没有不值得去解决的问题,也没有不值得去学习的技术!

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 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。

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?

上一篇文章中,我记录了 A Tour of Go 简体中文 103 个正式课程页面的 ChatGPT 全量重译过程。

整个过程最终形成:

Plaintext
8 个首次全量翻译 Batch
+
3 个 revision Batch
=
11 个 ChatGPT Batch

Batch 001~008 首次完整覆盖 103 页,Batch 009~011 则继续处理后续发现的术语和语言质量问题。

上一篇记录:

https://www.shuijingwanwq.com/2026/08/19/26947/

到这里,一个很容易产生的想法是:

103 页既然已经全部翻译完成,而且都通过了现有 validator,是不是就可以直接覆盖正式 zh-CN?

我最后没有这样做。

因为这一轮让我进一步确认了一件事:

结构正确和语言质量足够好,是两个不同的问题。

自动 validator 能够很好地回答:

Plaintext
present.Section 有没有被破坏?
链接 target 是否保持正确?
代码和 directive 是否保持正确?
保护 token 是否完整?
restore 后结构是否与原文对应?

但它不能完全回答:

Plaintext
技术含义有没有细微偏差?
中文是不是足够自然?
同一个术语是否在不同页面保持一致?
有没有明显的翻译腔?
作为正式 Go 初学者教程是否足够顺畅?

因此,103 页完成 ChatGPT 重译以后,我没有立即进入生产发布。

中间又增加了一道独立的:

完整语义质量审核。

一、自动校验通过,并不代表语义审核结束

A Tour of Go 的 .article 并不是普通 Markdown。

课程页面中可能同时存在:

Plaintext
present.Section
链接
行内代码
预格式化代码
.play
.image
强调结构
其他 present directive

翻译模型只要错误改变其中某些内容,即使生成出来的中文看起来完全正常,最终页面也可能无法正确解析或者渲染。

所以自动 validator 一直都是正式 candidate 的必要条件。

但这一次 103 页 ChatGPT 重译完成以后,我越来越明确:

validator 是必要条件,却不是语言质量证明。

例如下面两种译文:

Plaintext
结构完全正确
技术含义基本正确
中文可以理解

和:

Plaintext
结构完全正确
技术含义准确
术语一致
中文自然
符合正式教程表达

都可能通过相同的结构 validator。

但如果目标是正式替换已经上线的 zh-CN,显然应该尽量达到后一种状态。

因此,这一次没有把:

Plaintext
validator 全部通过

直接等价为:

Plaintext
可以正式发布

二、103 页重新做完整语义质量分级

为了避免只检查少量代表页,我最终把审核范围扩大到了全部:

Plaintext
103 / 103

正式课程页面。

这一轮使用 A/B/C/D 四级来记录每个页面当前的语义和语言质量。

这里的 A/B/C/D 不是 present parser、结构 validator 或自动测试产生的结果,而是一套专门用于本轮完整语义审核的内部质量分级。

四个等级大致表示:

Plaintext
A
可以直接发布。

技术含义准确、忠实原文、中文自然,
术语和教学表达均达到正式发布要求。


B
已经达到发布质量,可以不修改。

只存在比较轻微、可选的表达优化空间。
即使保持当前译文,也不会因此阻塞正式发布。


C
建议发布前修改。

存在比较明显的翻译腔、术语问题、
表达不够清楚或其他能够带来明确质量收益的问题。


D
必须修复。

存在误译、遗漏、技术错误,
或者可能影响读者正确理解原文的明显歧义。

从发布角度,可以进一步理解成:

Plaintext
A → 直接满足正式发布质量
B → 已达到发布质量,修改属于可选优化
C → 建议发布前 revision
D → 必须阻塞发布并修复

这里还有一个很重要的审核原则:

“还能换一种写法”本身,不构成降级理由。

自然语言几乎永远可以继续改写。

如果只要模型还能提出另外一种表达,就不断把页面判为 B 或 C,那么审核永远无法真正收敛。

所以需要判断的是:

当前译文是否存在能够明确指出的问题,以及修改以后是否真的有明确质量收益。

最终审核结果是:

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。
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。

最终统计:

Plaintext
Formal course pages : 103

A : 103
B : 0
C : 0
D : 0

Missing pages   : 0
Duplicate pages : 0
Extra pages     : 0

也就是说,到最终冻结这一轮语义审核时:

全部 103 个页面都进入了 A 档。

但这里还有一个过程值得特别说明。

三、B 本来可以不改,但最后还是把 2 页改到了 A

语义审核过程中,并不是一开始就得到:

Plaintext
A=103
B=0
C=0
D=0

当时曾经有:

Plaintext
2 个页面

被评为 B。

按照前面的分级标准,B 本身已经达到正式发布质量,因此理论上完全可以不修改。

也就是说,即使最后停在:

Plaintext
A=101
B=2
C=0
D=0

也不会因为这两页而阻塞正式发布。

但最后我仍然决定继续把这两页调整掉。

原因并不是 B “不合格”。

恰恰相反,是因为:

只剩 2 页,而且修改成本已经很低。

到了整个项目接近收尾的时候,需要处理的已经不是几十页,而只是两个非常明确的小范围 revision。

这时候继续修订的边际成本不高,但能够让最终状态从:

Plaintext
101 个 A
+
2 个 B

收敛到:

Plaintext
103 个 A

所以最终还是完成了这两个页面的 revision。

这个决定也体现了我这次使用 A/B/C/D 分级的目的:

等级首先用于判断是否值得阻塞发布,而不是强迫所有页面无限追求同一种措辞。

如果当时还有几十页 B,我未必会为了把数字变成 A=103 而全部重写。

但只剩 2 页,而且修改成本已经很低,那么顺手完成最后的语言优化就比较合理。

因此最终:

Plaintext
A=103
B/C/D=0

并不是因为:

B 也必须修复。

而是因为:

B 本来可以发布,只是最后仅剩 2 页,继续优化的成本很低,因此顺便完成了最终收敛。

四、为什么我把整体评价从约 94 分提高到约 98 分

在前一轮正式 zh-CN 质量评估中,我给出的内部工程判断大约是:

Plaintext
94 / 100

更准确一些,可以理解为:

Plaintext
93~95

它本身已经属于质量比较好的正式译文。

问题主要不是存在大量明显错误,而是仍然可以感觉到:

Plaintext
少量翻译腔
部分表达不够自然
个别术语还有继续统一的空间
部分页面还可以更接近正式中文技术教程

这也是后来继续研究 minimal-protect、Static Context 和 Translation Engine 的原因。

整个实验最后证明,真正明显改善语言质量的关键并不是继续减少结构保护,而是:

更换 Translation Engine。

ChatGPT 完成全部 103 页整页重译以后,再经过后续 revision 和完整语义审核,我现在更愿意把这一版 zh-CN 的整体质量评价放在:

Plaintext
约 98 / 100

这里需要强调:

98 分不是程序计算出来的自动分数,也不是 Go 官方评价。

它仍然是结合整轮翻译、审核和工程验证后得到的内部综合判断。

支持这一判断的主要依据包括:

Plaintext
103/103 完整重新翻译
全部页面统一语义审核
最终 A=103
B/C/D=0
术语继续统一
已知不良术语完成扫描
正常英文自然语言遗漏清理
多轮 revision
相同结构 validator 再次通过

与原来的约 94 分相比,差异已经不再只是几个代表页面上的主观感受,而是最终覆盖到了全部 103 个正式课程页面。

五、A=103 为什么仍然不是 100 分

这里需要区分两个概念:

Plaintext
A 档
≠
100 分完美译文

A 表示:

当前页面已经达到本轮设定的正式发布质量,不存在值得继续阻塞发布的明确语义、术语或表达问题。

而 100 分意味着的是一个明显更高的标准:

Plaintext
几乎不存在任何合理的编辑改进空间

这一轮虽然完成了 103 页页面级语义审核,但并没有进行一种成本更高的流程:

由独立 Go 技术专家和专业中文技术编辑,对 103 页逐句完成出版级最终校对。

而且自然语言本身也不存在唯一正确译法。

同一句英文完全可能存在两个都准确、自然的中文表达。

一个可能更简洁,另一个可能更符合某种编辑风格。

所以剩下的约 2 分,更准确地说是:

对未来编辑级微调和极小概率遗漏保留的不确定性。

它并不意味着已经知道“还有 2% 的句子存在错误”。

因此,我认为:

Plaintext
约 98

比:

Plaintext
100

更适合作为当前这一版 zh-CN 的工程质量评价。

六、A=103 并不是第一次审核就得到的

最终看到:

Plaintext
A=103
B/C/D=0

很容易让人觉得 103 页第一次检查以后就已经是这个结果。

实际上并不是。

Batch 001~008 完成第一次全量覆盖以后,后续审核仍然发现了一些值得继续调整的地方。

于是又产生了:

Plaintext
Batch 009
Batch 010
Batch 011

这些 Batch 不再是为了补齐缺失页面。

它们专门承担:

Plaintext
术语统一
明确的语言质量 revision
少量 B 级页面最终优化
个别页面最终表达修订

所以历史 Batch 一旦形成以后,我没有回去直接修改原来的 evidence。

而是遵循:

Plaintext
旧 Batch
→ 保持不变

发现质量问题
→ 新建 revision Batch

这让最终页面不仅能知道:

现在使用的译文是什么。

还能够继续追溯:

它为什么从早期版本变成了现在这个版本。

七、最终 canonical 并不都来自第一次全量 Batch

这一点从最终 status.tsv 的 provenance 中可以直接看到。

图 2:部分代表页面的最终 canonical provenance。早期已经达到要求的 welcome/1 仍来自 Batch 001,而 concurrency/1、methods/17、methods/19 分别采用后续 Batch 009 和 Batch 011 的 revision,最终均处于 ready 并通过 canonical validator。
图 2:部分代表页面的最终 canonical provenance。早期已经达到要求的 welcome/1 仍来自 Batch 001,而 concurrency/1、methods/17、methods/19 分别采用后续 Batch 009 和 Batch 011 的 revision,最终均处于 ready 并通过 canonical validator。

例如:

Plaintext
welcome/1
→ chatgpt-zh-CN-001

说明这个页面的早期版本已经达到要求。

没有必要为了让所有页面都来自最新 Batch,而重新改写本来已经很好的译文。

而:

Plaintext
concurrency/1
→ chatgpt-zh-CN-009

说明它最终采用了后续 revision。

再例如:

Plaintext
methods/17
methods/19
→ chatgpt-zh-CN-011

一直到最后一个 revision Batch,它们才被冻结为最终版本。

所以 canonical promotion 的原则并不是:

Plaintext
找到第一次完整覆盖的 103 页
↓
全部覆盖正式译文

而是:

Plaintext
检查每一个 page
↓
确定该页最终有效 revision
↓
验证完整 provenance
↓
再进入正式 canonical

八、历史 evidence 不能为了正式文件“变漂亮”而修改

真正准备 canonical promotion 时,又遇到了一个看起来很小、实际上很重要的问题。

历史 Batch 中保存的 candidate,文件结尾并不完全统一。

统计以后发现:

Plaintext
23 个 candidate
→ 结尾一个换行

80 个 candidate
→ 结尾存在两个或更多换行

如果直接把这些 historical candidate 按字节复制到正式 canonical:

Plaintext
git diff --check

会出现文件结尾空白相关警告。

最简单的处理方法似乎是:

直接把历史 candidate 的多余换行删掉。

但最后没有这么做。

因为这些历史文件已经承担 evidence 的角色。

如果为了最终提交更整洁,而反过来修改历史 candidate,就会破坏此前已经建立起来的:

Plaintext
raw response
↓
restore
↓
historical candidate

精确对应关系。

最终冻结下来的规则变成:

Plaintext
Historical evidence

raw
↓
restore
↓
batch candidate

保持历史字节不变

然后到了正式 promotion 边界:

Plaintext
Promotion boundary

batch candidate
↓
deterministic EOF canonicalization
↓
validator
↓
canonical candidate

只有跨入正式 canonical 时,才执行确定性的 EOF normalization。

规则非常简单:

Plaintext
只删除文件结尾多余的 \n
最终保证恰好一个 \n

正文和其他字节不改变

这样既保护 historical evidence,又保证正式仓库中的 candidate 文件保持规范。

九、canonical promotion 还要证明译文真的来自对应 ChatGPT evidence

真正准备 promotion 时,我还专门加强了一轮 evidence chain。

因为只知道:

Plaintext
某个 Batch 里存在 candidate

仍然不够。

理论上,如果有人后来手工修改过 candidate,而 promotion 只检查最终结构,那么依然有可能把一个无法证明来源的文件正式提升进去。

所以最终的 promotion 不只是“找到文件并复制”。

还需要重新证明整条来源关系。

大致包括:

Plaintext
manifest 中记录的 input
↓
保存时的 input SHA
↓
当前 Default protector 重新生成 input
↓
字节级比较
↓
ChatGPT raw response
↓
restore
↓
historical candidate
↓
精确字节比较
↓
validator
↓
promotion

这样最终正式 candidate 的 provenance 就不再只是:

这个文件位于 ChatGPT Batch 目录中。

而是:

能够证明它确实来自已经保存的 ChatGPT raw response,并经过确定性的 restore 和相同 validator。

十、存在 retry history 时,还要正确识别最终有效 attempt

上一篇文章记录过两个正式 retry 页面:

Plaintext
moretypes/1
concurrency/1

到了 promotion 阶段,还需要继续解决一个问题:

如果一个页面存在 retry history,promotion 能不能正确识别并选择最终有效的 attempt?

例如:

Plaintext
attempt-001
→ 校验失败

attempt-002
→ 校验成功

那么 promotion 需要证明:

最终被提升的是 attempt-002 对应的有效结果。

不能因为历史目录中仍然保留着 attempt-001,就在后续处理时错误回退到更早的失败结果。

因此后面又加强了 retry provenance 规则。

最终要求类似:

Plaintext
存在 retry history
↓
必须识别最终有效 attempt

attempt 编号必须连续

前序 validation history 必须完整存在

不能凭空出现 attempt-999

不能跳过历史 attempt

不能把 provenance 倒退到已经失败的旧 attempt

这部分看起来很严格,但目的很简单:

正式 promotion 不仅要证明“这个文件能用”,还要证明“它确实来自这条 retry history 中最终确认有效的那一次尝试”。

十一、正式 apply:103 页中 102 页发生变化

全部语义审核和 promotion 机制都冻结以后,才真正执行正式 apply。

结果如下:

图 3:103 页正式 canonical promotion 的执行结果。首次 apply 中 102 个页面发生变化、1 个页面已经与目标 candidate 相同,同时对 80 个历史候选执行确定性的 EOF normalization;promotion 完成后再次 dry-run 得到 0 changed、103 unchanged,确认结果已经收敛。
图 3:103 页正式 canonical promotion 的执行结果。首次 apply 中 102 个页面发生变化、1 个页面已经与目标 candidate 相同,同时对 80 个历史候选执行确定性的 EOF normalization;promotion 完成后再次 dry-run 得到 0 changed、103 unchanged,确认结果已经收敛。

第一次正式 apply:

Plaintext
pages          : 103
changed        : 102
unchanged      : 1
EOF normalized : 80

这里的:

Plaintext
unchanged : 1

并不意味着有一个页面没有使用 ChatGPT 新译文。

而是这个页面当前 canonical candidate 本来就已经与最终目标完全相同,所以不需要产生新的文件差异。

真正值得关注的是:

Plaintext
changed : 102

103 页中有 102 个正式 candidate 实际发生变化。

同时:

Plaintext
EOF normalized : 80

正好对应前面发现的 80 个历史 candidate 文件结尾需要规范化。

十二、为什么 apply 完以后还要再跑一次 dry-run

正式 apply 完成以后,我没有马上提交。

而是重新执行了一次 promotion dry-run。

结果:

Plaintext
changed   : 0
unchanged : 103

这一步验证的是:

promotion 是否已经达到确定、稳定的最终状态。

如果第二次 dry-run 仍然出现:

Plaintext
changed > 0

那就意味着 promotion 本身可能还有:

Plaintext
非确定性处理
状态没有完全落盘
文件生成结果不稳定

之类的问题。

最终:

Plaintext
0 changed
103 unchanged

说明在相同输入和相同 historical evidence 下再次计算,不会继续修改 canonical。

也就是具备了很重要的:

幂等性。

十三、最终正式提交只有 103 个数据文件

promotion 完成以后,又对 Git change set 做了一次最终检查。

图 4:ChatGPT 正式 canonical promotion 最终提交 bfa9f92。本次提交只包含 102 个发生变化的正式 candidate 和 1 个 status.tsv,共 103 个文件,没有任何意外路径;提交完成后工作区保持 clean。
图 4:ChatGPT 正式 canonical promotion 最终提交 bfa9f92。本次提交只包含 102 个发生变化的正式 candidate 和 1 个 status.tsv,共 103 个文件,没有任何意外路径;提交完成后工作区保持 clean。

最终提交:

Plaintext
bfa9f92
data: 提升 ChatGPT 重译候选为 zh-CN 正式候选

统计:

Plaintext
103 files changed
628 insertions(+)
533 deletions(-)

再按路径分类:

Plaintext
canonical candidates : 102
status.tsv           : 1
unexpected paths     : 0

也就是:

Plaintext
102 个正式 candidate
+
1 个状态文件
=
103 个文件

这次提交中没有顺手混入:

Plaintext
promotion 实现代码
测试代码
historical Batch
raw response
其他项目文件

这也是我希望长期保留的一条边界:

正式数据提升和实现 promotion 的代码修改,不应该混在同一个 Git commit 中。

十四、promotion 完成以后,又遇到了一个“测试失败”

正式 candidate 替换完成以后,完整测试并不是第一次就全部通过。

当时有几个测试失败。

继续排查以后发现,并不是 ChatGPT 新译文破坏了程序。

真正原因是:

旧测试把上一版正式中文句子本身当成了固定测试基线。

例如测试曾经直接依赖某一句旧译文。

当 ChatGPT 把它改成技术含义相同、中文更自然的新表达以后:

Plaintext
程序正确
结构正确
页面正确

测试却因为:

Plaintext
中文句子不再逐字相同

而失败。

这其实暴露了另外一个问题:

测试到底应该保护什么?

如果测试目标是确保某个页面仍然保持正确的 publication semantics,那么更适合检查:

Plaintext
稳定语义锚点
页面结构
发布顺序
状态字段
provenance

而不是永久冻结整句中文。

所以后面只更新了与新 canonical 有关的测试基线。

最终:

Plaintext
go test -mod=readonly -count=1 ./...

完整通过。

到这里,新的 ChatGPT canonical 才真正完成仓库级正式验收。

十五、从约 94 到约 98,增加的不只是模型能力

如果只从表面看,这轮变化可以简单总结成:

Plaintext
GLM-5.2
↓
ChatGPT

Translation Engine 的变化当然是语言质量明显提升的关键原因。

但真正把原来的约 94 分推进到我愿意评价为约 98 分的,并不只是模型本身。

还包括后面的:

Plaintext
103 页全量覆盖
↓
完整语义审核
↓
A/B/C/D 分级
↓
术语统一
↓
revision Batch
↓
最终 A=103
↓
provenance 验证
↓
retry provenance
↓
canonical promotion
↓
EOF canonicalization
↓
再次 dry-run
↓
完整测试

换句话说:

更强的 Translation Engine 提供更好的原始译文,而完整工程流程负责证明这些译文最终值得进入正式项目。

缺少前者,语言质量很难明显提高。

缺少后者,即使模型翻得很好,也很难放心地一次替换 103 个正式页面。

十六、103 页翻完和 103 页正式可发布,是两个里程碑

回头来看,这次最值得保留下来的经验之一,就是不要把:

Plaintext
translation completed

和:

Plaintext
release ready

当成同一个状态。

上一篇文章结束时,我们已经做到:

Plaintext
103/103 ChatGPT 重译完成

但真正到这一篇结束,才完成:

Plaintext
103/103 语义审核完成
↓
曾有 2 页 B,但已经达到发布质量
↓
因修改成本很低,继续优化
↓
最终 A=103、B/C/D=0
↓
最终 revision 确认
↓
canonical promotion
↓
102 candidate changes
↓
103/103 promotion 收敛
↓
完整测试通过

到这里,我才愿意说:

新的 ChatGPT zh-CN 已经不再只是实验 candidate,而是正式 canonical。

结合旧版本和这轮 103 页完整审核结果,我对当前 A Tour of Go 简体中文整体质量的内部工程评价,也从此前大约:

Plaintext
94 / 100

提高到了:

Plaintext
约 98 / 100

但即便做到这里,还有最后一个问题没有回答:

仓库中的正式 canonical 已经替换成 ChatGPT 译文,是否就等于用户打开网站时看到的一定也是这套新译文?

答案仍然是否定的。

正式 release、生产部署、公网页面、CDN 缓存和真实 Run / Format,都属于下一层。

所以第三篇不再继续讨论 Translation Engine,也不会重复之前已经写过的 deployment script 设计过程。

只回答最后一个问题:

怎样证明生产环境中的 103 个正式课程页面,真的已经全部变成这一轮经过完整语义审核和 canonical promotion 的 ChatGPT 新译文。

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。