚"我要搜什么关键词、参数怎么填"。这部分内容天然带有结构化、类代码的特征，而代码和结构化文本的"母语"就是英文。所以 Agent 场景下，思维链里出现英文几乎是必然的。

我实测过一个多步任务 Agent，让它处理一份中文合同。前两轮思维链还是中文，到第三轮开始构造工具调用参数时，直接切成英文，后面几轮全英文，直到最后生成中文报告才切回来。整个过程逻辑完全正确，就是"草稿语言"变了。

3.2 工具调用的 Schema 大多是英文

这一点很多人没意识到。Agent 调用的工具，其参数 Schema、函数名、字段描述，绝大多数是用英文定义的。比如一个天气查询工具，函数名可能是get_weather，参数是city、date。模型在思维链里规划"我要调用 get_weather，city 填北京"，这个规划过程自然会被英文 Schema 带偏。

模型在推理时，会倾向于和上下文保持语言一致。当它看到一堆英文的工具定义，它的思维链就会不自觉地跟着用英文。这是一种上下文语言一致性的惯性，不是它故意为之。

3.3 多轮对话里的"语言锚定"效应

还有一个容易被忽略的因素：语言锚定。如果对话历史里已经出现了英文（比如用户贴了一段英文代码、或者上一轮模型思维链漂移了），后续轮次会更容易继续用英文。模型会把前面的语言当成一种"约定"，然后延续下去。

这就导致一个现象：漂移一旦发生，就很难自己纠回来。你如果不在中途干预，它可能整段任务都用英文思考。这也是为什么很多人觉得"这模型怎么越用越爱说英文"——其实是历史上下文在推波助澜。

4. 这到底是好事还是坏事

4.1 从正确率看，多数情况下是好事

先给个可能让你意外的判断：如果最终答案是对的，思维链用什么语言，其实不重要。甚至可以说，模型切英文思考，往往说明它在"认真算"，而不是在"敷衍你"。

我做过一组对比测试，同一个复杂逻辑题，强制模型用中文思考 vs 允许它自由选择。结果自由选择的那组，正确率略高。原因就是前面说的，英文推理路径在它参数里更通畅，强行掰回中文反而可能让它"算得别扭"，增加出错概率。

所以如果你只是要一个正确答案，看到思维链说英文，大可不必焦虑。盯住最终输出就行。

4.2 但在这些场景下，它确实是个问题

当然，也不是所有情况都能无视。以下几类场景，思维链语言漂移会带来实际麻烦：

• 需要审计推理过程：金融、医疗、法律等场景，要求思维链可读、可追溯。一段英文思维链，中文审核人员读起来费劲，合规上也可能有要求。
• 需要控制成本：前面说过，思维链越长 Token 消耗越大。如果英文思维链反而更长（某些情况下确实如此），成本会上升。
• 需要稳定输出格式：Agent 场景下，如果思维链语言不稳定，可能影响后续工具调用的参数解析，导致偶发失败。
• 用户体验：普通用户看到一大段英文，会觉得"这 AI 是不是有问题"，信任感下降。

4.3 一个判断标准

我自己的判断标准很简单：看最终交付物。如果最终交付物是中文、格式正确、内容准确，思维链说英文我基本不管。如果最终交付物也漂移了，或者思维链语言影响了任务稳定性，那才需要动手干预。

这个标准能帮你省掉大量无谓的折腾。很多人一看到英文就紧张，结果花大力气去"治"，反而把模型治得更笨了。

5. 实操：怎么让思维链乖乖说中文

5.1 系统提示词要明确约束"思考过程"

最直接的一招，是在系统提示词里把约束范围写清楚。不要只写"请用中文回答"，要写成类似：

你是一个中文助手。你的所有输出，包括思考过程、推理步骤、工具调用规划， 都必须使用中文。最终回答也必须使用中文。

关键词是"包括思考过程"。这句话能把思维链纳入约束范围。实测下来，明确写了这句的，漂移概率明显下降。但要注意，约束太强硬也可能影响推理质量，需要权衡。

5.2 用 Few-shot 示例"锚定"语言

如果系统提示词效果不够，可以加几个示例，展示"中文思考 + 中文回答"的完整过程。模型对示例的模仿能力很强，看到几轮中文思维链的示范，它会倾向于延续这个模式。

示例不用多，两三个就够，但要覆盖你实际任务的类型。比如你做 Agent，就放一个"中文思考 + 中文工具调用规划 + 中文回答"的完整例子。

5.3 工具定义尽量中文化

如果你的 Agent 工具 Schema 是英文的，可以尝试把字段描述改成中文，函数名如果平台允许也尽量用中文或拼音。这能减少英文上下文对思维链的"带偏"。

当然，函数名用中文可能有兼容性问题，那就至少把 description 写详细的中文。模型读中文描述，思维链更容易保持中文。

5.4 中途干预：发现漂移就"拉回来"

如果任务已经跑起来，思维链开始漂移，可以在下一轮输入里加一句"请继续用中文思考"。这相当于给模型一个语言锚点，把它拉回来。多轮对话里这招挺管用，但要注意别打断它的推理节奏。

5.5 接受"部分漂移"，别追求 100% 纯净

最后一条经验：别追求思维链 100% 中文。实际工程里，能做到"大部分中文、关键步骤中文"就已经很好了。强行追求纯净，往往要牺牲推理质量或增加大量提示词开销，不划算。

我现在的做法是：普通对话场景，随它去；Agent 生产环境，用系统提示词 + 工具中文化把漂移控制在可接受范围；审计场景，才上全套约束。

6. 几个常见误解的澄清

6.1 "说英文是因为模型是套壳国外的"

这个说法流传很广，但站不住脚。思维链语言漂移是训练数据分布导致的，和模型是不是"套壳"没有必然关系。一个完全从零训练的中文模型，只要它的推理语料里英文占比高，一样会漂移。反过来，一个基于英文底座但做了充分中文推理微调的模型，漂移可以很少。判断套壳要看模型架构、训练细节，不能靠"说不说英文"。

6.2 "强制中文思考一定更好"

不一定。前面说过，强行掰回中文可能让模型"算得别扭"，正确率反而下降。语言只是推理的载体，载体顺不顺手，直接影响推理质量。在正确率和语言纯净度之间，优先保正确率。

6.3 "这是 Bug，等厂商修"

部分情况下厂商确实会优化，但思维链语言漂移本质上是能力特性，不是 Bug。它源于训练数据的客观分布，不是代码写错了。厂商能做的是通过提示词和微调缓解，但很难彻底消除。指望"等修复"不如自己学会应对。

6.4 "英文思维链说明模型更聪明"

也不能这么推。英文思维链只说明模型在英文推理路径上更熟练，不代表它整体更强。一个中文推理路径训练充分的模型，用中文思考一样能算得很准。语言和智力是两回事。

7. 我在实际项目里的处理心得

做 Agent 项目这段时间，关于思维链语言这件事，我踩过几个坑，也攒了几条经验，分享给同样在做这块的人。

第一条，别在系统提示词里写太长的语言约束。我一开始写了一大段"必须中文、禁止英文、包括思考过程、包括工具调用……"，结果模型变得畏手畏脚，推理质量下降。后来精简成一句核心约束，效果反而更好。提示词不是越长越好，约束不是越严越好。

第二条，工具 Schema 的中文化要适度。我把所有工具描述都改成中文后，思维链中文比例确实上去了，但有个别工具的参数解析开始出问题——因为模型对某些英文参数名的理解更准。后来我改成"描述中文、参数名保留英文"，两边兼顾。

第三条，监控思维链语言比例，但别当核心指标。我在 Agent 的日志里加了一个简单的语言检测，统计每轮思维链的中文占比。这个数据用来观察趋势可以，但绝不能拿它当 KPI 去优化。有段时间我盯着这个指标调提示词，结果任务成功率掉了，得不偿失。最终还是要看任务成功率。

第四条，不同模型表现差异很大，选型时值得测一测。我测过的几个模型里，有的思维链几乎全程中文，有的漂移严重。如果你的场景对思维链语言敏感，选型阶段就把这一项纳入测试。测试方法很简单：给几个复杂推理任务，看思维链语言分布。

第五条，用户教育比技术干预更省事。如果是面向普通用户的产品，与其花大力气消除英文思维链，不如在界面上把思维链折叠起来，默认不展示，或者加一句说明"思考过程可能使用英文，不影响结果"。用户看不到，就不会焦虑。这招成本最低，效果最好。

最后说个我自己的体会：思维链语言这件事，本质上是"过程"和"结果"的取舍。我们太习惯盯着过程看，觉得过程不符合预期就是有问题。但大模型的推理过程，本来就不是给人看的，它是给模型自己用的草稿。草稿用什么语言、什么格式，只要不影响结果，就没必要过度干预。把精力放在结果质量、任务成功率、成本控制这些真正重要的指标上，才是正经事。