没有不值得去解决的问题,也没有不值得去学习的技术!

A Tour of Go 翻译质量再评估:minimal-protect 未达预期后,我开始比较 ChatGPT、Codex 与 GLM-5.2

图 3:3 个代表页 × 4 个评审模型,共 12 次匿名评审的完整排名与第一名票数。

作者:

在

Go 学习与文档多语言本地化项目

图3:访问过去的 Go Tour 简体中文站 tour.go-zh.org 时,当前已经无法正常建立连接。

(1) 从「A Tour of Go 中文版」这个搜索词开始:我决定做一个持续维护的 Go Tour 中文版

本地运行的 A Tour of Go「Methods continued」课程页面,左侧为课程说明,右侧为 Go 代码编辑器及运行结果。

(2) A Tour of Go 中文版项目设计冻结:从 101 页到 103 页,从 Gin 转向 Cobra CLI

A Tour of Go 中文版开发实战:英文基线、在线运行与 101 页上游同步体系

(3) A Tour of Go 中文版开发实战:英文基线、在线运行与 101 页上游同步体系

go-tour-i18n 项目完成首个简体中文课程页面 welcome/1 的整页翻译、结构校验和本地预览。

(4) A Tour of Go 多语言翻译项目实录:完成首个 zh-CN 页面翻译闭环

图 1:DeepSeek 官方更新日志显示,本次只更新 DeepSeek-V4-Flash,DeepSeek-V4-Pro API 与 APP、Web 模型均未更新

(5) A Tour of Go 中文翻译项目进展:完成前 8 页、修复 present 语法,并暂缓 DeepSeek 对比

图 1:generics/1 简体中文页面本地预览

(6) 一个页面重试五次:使用 GLM-5.2 翻译 A Tour of Go 时遇到的 Token 与 Present 结构问题

图 1:methods/16 简体中文页面浏览器预览

(7) A Tour of Go 中文翻译实录:如何只翻译教学代码注释,而不破坏 Go 代码

图 2:A Tour of Go methods/20「练习:错误」中文候选页面最终渲染效果

(8) A Tour of Go 多语言翻译:当正确的中文语序被受保护标记顺序校验误判

图 3:methods/24 中文页面,静态代码、Bounds 行内代码和链接内的 image.Rectangle 均正确渲染

(9) A Tour of Go 中文翻译完成 7 个代表页校准:最后 3 页又发现了哪些真实问题

图 2:首批 10 个普通页面经过试跑与流程校准后全部进入 ready

(10) A Tour of Go 多语言翻译项目:首批 10 个普通页面试跑,从 2 个 blocked 到全部 ready

图 2:flowcontrol/6 最终中文页面,return 与 v 为适应自然中文语序发生整体换位

(11) A Tour of Go 中文翻译第二批实跑:从 Inline Code 顺序误判到历史响应重新验证

图 1:flowcontrol/6 首次原始输入实验直接通过统一自动校验

(12) A Tour of Go 多语言翻译项目:从 swap 问题重新审视 Token 保护,原始输入与最小保护的一次真实实验

图 7:moretypes/1 最终中文页面预览。左侧课程正文、静态代码块、行内代码和教学注释均正常渲染,右侧官方 Go 示例继续保持原样。

(13) A Tour of Go 多语言翻译实战:第三批 10 页全部 Ready,继续校准 Protected Token 的结构角色

图 4:上游源码确认共有 103 个课程页面,zh-CN 最终达到 ready=103、pending=0、blocked=0

(14) A Tour of Go 多语言翻译项目:zh-CN 103 个课程页面全部 ready,课程正文翻译阶段完成

图 4:GitHub 与 ChatGPT 已成功连接

(15) ChatGPT 连接 GitHub 实测:让 AI 直接读取 go-tour-i18n 仓库参与译文审核

图 3:中文 Go 术语校准完成后,将确定的译法写入 zh-CN glossary

(16) 为什么 channel 最终选择“通道”:A Tour of Go 中文术语统一的一次实践

图 1:技术含义基本正确,但“返回一个返回……”已经明显影响阅读,因此仍被列入 C 类修订

(17) 103 页逐页审核后,只返修 16 页:A Tour of Go 中文正文发布前质量审计

图 2:中文课程页面以及已经完成本地化的编辑器控制区

(18) A Tour of Go 多语言翻译项目:公共 UI 本地化完成,从课程译文走向完整中文界面

图 2:完整 zh-CN 正式投影成功生成,103 个课程页面被重新组装为 7 个 .article

(19) 从 103/103 ready 到完整站点验收:A Tour of Go 中文版补齐正式投影与课程元数据本地化

图 3:从 production bundle 独立启动的 A Tour of Go 简体中文页面,课程正文、公共 UI 和官方 Go 示例均已进入最终发布形态。

(20) A Tour of Go 多语言翻译项目:103 页全部完成后,我终于生成了可独立部署的 zh-CN Production Bundle

图 1:A Tour of Go 简体中文版正式生产页面,远程运行已经成功输出“Hello, 世界”。

(21) A Tour of Go 多语言翻译项目:zh-CN 正式上线,从生产发布到 go.dev Playground 的完整部署记录

图 1:新生产域名 go-dev.shuijingwanwq.com 已正常访问,Go 示例远程运行成功

(22) A Tour of Go 多语言翻译项目:从 go-tour 到 go-dev,完成 EdgeOne、Nginx 与 HTTPS 生产域名迁移

图 1:A Tour of Go 多语言翻译项目正式生产首页

(23) A Tour of Go 多语言翻译项目正式上线:从项目首页、公共 Footer 到生产发布元数据的完整收尾

图 3:GA4 g/collect 请求返回 HTTP 204,并携带当前课程页面地址,确认 Google Analytics 已产生真实事件上报

(24) A Tour of Go 多语言翻译项目:接入 Google Analytics 与百度统计,从 systemd 注入到 EdgeOne 与真实上报验证

图 1:生产环境 robots.txt 与 sitemap.xml 已正确对外提供,Sitemap 共包含 104 个规范 URL。

(25) A Tour of Go 中文站上线后:补齐 robots.txt、Sitemap,并完成五大搜索引擎提交

图 4:发布生产并刷新 EdgeOne 缓存后,再次通过真实手机访问,顶栏项目名称已经完整保持在一行,最终移动端验收通过。

(26) A Tour of Go 多语言翻译项目:修复手机端首页顶栏标题换行,并完成真机验证

图 3:生产自动部署脚本第一次真实运行时,systemd 已经显示 active,但首次 localhost 探测仍然得到 HTTP 000;随后连续 3 次同时满足 active + HTTP 200 后,脚本才判定部署成功,并继续完成公网 HTTP 200 验收。这次真实运行验证了连续应用层健康检查的必要性。

(27) A Tour of Go 多语言翻译项目:从一次 203/EXEC 故障到生产自动部署脚本落地

图 1:阿里云生产环境访问 go.dev Playground 时出现 TLS 握手超时

(28) A Tour of Go 多语言翻译项目:为 Playground 搭建独立的 ZgoCloud 执行代理

图 3:清除 /tour/script.js 缓存后,Run 已直接请求 ZgoCloud /compile 并返回 HTTP 200

(29) A Tour of Go 多语言翻译项目:将生产 Run / Format 切换到 ZgoCloud 执行节点

【图 1:微信中运行 Go 示例时出现 Error communicating with remote server.】

(30) A Tour of Go 中文版手机端运行与格式化偶发失败排查:从间歇性报错到补强 Nginx 可观测性

【图 4:向 golang-dev 公开邮件列表发送 Playground 使用告知邮件并投递成功】

(31) A Tour of Go 多语言项目:为 Playground 代理增加唯一 User-Agent,并主动告知 Go 官方

【图 3:百度剩余 9 个核心 URL 提交成功,remain 归零】

(32) A Tour of Go 搜索引擎收录实测:从 Google 自然索引到百度主动提交与 Bing IndexNow

【图 1:当前正式中文 methods/24 页面,右侧示例代码运行成功】

(33) A Tour of Go 中文翻译完成后,我为什么重新评估 minimal-protect 翻译模式

【图 3:5 个页面 Request SHA256 完全一致,但 Response SHA256 全部不同】

(34) A Tour of Go 翻译实验:更多原始上下文为什么没有更好?从 157 个保护标记到 30 次重复盲评

图 3:3 个代表页 × 4 个评审模型,共 12 次匿名评审的完整排名与第一名票数。

(35) A Tour of Go 翻译质量再评估:minimal-protect 未达预期后,我开始比较 ChatGPT、Codex 与 GLM-5.2

图 2:GitHub 中的 chatgpt-zh-CN-008 重译批次。一个 Batch 同时保存 inputs、raw-responses、candidates、validation 和 retry 记录,GitHub 成为 ChatGPT 与本地翻译流水线之间的数据交接层。

(36) 没有 OpenAI API,我如何用 ChatGPT + GitHub 完成 A Tour of Go 103 页全量重译

图 1:103 个正式课程页面完成最终语义质量审核,结果为 A=103、B/C/D=0,同时不存在缺失、重复或额外页面。A/B/C/D 是本轮项目内部语义质量分级,并不是自动结构 validator 的结果。

(37) 103 页翻完还不能发布:A Tour of Go ChatGPT 译文的语义审核与 Canonical Promotion

图 3:7 个 article endpoint 的 production origin 与 EdgeOne 公网响应全部 exact match,同时新的 ChatGPT 译文标记存在,旧版译文标记已经消失。

(38) 103/103 与 7/7 Exact Match:A Tour of Go ChatGPT 新译文的最终线上验收

【图 2:upstream source preview】

(39) A Tour of Go 多语言翻译项目首次实现 upstream 同步机制:从一次性翻译到长期维护

图 2:A/B/C/D 质量评级规则,展示正式质量 rubric 与 Promotion gate。

(40) A Tour of Go 多语言翻译项目引入 Translation Quality Review:从自动验证到 AI 翻译质量控制

图 4:翻译后 Playground Example,展示中文注释与保持不变的 Go 代码结构。

(41) A Tour of Go 多语言翻译项目实现 Playground Example 本地化:从代码注释翻译到完整学习体验

图 5:公网页面验证广告脚本输出

(42) A Tour of Go 多语言翻译项目接入广告系统:从 AdSense 专用配置到通用 HTML 注入架构

图 3:百度统计单页应用设置

(43) go-dev 单页网站接入统计与 Google AdSense Auto Ads 验证记录

图 1:GitHub 仓库中的多语言翻译项目结构

(44) A Tour of Go 多语言翻译项目:选择日语作为第二语言并启动翻译验证

图 5:模型身份描述不一致

(45) A Tour of Go 多语言翻译项目中的 AI 协作异常排查:一次长期工程会话失效分析

【图 1:ChatGPT GitHub 写入流程调整说明截图】

(46) go-tour-i18n 翻译流程调整:从 ChatGPT GitHub 写入到本地 artifact 导入

图 4 展示了本次异常状态。

(47) go-tour-i18n 翻译自动化流程复盘:已验证的 ChatGPT 翻译能力在新任务中的稳定性问题

【图 6:全部评审结束以后才读取 secret key,完成最终揭盲】

(48) A Tour of Go 翻译质量再评估:Codex High 已接近 ChatGPT High,我决定调整默认翻译引擎

图 4:ja-JP 生产课程页实际运行 Go 示例

(49) A Tour of Go 日语版正式上线:第二门语言 ja-JP 完成生产发布

图 1:ja-JP 上线以后,先提交“新增语言标准化流程”

(50) A Tour of Go 多语言扩展复盘:为第三门语言建立标准化流程

图 1:课程正文结束以后,页面左侧仍然存在大块视觉空白,但 AdSense 并没有在这里插入展示广告。

(51) A Tour of Go 明明有大片空白,为什么 AdSense 就是不显示展示广告?

图 2:golang/website 当前的 _content/tour/。课程内容、静态资源和模板都在这个上游目录中持续维护。

(52) 为了 AdSense,要不要放弃 SPA?A Tour of Go 页面架构的一次取舍

图 4:最终的手动课程广告真实展示在课程内容区域内,而不是 footer 之后。

(53) 保留 SPA 以后,广告应该放在哪里?从 AdSense 预览到方案 B

图 1:Google Search Console 中,多个不同的 A Tour of Go 课程 URL 被判断为“重复网页,用户未选定规范网页”。

(54) SPA 的 SEO 老问题:为什么最后还是给 103 个 A Tour of Go 课程页生成了 Prerender HTML

图 2:方案 B 生产环境中,源码已经正常,但课程主体高度异常缩短,footer 提前进入第一屏。

(55) 从源码空白到 AdSense 高度污染:A Tour of Go 方案 B 的生产收尾

图 1:A Tour of Go 德语版 de-DE 已正式运行在生产环境

(56) A Tour of Go de-DE 上线复盘:第三门语言用了约 16 小时,下一门如何压到 8 小时?

图 1:fr-FR 首次 production 验收完成后,我没有立即开始 ko-KR,而是先连续完成新增语言与首次生产流程的优化

(57) 法语版上线后,我没有马上开始韩语:A Tour of Go 新增语言流程的一轮完善与简化

图 1:根据 ko-KR 期间 76 次 Git 提交估算实际工作时间

(58) 原本预计 6 小时,最后用了约 16~18 小时:A Tour of Go 韩语版上线复盘

图 2:英文 source 与当时发生 validation failure 的 ko-KR candidate 对比

(59) Validator 报错,到底该改译文还是改规则?一次 A Tour of Go 韩语翻译实战

图 2:法语 A Tour of Go 仓库目前已经归档,页面仍保留 553 Commits 和 61 Contributors 的历史

(60) 从法语 553 次提交到韩语两代离线:A Tour of Go 社区翻译为什么难以长期维护

【图 4:es-ES 首次 Production 收口后连续完成的流程优化 commit】

(61) 从 es-ES 首次上线复盘:我把 A Tour of Go 新增语言的 Production 流程又收敛了一轮

图 1:旧公网验收链路连续出现 curl 28 超时,最终导致 public-machine 阶段失败

(62) A Tour of Go Production 公网验收踩坑:从跨境 SOCKS 链路改为 zgocloud direct

图 1:两次 Production Machine Acceptance 都已经通过,但 Headless Chrome 分别在 / 和 /tour/ 判定页面没有完成渲染

(63) 页面明明能打开,为什么 Headless Chrome 仍然判定 Production 失败?

图 3:Bing 从 Google Search Console 中识别到新的 it-IT 站点,并同时发现已有的 1 个 sitemap

(64) GSC → Bing Webmaster Tools:多语言站点如何减少重复验证

图 3:英文站 3 小时内出现 565 个 Cloudflare 来源 URL

(65) IndexNow 实战:手工提交长期不显示,Cloudflare Crawler Hints 却很快出现在 Bing Webmaster Tools

【图 1:A Tour of Go 项目首页目前的语言版本列表】

(66) 从 nl-NL 到 tr-TR:A Tour of Go 连续上线三门语言后,我又优化了哪些流程

【图 4:Go local 页面中已经出现 French、German、Korean、Simplified Chinese】

(67) 从邮件无人回复到进入 Go 官方 Go local:我的 4 个 A Tour of Go 翻译站终于被收录

图8:最终只保留一把启用的新 API Key

(68) 腾讯云 EdgeOne API 自动化:从 CAM 子用户到最小权限 API Key 的完整配置

【图 7:Production Release Batch 最终汇总】

(69) 从同步 Go 官方上游到一个命令发布 10 个语言站:A Tour of Go Production 流程的再次收敛

【图 3:Cloudflare Smart Tiered Cache 已启用】

(70) Cloudflare 缓存 HIT 很快,MISS 却不稳定:回源阿里云杭州的一次真实优化

【图 3:简体中文站 Support 页面】

(71) 广告之外,社区项目如何长期活下去?我给 A Tour of Go 多语言项目加了 Support

图5:评论成功发布

(72) 从 Go Weekly 到 Reddit、DEV 和 Go Forum:第一次系统推广 A Tour of Go 多语言项目

【图 4:RTL 桌面课程布局修复后的效果】

(73) 第一次把 A Tour of Go 做成 RTL:阿拉伯语版本上线,以及我踩过的几个坑

多语言项目应该先做哪些语言?我的 66 个语言版本商业优先级排序

(74) 多语言项目应该先做哪些语言?我的 66 个语言版本商业优先级排序

当术语一致性遇到性能瓶颈:Go 多语言翻译项目的一次架构取舍

(75) 当术语一致性遇到性能瓶颈:Go 多语言翻译项目的一次架构取舍

从 A Tour of Go 走向 Go Learning & Documentation:为什么这个多语言项目需要 v2

(76) 从 A Tour of Go 走向 Go Learning & Documentation:为什么这个多语言项目需要 v2

Markdown 明明可以拆成很多段,为什么 v2 仍然坚持一个 Page 就是一个 TranslationUnit

(77) Markdown 明明可以拆成很多段,为什么 v2 仍然坚持一个 Page 就是一个 TranslationUnit

Tour、Learn、Docs 为什么不应该各维护一份术语表:v2 的统一 Glossary 设计

(78) Tour、Learn、Docs 为什么不应该各维护一份术语表:v2 的统一 Glossary 设计

v2 术语表变更后的页面影响范围判断流程:区分 Compatible 与 Affected,只处理真正受影响的页面。

(79) 术语表改了,为什么不应该让所有页面重新翻译?v2 的影响范围判断

CLI 性能优化示意图:通过 Prepare Once、Reuse Many Times,将执行时间从 6m54.554s 降至 10.335s,约提升 40.1 倍。

(80) 从 6 分 54 秒到 10.3 秒:Go 多语言项目一次 CLI 性能优化实战

Markdown Page 经过 Parse / Protect、Generation 和 Reconstruct / Validate 的流程示意图,强调保护 inline code、链接、代码等机器语义,同时允许译文按照自然语言调整语序。

(81) Markdown 不是纯文本:Learn / Docs 为什么需要新的 parser 与结构保护

历史为什么值得保留:复用已经完成的翻译成果,而不是重新做一遍

(82) 历史为什么值得保留:复用已经完成的翻译成果,而不是重新做一遍

历史状态通过 Trusted Checkpoint 建立可信断点,旧记录继续保留用于审计和诊断,后续工作流从当前状态继续向前,不再要求无限重建过去。

(83) 历史应该被保留,而不是被反复重建:v2 为什么最终需要一个“断点”

v2 依赖与失效传播流程图:从内容变化开始,评估依赖关系和真实影响,将结果区分为“仍然有效”和“需要失效”,只让真正受影响的状态重新进入流程。

(84) 一次内容变化,到底应该让哪些状态失效?v2 的依赖与失效传播设计

v2 本地内容覆盖判断流程图:官方英文页面先检查是否已有正式本地覆盖,有覆盖时使用本地 URL,没有覆盖时直接链接 go.dev,并保持本地路径真实 404。

(85) 有英文页面,不代表一定应该有本地页面:v2 如何处理本地内容覆盖、canonical 与真实 404

v2 代码注释完整性审计流程图:从源页面建立代码块清单,分类教学注释、机器语义和无法判断的内容,再与当前译文精确对应,确认 missing、extra 和 protected mutation 均为 0。

(86) 代码块里的注释为什么不能只靠肉眼检查?v2 如何统计并验证代码注释翻译完整性

结构化语义输入扩展示意图:同一份 books.yaml 原始文件保持不变,旧 parser 识别 10 个可本地化单元,当前 parser 识别 12 个,并新增 PDF 和 GitHub,确认旧单元无删除无修改后重新进入 Generation。

(87) 原始文件一个字没变,为什么还要重新翻译?从 books.yaml 10→12 看语义输入扩展

v2 Activation 流程图:Surface PASS 后先执行只读 activation-preflight 获取 prior_sha256,activation-apply 时通过 CAS 再次比较当前状态,只有 current 等于 prior 才提交 result_sha256,否则停止并重新 preflight。

(88) 审核都通过了,为什么上线前还要再检查一次?v2 的 Activation、prior SHA 与 CAS 设计

v2 分层验证流程图:TranslationUnit、Package Closure 和 Integrated Surface 均通过后进入 Activation,再由 Preview 检查 LoadContent、Compose、Resolver 和 Renderer 的真实运行链;如果实际使用错误 renderer,即使前置内容全部通过,Preview 仍然失败。

(89) Surface 已经 PASS,为什么 Preview 还是会失败?从一次 wrong renderer 看分层验证的价值

更快不一定更好:为什么我主动撤销了一次已经明显变快的性能优化

(90) 更快不一定更好:为什么我主动撤销了一次已经明显变快的性能优化

TranslationUnit 同类问题完整性示意图:左侧 Reviewer 只列出 3 个 examples,Generation 只修这 3 处后仍留下 5 个同类问题,re-QC 再次判 B;右侧 Reviewer 明确 defect category 和 bounded scope,Generation 执行 same-class complete sweep,最终同类残留为 0 并进入 re-QC A。

(91) 为什么修完 Reviewer 指出的所有例子,下一轮还是会失败?从 B→revision→B 看同类问题完整性

immutable source 与 replacement successor 示意图:左侧直接把旧 canonical source A 覆盖成 source B,会使旧 Generation、Review 和 Closure evidence 失去准确对应;右侧保留 source A 作为 immutable predecessor,为新正文建立 source B successor,并重新进入 corpus、glossary review、Generation、QC、closure、Surface 和 Activation 生命周期。

(92) 页面明明是我自己的,为什么不能直接重写?从 /translation/ 改版看 immutable source 与 replacement successor

protected representation 修订能力示意图:左侧 http.Client 被正确保护为 token;中间普通自然语言 Documentation 被错误保护为 opaque token,导致合法 revision 被阻塞;右侧保留旧 representation,通过 representation successor 建立新的可编辑表示,再继续 Generation 和独立 re-QC。

(93) 保护机制也会保护错东西:为什么一个 Documentation 能阻塞整页修订?

一个候选快照原本只应包含 1 个首页翻译单元,却因内容包范围未显式绑定而错误纳入 122 个翻译单元;通过 --content-package site-v2-shell 明确内容包后恢复到正确范围。

(94) 一个候选快照为什么突然多出 122 个单元?从隐式范围到显式内容包契约

Shell 自动化中,当前性检查命令失败并打印 RESULT=FAILED,但由于顶层子 Shell 中错误使用 return,后续命令仍继续执行,最终又打印出错误的 RESULT=PASS。

(95) 命令明明失败了,为什么最后还是 PASS?一次 Shell 自动化的 fail-closed 教训

【图8:Google AI 概览——引用网站的课程目录页】

(96) 同一个 Go 语言之旅网站,Bing、Google 和百度的搜索表现差距有多大?

多个正式命令原本分别重复构建当前内容成员、历史审核链、回执、SHA 和身份标识等可信环境;优化后改为先建立一次已验证的执行环境,再由 current-check、result-pack、import 等连续命令安全复用。

(97) 一个命令快了还不够:为什么我的性能优化开始转向跨命令环境复用

learn-docs-v1 原本以 49 个页面完成了翻译、审核和最终确认,后来发现还缺少 /doc/ 与 /doc/install 两个页面,导致内容包必须从 49 Page 迁移到 51 Page。图片对比了“后期补齐造成迁移成本”和“在 Generation 前先完成成员完整性审计”两种方式。

(98) 只是多了 2 个页面,为什么却触发了一次 49→51 的迁移?

【图2:维护者在 GitHub Issue #1 中回复,说明 math.pi 是官方课程有意设计的教学示例】

(99) 开源项目收到第一个 Issue:为什么我最终选择不修改代码?

一个翻译项目,为什么最后花了大部分时间证明基础设施?

(100) 一个翻译项目,为什么最后花了大部分时间证明基础设施?

【图2:GitHub Secret Scanning 显示 Google API Key 告警】

(101) GitHub 提示 Google API Key 泄露:为什么我最终选择了 Won’t fix?

A Tour of Go 简体中文第一阶段完成以后,我一直没有马上把翻译流程视为已经定型。

当前 103 个课程页面已经全部进入 ready,公共 UI、文章元数据、生产发布、代码运行与格式化等环节也已经完成。现有中文版本本身已经可以正式使用。

但对于一个以翻译质量为核心价值之一的项目来说,“已经可以用”和“已经做到当前能够达到的最好水平”并不是同一件事。

过去两天,我实际上一直在追同一个问题:

现有中文还有没有可能从已经不错的水平继续向上提高?

8 月 16 日的第一篇记录:

8 月 17 日的后续实验:

一开始,我认为答案可能在 minimal-protect。

但经过后续实验以后,现在的方向已经发生了变化。

不是质量目标改变了。

而是:

原来希望通过 minimal-protect 达到的质量提升,没有在实验中兑现。真正值得继续研究的变量,开始从 Protection Policy 转向 Translation Engine 本身。

一、上一篇给出的约 94 分,到底代表什么

在 8 月 16 日的文章中,我曾经对当前正式 zh-CN 的翻译质量做过一次工程性估计。

当时给出的判断是:

Plaintext
当前正式 zh-CN:
约 94 分

合理范围:
约 93~95 分

这里需要再次明确它的含义。

这不是专业翻译机构的正式评分,也不是把 103 个页面全部逐句人工审校、分别打分以后计算出来的数学平均值。

它是结合代表页、现有正式译文、英文原文以及整个第一阶段长期翻译过程中积累的观察,对完整 103 页正式 zh-CN 版本整体水平做出的工程性估计。上一篇文章对此也做了明确限定。

现有版本的主要特点已经比较稳定:

英文原意基本准确;

Go 技术术语比较统一;

明显机器翻译腔已经很少;

整页上下文总体连贯;

教程式中文表达已经比较自然;

103 个正式页面全部通过统一结构和页面验证。

所以后来重新研究翻译架构,并不是因为现在的中文版质量差。

恰恰相反。

正是因为已经到了大约 94 分这个区间,剩下那几分才开始变得更加难拿。

二、最开始,我把 96~97 分的希望放在 minimal-protect 上

上一篇文章里,我当时给成熟 minimal-protect 设定的目标大约是:

Plaintext
当前正式版:约 94
        ↓
成熟 minimal-protect:约 96~97

这也是当时继续实验的最重要原因之一。

最初的假设很直观。

Default protected-token 会提前保护:

Plaintext
.play directive
链接 target
行内代码
预格式化代码
其他机器结构

如果保护得太多,模型看到的页面就会包含越来越多占位符。

从模型视角来看,原始语义环境可能因此受到影响。

所以当时我认为:

如果减少保护,只拿走真正不能修改的机器结构,把更多真实页面上下文直接交给 GLM-5.2,也许可以继续提高语言质量。

这就是 minimal-protect 最初吸引我的地方。

而 96~97 分,就是希望这条路线最终能够达到的质量区间。

但是后续实验没有沿着这个预期发展。

三、157 个 protected token 审计后,第一个核心假设没有成立

后续我首先对 7 个代表页的 Default protected-token 做了实际信息损失审计。

7 页一共包含:

Plaintext
Protected tokens: 157
Replaced source bytes: 1,206

进一步分类以后发现:

Plaintext
机器结构:761 bytes
代码 / 技术内容:419 bytes
固定自然语言:26 bytes

被隐藏的可翻译英文自然语言:
0

比例:

Plaintext
0.00%

这个结果非常关键。

此前担心的是:

Default 保护太多,可能把模型理解译文所需要的英文自然语言上下文一起藏起来了。

但实际检查后,并没有发现这种情况。

Default 虽然确实使用了大量 protected token,但保护的主要是机器结构、代码和链接 target。

真正需要翻译的页面级自然语言仍然完整存在。

于是“减少 protected token → 模型看到明显更多自然语言上下文 → 中文质量显著提高”这条推理链,第一环就开始失去依据。

四、继续补充 Static Context,同样没有带来稳定优势

我随后又换了一个方向。

既然 minimal 模式的优势可能来自模型看到更多原始代码和技术上下文,那么能不能:

继续使用 Default 的结构安全能力,同时额外把静态上下文提供给模型?

于是做了 Static Context 实验。

固定:

Plaintext
5 个页面
×
2 种模式
×
3 次运行
=
30 次计划实验

最终结果:

Plaintext
Default

planned = 15
API success = 14
network failure = 1
validator pass = 12
validator fail = 2
usable/planned = 12/15

Static Context:

Plaintext
planned = 15
API success = 13
network failure = 2
validator pass = 9
validator fail = 4
usable/planned = 9/15

至少在这一轮实验里,增加更多静态上下文并没有表现出稳定优势。

反而是已经成熟的 Default,整体结构可用率更高。

这时候,继续把主要精力放在“到底再少保护几个 token”上,收益已经越来越可疑。

五、相同 Request 得到不同 Response,又暴露了另一个变量

实验继续以后,还发现了一个更重要的问题。

我固定了 5 个页面,保存并比较两次真实 API Request。

检查内容包括:

Plaintext
source
model
system message bytes
user message bytes
thinking
do_sample
max_tokens
实际 API payload

结果是:

Plaintext
REQUEST_IDENTICAL : true
RESPONSE_IDENTICAL: false

而且 5/5 页面都如此。

项目不去猜测 GLM-5.2 服务端内部到底发生了什么。

真正重要的是实际观察:

即使请求本身相同,最终译文仍然存在运行间波动。

有些波动甚至会改变 validator 的 pass / fail。

更有意思的是,同一种 Default 模式、同一个 methods/24 页面,在不同运行中曾经出现过匿名评审最好的候选,也出现过最差的候选。

到了这里,我越来越难继续支持最初的判断:

Plaintext
减少保护
↓
更多上下文
↓
GLM-5.2 稳定生成更好的中文
↓
约 94 → 96~97

至少按照现在已经得到的实验结果,minimal-protect 没有表现出实现这个目标所需要的稳定质量提升。

所以这条路线没有继续成为下一阶段的主线。

96~97 分这个目标没有放弃。

放弃的是“主要依靠减少保护就能达到这个目标”的预期。

六、于是问题从 Protection Policy 转向了 Translation Engine

到了这里,我重新换了一个问题。

如果:

Default 本身没有隐藏需要翻译的自然语言;

minimal-protect 没有显示稳定质量优势;

额外 Static Context 也没有显示稳定优势;

GLM-5.2 本身又存在比较明显的运行间候选波动;

那么继续花大量时间优化 Protection Policy,可能已经不是提高翻译质量最有效的地方。

真正应该比较的也许是:

Translation Engine 本身。

也就是说:

同一份完整英文课程页面,如果分别交给:

Plaintext
GLM-5.2
ChatGPT
Codex Sol

到底谁能够稳定生成质量更高的最终中文?

这就是今天这一轮实验的起点。

图 1:项目新增 TRANSLATION_QUALITY_EXPERIMENTS.md,正式记录翻译输入方式、运行时波动和 Translation Engine 最终译文质量实验。
图 1:项目新增 TRANSLATION_QUALITY_EXPERIMENTS.md,正式记录翻译输入方式、运行时波动和 Translation Engine 最终译文质量实验。

七、三种候选全部独立生成

为了让比较尽可能公平,这一次没有让三个模型互相参考。

GLM-5.2 使用当前项目的 canonical ready candidate。

它代表的是现有正式工作流最后保留下来的译文。

这里也不能简单称为“某一次未经处理的原始 GLM Response”,因为部分历史 candidate 可能经历过必要修正或者人工润色。

ChatGPT 则在新的隔离对话中生成译文。

输入包括:

完整可见英文 Section;

术语要求;

必要的结构规则。

但不提供现有中文 candidate。

Codex Sol 同样使用新的独立上下文,读取英文 Section、glossary 和结构规则,在生成以前禁止查看现有中文候选。

选择了三个代表页:

Plaintext
methods/24
concurrency/7
concurrency/11

它们分别覆盖:

短技术页;

并发练习页;

包含大量资料链接和长篇引导文字的课程尾页。

三种最终候选全部继续通过项目已有的统一 candidate validator。

图 2:ChatGPT、Codex Sol、GLM-5.2 三种独立候选来源,以及统一的匿名质量评审方法。
图 2:ChatGPT、Codex Sol、GLM-5.2 三种独立候选来源,以及统一的匿名质量评审方法。

八、结构可靠性和语言质量继续分开

这里还有一个实验过程中的小插曲。

ChatGPT 在 concurrency/7 和 concurrency/11 的原始回复中,第一页标题前面明确使用的是:

Plaintext
*

但在人工复制到后续 Codex 验证流程时,一度变成:

Plaintext
-

这不是 ChatGPT 把 present 结构翻译错了。

而是人工复制、Markdown 显示或者消息传递链路造成的数据漂移。

methods/24 中还出现过全角冒号、链接 label 中增加 inline-code 等 present 兼容问题。

这些问题需要修正,但它们和“中文翻得好不好”并不是一回事。

所以本轮实验继续坚持:

Plaintext
结构兼容性
≠
中文翻译质量

所有三方最终译文都先通过统一 validator,再进入匿名语言评审。

这件事还给下一阶段留下了一个很直接的经验:

如果最后真的重新翻译 103 页,就应该尽量消除人工复制粘贴。

九、四个模型做匿名评审

每一页的三份译文都随机映射为:

Plaintext
候选甲
候选乙
候选丙

在评分完成以前,不告诉评审模型候选来源。

然后分别交给:

Plaintext
ChatGPT
DeepSeek
GLM-5.2
豆包

四个模型评审。

每一页、每一个 judge 都使用独立的新对话。

所以最终共有:

Plaintext
3 个页面
×
4 个评审模型
=
12 次匿名评审

统一使用 100 分制:

Plaintext
技术准确性:30
原文忠实度:20
中文自然度:20
教学表达:15
术语一致性:10
可读性:5

除了打分,还要求每个 judge 给出:

排名;

具体优点;

具体问题;

最值得修改的一处措辞。

最终分析时,我没有直接把不同 judge 的绝对分数简单平均。

因为不同模型的评分尺度并不相同。

相比“一个模型给 97,另一个模型给 93”,排名、具体错误以及跨模型的一致倾向更有意义。

十、12 次匿名评审:ChatGPT 得到 8/12 第一名

完整结果整理以后:

Plaintext
ChatGPT:8/12 第一名
Codex:2/12 第一名
GLM-5.2:2/12 第一名
图 3:3 个代表页 × 4 个评审模型,共 12 次匿名评审的完整排名与第一名票数。
图 3:3 个代表页 × 4 个评审模型,共 12 次匿名评审的完整排名与第一名票数。

单看这个结果,ChatGPT 的优势已经比较明显。

但这里马上会遇到一个必须处理的偏差:

ChatGPT 自己也是 judge。

而 ChatGPT judge 在三个页面里恰好都把 ChatGPT 候选排在第一。

所以不能只看 8/12。

我随后把 ChatGPT 自己作为 judge 的三次评审全部排除。

只剩:

Plaintext
DeepSeek
GLM-5.2
豆包

共 9 次外部模型评审。

结果:

Plaintext
ChatGPT:5/9 第一名
Codex:2/9 第一名
GLM-5.2:2/9 第一名

也就是说:

即使完全去掉 ChatGPT 自己给自己的三票,ChatGPT 仍然是第一名次数最多的翻译来源。

这使结果的说服力明显提高。

十一、平均名次同样是 ChatGPT 第一

继续看排名稳定性。

全部 12 次 judge:

Plaintext
ChatGPT:1.33
Codex:2.25
GLM-5.2:2.33

只看 9 次外部 judge:

Plaintext
ChatGPT:1.44
GLM-5.2:2.11
Codex:2.33
图 4:全部评审和排除 ChatGPT self-judge 后的平均名次,以及本轮实验的质量观察。
图 4:全部评审和排除 ChatGPT self-judge 后的平均名次,以及本轮实验的质量观察。

这里我觉得比 8/12 更值得注意的是:

ChatGPT 的整体排名比较稳定。

它不是每一个页面、每一句话都压倒性领先。

不同 judge 对翻译的偏好明显不同。

例如有的 judge 更强调逐字忠实;

有的更看重自然中文;

有的特别关注教程场景;

有的接受一定程度的中文化重组。

所以 Codex 和 GLM-5.2 都有赢得第一名的页面。

但 ChatGPT 比较少明显掉到后面。

对于一个需要批量翻译上百个页面的项目来说,我认为这种稳定性很重要。

十二、这并不意味着现有 GLM-5.2 中文质量差

这次结果也不能被理解成:

Plaintext
ChatGPT 好
GLM-5.2 差

四个 judge 对三种候选的评价其实反复出现同一个特点:

三者总体都已经属于高质量译文。

多数争议集中在:

一句话应该更忠实还是更自然;

某个标题应该保留英文隐喻还是中文化;

“simple”应该译成“简单”还是“简洁”;

“ignore”应该译成“不考虑”还是“暂不深入讨论”;

教程语言应该更正式还是更口语。

真正严重的技术错误非常少。

所以当前 103 页并不存在因为翻译质量不合格而必须立即废弃的问题。

现有正式 zh-CN 仍然保持:

Plaintext
ready=103
pending=0
blocked=0

production 也不因为这轮实验发生变化。

十三、但现在终于找到了一条更可能接近 96~97 分的路线

这也是今天对我最重要的结果。

上一篇文章中的目标是:

Plaintext
当前正式版本:
约 94

希望达到:
约 96~97

当时认为实现方法可能是:

Plaintext
GLM-5.2
+
minimal-protect

现在经过保护范围审计、重复实验、Static Context 和运行间波动验证以后,这条路线没有表现出预期中的质量收益。

所以:

minimal-protect 并没有把约 94 分稳定推向 96~97 分。

继续围绕保护范围做细微调整,已经不是当前最有价值的投入方向。

但是今天的 Translation Engine 对比第一次给出了另一条比较明确的信号:

Plaintext
当前 GLM-5.2 正式译文
        ↓
更高质量 Translation Engine
        ↓
ChatGPT 在多模型匿名评审中明显领先
        ↓
值得扩大样本继续验证

因此:

96~97 分这个目标没有改变,改变的是实现目标的技术路线。

原来希望:

Plaintext
优化 Protection Policy
→ 提高质量

现在更倾向于:

Plaintext
更换 Translation Engine
+
继续复用成熟 validator
→ 提高质量

十四、如果真的能从约 94 提升到 96~97,我认为值得重新翻译

这也回到了我现在真正纠结的问题。

现有正式 zh-CN 的工程性总体估计约为:

Plaintext
94 分

合理范围约:

Plaintext
93~95

如果后续扩大 ChatGPT 重译样本以后,能够证明:

它不是只在这三个页面偶尔更好;

而是在更多页面中仍然稳定受到多个独立 judge 的偏好;

技术准确性、忠实度、中文自然度和教学表达都能保持优势;

最终能够把整体质量稳定推向:

Plaintext
96~97

甚至更高,那么我认为重新翻译 103 页是值得的。

对于一个普通软件项目来说,从 94 分提高两三分可能没有必要。

但这个项目本身的核心产品之一就是翻译。

翻译质量提高,本身就是产品升级。

十五、真正决定是否重翻的另一个因素,是能否把工作量压下来

103 页其实并不是特别大的数量。

真正让全量重翻变麻烦的,是这种流程:

Plaintext
打开英文页面
↓
复制
↓
打开 ChatGPT
↓
粘贴
↓
等待翻译
↓
复制中文
↓
再交给 Codex
↓
保存 candidate
↓
校验
↓
下一页

如果 103 页全部手工重复,真正浪费时间的不是模型翻译,而是人与多个工具之间来回复制。

而且今天已经看到,人工传递本身还可能造成:

Plaintext
* → -

这一类非模型产生的数据变化。

所以如果要重翻,我希望先解决流程问题。

我目前认为,103 页如果能做到足够自动化,整个重译、结构处理和自动验证过程,人工工作量有希望控制在大约 1~2 天量级。

如果真能做到这一点,那么:

Plaintext
较低的一次性迁移成本
+
明显更高的长期译文质量

我认为是值得投入的。

十六、下一阶段不是直接覆盖 103 页,而是建立 retranslation staging

当前已经确定的原则仍然很保守。

不会执行:

Plaintext
ChatGPT 翻译
↓
直接覆盖现有 candidate
↓
上线

更合理的流程应该是:

Plaintext
完整英文 Section
↓
ChatGPT 整页翻译
↓
原始响应直接保存
↓
Codex / 本地工具做必要结构适配
↓
统一 candidate validator
↓
render / page validation
↓
新的 retranslation candidate staging
↓
与现有 canonical candidate 比较
↓
达到替换标准
↓
才允许正式切换
图 5:当前项目决策、质量提升工作假设,以及下一阶段自动化 ChatGPT retranslation staging 的方向。
图 5:当前项目决策、质量提升工作假设,以及下一阶段自动化 ChatGPT retranslation staging 的方向。

这里有几个原则不会改变。

首先,尽可能不再要求我逐页复制粘贴。

其次,ChatGPT 原始输出应该直接、完整地保存下来。

第三,结构修正和语言质量必须分开。

第四,无论译文来自 GLM-5.2、ChatGPT 还是其他模型,都必须经过同一套 validator。

第五,新的 103 页重译结果首先进入独立 staging。

第六,在新版本没有证明自己更好以前,现有 103 个 canonical candidate 和 production 都保持不变。

十七、Codex 的角色也开始变得更清楚

这次实验里还有一个比较意外的结果。

Codex Sol 自己生成的中文其实也相当有竞争力。

12 次评审中,它获得了 2 次第一名。

但综合结果仍然没有支持它取代 ChatGPT 成为当前最高质量的翻译端。

反而让我更明确了一个很适合后续工程化的分工:

Plaintext
ChatGPT
→ 重点负责高质量整页翻译

Codex
→ 负责仓库读取
→ candidate 写入
→ present 结构适配
→ validator
→ render / test
→ 状态和 diff

现有本地工具
→ 提供确定性结构校验和发布门槛

这种分工比要求一个模型同时负责所有事情更合理。

ChatGPT 做它目前表现最好的语言工作。

Codex 做它更擅长的仓库和工程工作。

而项目现有 validator 继续承担最终的确定性安全边界。

十八、这几天的实验实际上完成了一次方向切换

回头看这三轮实验,路线变化已经很清楚。

最初是:

Plaintext
现有中文约 94 分
↓
怀疑 protected-token 保护过多
↓
研究 minimal-protect
↓
希望达到 96~97

随后实际得到:

Plaintext
Default 157 个 protected token
↓
隐藏可翻译自然语言 = 0

minimal-v1
↓
没有稳定质量优势

Static Context
↓
没有稳定优势

相同 Request
↓
Response 仍存在运行间变化

于是原来的质量提升假设没有兑现。

研究重点开始变成:

Plaintext
Protection Policy
↓
Translation Engine

再往后:

Plaintext
ChatGPT
Codex
GLM-5.2

↓ 三方独立候选

ChatGPT
DeepSeek
GLM-5.2
豆包

↓ 12 次匿名评审

ChatGPT:
8/12 第一名

排除 ChatGPT self-judge:
5/9 第一名

这才形成现在的新方向。

十九、现阶段的结论

当前我不会因为这次实验立即重新翻译 103 页。

但现在已经有足够证据让我继续往前验证 ChatGPT。

现阶段可以确定的是:

第一,现有正式 zh-CN 本身已经是高质量版本,工程性总体估计约 94 分。

第二,原本希望依靠 minimal-protect 把质量稳定提升到 96~97 分,但后续实验没有显示出足够的质量收益,这条路线不再作为主要优化方向。

第三,ChatGPT、Codex、GLM-5.2 的三方匿名比较中,ChatGPT 当前表现最好。

第四,即使排除 ChatGPT 自己作为 judge,ChatGPT 仍然在外部模型评审中保持第一名次数和平均名次领先。

第五,96~97 分的质量目标仍然值得追求,但现在更值得尝试通过更高质量的 Translation Engine 来实现。

第六,如果 ChatGPT 在扩大样本后仍然能够稳定提高质量,同时 103 页重译流程可以高度自动化并把人工工作量压到约 1~2 天,那么我倾向于重新翻译整个 zh-CN。

对于这个项目来说,第一阶段解决的是:

Plaintext
能不能建立一个完整、可靠、可以持续发布的 A Tour of Go 中文版本?

这个问题已经解决。

下一阶段真正要回答的开始变成:

Plaintext
在完整和可靠的基础上,
还能不能把翻译质量继续做到更高?

前面我一度以为,答案可能是 minimal-protect。

现在实验让我转向了另一个答案:

也许真正需要升级的,不再是模型前面的保护规则,而是模型本身。

接下来就准备验证这件事。

Go 学习与文档多语言本地化项目

本系列完整记录 Go 学习与文档多语言本地化项目从 A Tour of Go 起步,逐步扩展到站点首页、项目说明页、学习内容、文档以及未来内容包的实际开发过程,包括架构设计、统一术语治理、整页翻译、结构保护、自动校验、独立质量审核、生产发布与长期维护。

项目源码:
✅ GitHub:shuijingwan/go-tour-i18n

语言版本:

当前跨项目目标语言池共包含 66 个语言版本。Go 项目本身目前提供 65 个社区 Production 语言版本,下面每一门 Go 语言版本都直接链接到其当前公开站点。语言列表沿用项目首页现有的展示顺序。

英语(美国)仅作为跨项目目标语言纳入列表,并不是单独的 Go Production 语言版本。当前 Go 的英文源内容仍为官方 generic English,因此英语(美国)链接到 Go 官方站点,而不是不存在的本地社区部署。

  1. 阿姆哈拉语
  2. 阿拉伯语
  3. 孟加拉语
  4. 葡萄牙语(巴西)
  5. 保加利亚语
  6. 加泰罗尼亚语
  7. 克罗地亚语
  8. 捷克语
  9. 丹麦语
  10. 荷兰语
  11. 英语(美国)(Go 官方英文站点)
  12. 英语(澳大利亚)
  13. 英语(加拿大)
  14. 英语(印度)
  15. 英语(新加坡)
  16. 英语(南非)
  17. 英语(英国)
  18. 爱沙尼亚语
  19. 菲律宾语
  20. 芬兰语
  21. 法语(法国)
  22. 法语(加拿大)
  23. 德语(德国)
  24. 德语(奥地利)
  25. 德语(瑞士)
  26. 希腊语
  27. 古吉拉特语
  28. 希伯来语
  29. 印地语
  30. 匈牙利语
  31. 印度尼西亚语
  32. 意大利语
  33. 日语
  34. 卡纳达语
  35. 哈萨克语
  36. 韩语
  37. 西班牙语(拉丁美洲)
  38. 拉脱维亚语
  39. 立陶宛语
  40. 马来语
  41. 马拉雅拉姆语
  42. 马拉地语
  43. 书面挪威语(Bokmål)
  44. 波斯语
  45. 波兰语
  46. 葡萄牙语(葡萄牙)
  47. 旁遮普语(果鲁穆奇文,印度)
  48. 罗马尼亚语
  49. 俄语
  50. 塞尔维亚语(西里尔文)
  51. 简体中文(中国大陆)
  52. 简体中文(新加坡)
  53. 斯洛伐克语
  54. 斯洛文尼亚语
  55. 西班牙语(西班牙)
  56. 斯瓦希里语(坦桑尼亚)
  57. 瑞典语
  58. 泰米尔语
  59. 泰卢固语
  60. 泰语
  61. 繁体中文(台湾)
  62. 繁体中文(香港)
  63. 土耳其语
  64. 乌克兰语
  65. 乌尔都语
  66. 越南语

项目正在持续扩展新的 Go 学习与文档内容,并长期维护各语言版本的术语一致性、翻译质量、独立审核、生产发布与后续更新。

本项目属于非官方社区多语言本地化项目,与 Go 官方无隶属、授权或背书关系。