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 中文翻译完成后,我为什么重新评估 minimal-protect 翻译模式

【图 1:当前正式中文 methods/24 页面,右侧示例代码运行成功】

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 简体中文第一阶段已经完成。

目前 103 个课程页面全部进入 ready 状态,公共 UI、文章元数据、生产发布、示例代码运行与格式化等环节也已经陆续完成。换句话说,现在的中文版本已经不是一个正在等待补齐的实验项目,而是一个可以实际访问和学习的完整版本。

但完成第一阶段以后,我又重新回到了一个此前暂时搁置的问题:

当前的 protected-token 翻译模式,是否已经保护得太多了?

如果进一步减少保护,让 GLM-5.2 看到更多完整、真实的英文页面上下文,能不能继续提高翻译质量?

而且,这个问题现在已经不仅关系到简体中文。

整个项目从一开始就按照多语言方向设计。后面如果继续增加其他官方没有提供、停止维护或者需要重新翻译的语言,那么现在形成的翻译方法,很可能还会继续沿用。

因此,重新研究 minimal-protect,主要是在回答两个问题:

能不能继续提高译文质量?

以及:

哪些保护能力能够成为跨语言共用的基础设施,哪些规则又应该由具体语言自行决定?

【图 1:当前正式中文 methods/24 页面,右侧示例代码运行成功】
【图 1:当前正式中文 methods/24 页面,右侧示例代码运行成功】

一、第一阶段已经完成,终于可以重新研究翻译输入架构

整个 A Tour of Go 简体中文第一阶段共有 103 个课程页面。

目前状态已经是:

Plaintext
total=103
ready=103
pending=0
blocked=0
【图 2:zh-CN 103 / 103 ready】
【图 2:zh-CN 103 / 103 ready】

在第一阶段翻译尚未完成时,我其实已经研究过一次更开放的翻译输入方式。

但当时项目最重要的目标仍然是:

先把全部 103 个正式课程页面稳定翻译完成。

因此,在已经成熟、经过大量页面验证的 protected-token 模式和仍然存在未知问题的 minimal-protect 之间,当时继续使用成熟方案是合理的。

现在情况已经不同。

103 个页面全部完成以后,即使继续进行翻译架构实验,也不会再阻塞第一阶段发布。

因此,现在正好适合重新回答这个问题:

在保证页面结构安全的前提下,到底需要保护多少内容?

二、当前中文译文大约处在什么水平

在决定是否值得重新翻译以前,我先重新看了一遍目前的中文译文质量。

这里的分数不是专业翻译机构的正式评分,也不是对全部 103 页逐句人工审校后的统计结果,而是结合代表页、现有正式译文、英文原文以及此前长期翻译过程得到的工程性估计。

如果以 100 分为满分,目前我对正式 zh-CN 版本的估计是:

约 94 分,合理范围大约为 93~95 分。

现在的主要优点包括:

  • 英文原意基本准确;
  • Go 技术术语比较稳定;
  • 中文已经很少出现明显机器翻译腔;
  • 整页上下文总体连贯;
  • 教程式表达比较自然;
  • 103 个页面全部通过统一结构和页面验证。

所以现在重新研究 minimal-protect,并不是因为当前译文质量差。

恰恰相反:

是在当前已经达到较高质量以后,继续寻找剩下的提升空间。

如果 minimal-protect 最终成熟,我目前对它的预期目标大约是:

96~97 分。

也就是说,我并不期待它带来十几分的巨大变化。

更现实的目标可能只是:

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

但对于一个以“翻译”为核心产品的项目来说,这两三分本身仍然值得研究。

普通软件项目里,94 分的翻译可能已经足够。

但这里的核心价值之一,本来就是:

把官方 A Tour of Go 尽可能高质量地带到更多语言中。

因此,进一步提高翻译质量,本身就是产品升级。

三、一个历史质量参考:已经停止运行的 Go-zh

在重新思考翻译质量时,我也回头看了以前的 Go-zh 中文 Tour。

Go-zh 曾经维护过一套质量相当不错的 A Tour of Go 中文翻译,也是中文 Go 社区过去比较有代表性的项目之一。

现在对应的网站已经无法正常使用,代码仓库也已经归档,而且内容停留在较早时期,没有覆盖当前新版 A Tour of Go 的全部课程。

事实上,它的停止运行,也是后来促使我认真考虑重新做一个可持续维护版本的原因之一。

如果暂时不考虑项目现在是否在线,只评价当年已经完成的中文正文,我目前给出的工程性估计大约是:

90~93 分。

它的不少译文明显带有人工翻译和长期维护留下来的痕迹,中文表达比较成熟,一些技术概念的处理也很好。

所以我觉得它依然很适合作为一个历史质量基准。

这也给现在的项目提出了一个比较明确的要求。

新的项目不能只是因为:

Plaintext
源码更新
+
网站可以访问
+
课程数量更多

就认为翻译工作已经完成。

至少对于简体中文,我希望做到的是:

Plaintext
内容更新
+
完整覆盖
+
功能可用
+
结构可靠
+
翻译质量达到甚至超过过去成熟的人工作品

目前我认为正式 zh-CN 已经基本达到了这个目标。

接下来研究 minimal-protect,则是在继续寻找更高的质量上限。

四、protected-token 为什么能够保证稳定

当前成熟的默认翻译流程,大致可以理解为:

Plaintext
完整英文课程页面
↓
识别高风险结构
↓
替换为 protected token
↓
GLM-5.2 整页翻译
↓
恢复 protected token
↓
present 解析
↓
结构比较
↓
页面校验
↓
ready

这种方法最大的优势就是稳定。

像下面这些内容,可以在翻译前先保护:

Plaintext
.play directive
链接 target
行内代码
预格式化代码
其他容易被模型修改的机器结构

模型主要负责真正需要翻译的自然语言内容。

这也是第一阶段最终能够做到 103 / 103 ready 的一个重要原因。

但是保护机制越强,也意味着另外一个问题:

模型能够直接看到的原始页面上下文会越来越少。

比如一个英文技术名词原本同时出现在正文、链接、行内代码和其他结构中,如果其中很多部分都被替换成:

Plaintext
__PROTECTED_TOKEN_001__
__PROTECTED_TOKEN_002__

那么从模型的视角来看,原本连续的语义环境实际上被切断了一部分。

对于简体中文,这种影响可能还不是特别明显。

但如果以后扩展到更多语言,不同语言还可能涉及:

  • 词序;
  • 单复数;
  • 性;
  • 格;
  • 冠词;
  • 词形变化;
  • 前后文指代。

这时候,模型能不能看到完整上下文就会更加重要。

五、minimal-protect 真正吸引我的地方:让更多真实上下文留给模型

所以重新研究 minimal-protect,最重要的原因仍然是翻译质量。

它的基本思路不是:

尽量把所有可能变化的内容全部保护起来。

而是:

只把模型绝对不应该修改的机器结构拿走,其余真实页面尽可能完整地交给模型理解。

这意味着模型看到的不再是大量被占位符切碎的页面,而是更接近真正源文件的上下文。

从翻译角度看,这一点很重要。

因为语言模型真正擅长的事情,本来就是:

根据上下文理解一句话究竟在说什么。

如果在送入模型之前先人为切掉大量上下文,那么即使结构更安全,也可能牺牲语言理解空间。

所以我现在更倾向于:

Plaintext
尽可能保留完整上下文
+
只禁止修改少数机器结构
+
最终由严格 validator 判断是否合格

六、raw-input 证明了方向,但也证明了完全不保护不可行

最激进的实验是 raw-input。

它基本不再做大量结构保护,而是直接把原始页面交给 GLM-5.2:

Plaintext
完整原始页面
↓
GLM-5.2
↓
validator

这样做的好处非常明显:

模型能够看到最完整的上下文。

但问题也同样明显。

在 methods/24 页面中,原始内容包含:

Plaintext
.play methods/images.go

raw-input 实验中,模型先后把它修改成了类似:

Plaintext
.play methods/images.go /zh-cn/methods/24

以及:

Plaintext
.play methods/images.go /src/methods/images.go

这些变化对于自然语言模型来说,可能只是一次“看起来合理”的补充。

但对于 present 来说,.play 是机器指令。

它不是自然语言,也不能被模型自由改写。

所以 raw-input 虽然最大化了上下文,却也把模型本来不应该拥有的修改权限一起开放了。

这说明:

完全不保护也不是正确答案。

真正需要寻找的是中间状态。

七、minimal-protect:只保护已经证明危险的结构

于是就有了 minimal-protect。

例如在 methods/24 中,首先只保护完整 .play:

Plaintext
.play methods/images.go

把这一整行作为一个不可修改的 token 交给模型。

实验结果很明确。

在 raw-input 中连续两次发生的 .play 改写,在 minimal-protect 中消失了。

Plaintext
.play protected/restored: OK
.play mutated: NO

也就是说:

.play 这一层问题已经被最小保护成功解决。

【图 3:methods/24 raw-input 与 minimal-protect 实验】
【图 3:methods/24 raw-input 与 minimal-protect 实验】

但是这一页仍然没有通过最终校验。

随后 validator 又发现:

Plaintext
link inline-code count mismatch
expected=0 actual=1

继续实验以后,又遇到了:

Plaintext
font span count mismatch
expected=10 actual=9

这反而正是 minimal-protect 实验中很有价值的一部分。

因为它说明 validator 正在按照预期工作:

Plaintext
减少保护
↓
让模型处理更多真实上下文
↓
出现真实结构错误
↓
validator 精确指出问题
↓
再判断这一类结构是否真的需要限制

而不是一开始就假设:

所有理论上可能出问题的结构,都必须提前保护。

八、同一个页面:15 个 protected token 降到 1 个

methods/24 还有一个很直观的对比。

在同一个页面、同一个 source SHA、同一个 glm-5.2 模型下,默认 protected-token 使用了:

Plaintext
15 个 protected token

包括:

Plaintext
9 个 inline-code span
4 个 link target
1 个 preformatted code block
1 个 .play directive

当时真实请求记录为:

Plaintext
prompt_tokens=1660

而 minimal-protect attempt-005 中只保护:

Plaintext
1 个完整 .play directive

对应:

Plaintext
prompt_tokens=1449

也就是:

Plaintext
15 → 1

少了 14 个 protected token。

模型直接能够看到的原始页面结构也明显更多。

【图 4:protected-token 与 minimal-protect 保护范围对比】
【图 4:protected-token 与 minimal-protect 保护范围对比】

这里需要特别说明:

prompt_tokens 从 1660 降至 1449,是两次真实请求观察到的结果。

不能简单理解为这 211 个 token 的差距全部由保护 token 数量减少造成。

Token 减少当然是一个附带收益。

但是比节省 Token 更重要的是:

更多原始内容重新进入了模型真正能够理解的上下文。

九、跨语言以后,保护规则到底能够复用多少

这里还有一个我现在并不准备提前下结论的问题:

如果未来增加其他语言,现有 protected-token 和 minimal-protect 的实现到底能够复用多少?

目前从结构上看,我认为至少可以把它分成两层。

第一层是明显与语言无关的机器结构。

例如:

Plaintext
.play directive
代码路径
不可修改的链接 target
静态代码块
present 指令
页面结构解析
token 恢复完整性
结构数量比较

这些东西无论翻译中文、日文、德文还是其他语言,本质上仍然是同一种机器结构。

因此,它们的:

Plaintext
识别
占位
恢复
校验
测试

大概率具有很高的复用价值。

这也是此前 protected-token 已经积累下来的重要资产。

但是第二层就不一定能够完全复用。

例如:

Plaintext
某种行内代码是否一定需要保护
某种强调结构是否允许改变位置
术语如何处理
自然语言与代码之间的空格
标点习惯
词形变化
模型容易犯哪一类语言特有错误

这些问题很可能与目标语言有关。

所以未来更现实的架构,也许并不是:

Plaintext
所有语言共享完全相同的保护规则

而是:

Plaintext
共享机器结构保护能力
+
每种语言选择自己的最小保护策略

例如:

Plaintext
通用层
├─ .play 识别与恢复
├─ present 结构解析
├─ link target 校验
├─ code block 校验
└─ validator

zh-CN
└─ zh-CN minimal protection policy

未来语言 A
└─ language-A minimal protection policy

未来语言 B
└─ language-B minimal protection policy

这比直接声称“minimal-protect 一定让多语言架构更简单”更加准确。

现在真正需要验证的是:

通用机器结构能力能够复用到什么程度,而不同语言的保护策略又需要差异化到什么程度。

如果最后发现大部分底层能力都能共享,而每种语言只需要维护少量策略差异,那么 minimal-protect 的长期维护价值就会非常明显。

如果实际结果证明不同语言需要大量完全不同的规则,那么架构设计也应该根据真实情况调整。

所以这一点现在更适合作为:

下一阶段需要验证的工程问题。

而不是已经得到证明的结论。

十、protected-token 不会被废弃

即使最终选择 minimal-protect,此前 protected-token 做的大量工作也不会浪费。

第一阶段开发过程中已经积累了很多成熟能力:

Plaintext
结构识别
token 占位
恢复
数量校验
结构比较
错误分类
回归测试

这些能力本身和“默认到底启用多少保护规则”是两件不同的事情。

所以以后更理想的关系可能是:

Plaintext
protected-token
=
经过大量真实页面验证的保护能力库

minimal-protect
=
根据目标语言和真实失败,
从能力库中启用最少必要规则

例如 .play 已经有非常明确的实验依据。

那么 minimal-protect 就没有必要重新发明 .play 的识别和恢复方式。

直接复用现有成熟实现即可。

以后如果新的实验又证明:

某一种结构确实必须保护。

同样优先检查 protected-token 是否已经存在成熟能力。

这样第一阶段积累的经验就可以继续发挥作用,而不是重新从零开始摸索。

十一、下一步先重新验证原来的 7 个代表页

即使 minimal-protect 的方向很有吸引力,我现在也不准备直接把 103 个页面全部重新翻译。

首先还是使用第一阶段开发过程中长期验证过的 7 个代表页:

Plaintext
generics/1
flowcontrol/8
methods/16
methods/20
concurrency/7
concurrency/11
methods/24

继续使用同一组页面有一个很大的好处:

可以保持第一阶段和下一阶段的实验口径一致。

接下来重点需要观察:

Plaintext
语言质量
validator 通过率
重试次数
blocked 情况
保护规则数量
Token 使用

其中最重要的还是一个问题:

minimal-protect 带来的语言质量提升,是否足以抵消可能增加的结构失败和重试成本?

如果最后只能从大约 94 分提高一点点,却明显增加失败率,那么重新翻译全部页面的意义就比较有限。

但如果代表页能够稳定接近:

96~97 分

同时 validator 通过率和重试成本仍然可以接受,那么这条路线就值得继续推进。

十二、真正决定是否切换的,不只是 validator 能不能通过

对于这个项目,我现在越来越明确一件事:

结构正确只是发布门槛,而不是翻译质量本身。

一个页面即使:

Plaintext
present parse = PASS
directive = PASS
link = PASS
inline code = PASS
render = PASS

也只能说明:

页面没有被翻译坏。

它并不能说明:

这是能够做到的最好译文。

如果一个翻译项目长期只追求:

Plaintext
结构不坏

最后很容易得到“正确但生硬”的译文。

而我真正希望这个项目追求的是:

Plaintext
准确
+
自然
+
完整上下文
+
术语一致
+
教学表达清晰
+
结构安全

所以 validator 和翻译质量实际上承担的是不同角色:

Plaintext
validator
=
决定译文有没有资格发布

翻译质量
=
决定这个项目最终能够做到什么水平

两者都不能少。

十三、如果最终采用 minimal-protect,仍然按每批 10 页推进

如果 7 个代表页最终证明 minimal-protect 足够稳定,而且实际译文质量确实更好,那么后续重新翻译 zh-CN 时,我仍然准备沿用第一阶段已经比较熟悉的节奏:

Plaintext
每批 10 个普通页面
↓
GLM-5.2 整页翻译
↓
统一 validator
↓
处理真实失败
↓
下一批

不会一次性把 103 个页面全部重新跑完。

这种节奏已经证明比较适合当前项目。

既不会因为批次太小推进过慢,也不会因为范围过大,让一种新的结构问题一次影响大量页面。

遇到新的失败类型以后,则先暂停继续扩大范围,判断:

这是偶发模型行为,还是一种确实需要加入 minimal-protect 的结构风险?

如果确实需要保护,再优先复用此前 protected-token 已经积累的实现经验。

十四、现在真正要寻找的是“最小必要保护集”

第一阶段解决的问题是:

怎样稳定完成 103 个中文页面。

现在希望解决的问题则更进一步:

在保证所有机器结构安全的情况下,究竟最少只需要保护哪些内容?

我目前更希望最终得到的翻译流程是:

Plaintext
尽可能完整的原始页面上下文
↓
少量经过真实失败证明必须保护的机器结构
↓
GLM-5.2 整页翻译
↓
最小恢复
↓
严格统一 validator
↓
针对真实失败进行 retry

对于简体中文,这条路线首先需要证明一件事:

能不能把当前大约 94 分的译文继续稳定提高到更接近 96~97 分。

对于未来其他语言,则还需要继续验证另一个问题:

哪些底层结构能力可以完全共享,哪些最小保护规则必须按语言调整。

现在还没有到宣布 minimal-protect 一定会成为最终默认模式的时候。

7 个代表页还需要重新验证,新的失败类型还需要继续观察,最终译文质量也需要真正比较。

但是第一阶段 103 页已经完成以后,终于可以不再只考虑:

怎样安全地把页面翻译出来。

而开始认真研究:

怎样把它翻译得更好。

以及:

在增加更多语言以后,怎样让机器结构保护尽可能复用,同时又不给不同语言施加不必要的统一限制。

这才是这次重新回到 minimal-protect 的真正意义。

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。