标签： 多语言翻译
-
在 go-tour-i18n 多语言翻译项目中，最初计划让 ChatGPT 完成翻译后直接写入 GitHub 仓库。实际验证后发现，当前会话环境中的 GitHub 写入、commit、push 流程不适合作为稳定依赖。因此项目调整为：ChatGPT 负责读取 GitHub 输入并生成 raw-responses artifact，本地环境通过新增的 retranslation import 命令完成导入、process、validation、review 和 Git 操作。本文记录这次翻译交付流程调整，以及 AI 与工程环境职责重新划分的实践经验。
-
Post Views: 10 项目当前流程 当前日语翻译任务采用： 项目已经明确： 相关规则已经记录在项目文档中。 Git 提交记录出现变化 在日语翻译初期： chatgpt-ja-JP-001 提交信 […]
-
A Tour of Go 多语言翻译项目完成简体中文版本后，开始进入第二语言扩展阶段。本文记录选择日语（ja-JP）作为第二语言的原因，以及首批日语翻译任务、batch 管理、raw response 和自动 validation 流程验证过程。
-
在 A Tour of Go 多语言翻译项目中，广告接入没有直接将 AdSense 代码写入公开源码，而是沿用已有的生产配置注入机制，实现从 AdSense 专用配置到通用 HTML 注入架构的重构。 本次调整新增独立 TOUR_AD_HTML 注入链路，将广告内容通过 systemd 环境变量提供，由 Go 服务读取并渲染到 HTML 。公开源码和发布包只保留注入位置，不包含具体广告平台配置。 通过这一设计，项目实现了广告逻辑与具体平台解耦，同时保持源码公开、生产配置独立的架构，为未来更换广告平台或扩展其他 HTML 注入场景提供基础。
-
在完成 A Tour of Go 简体中文 103 个正式课程页面的 ChatGPT 全量重译后，我没有立即覆盖现有正式译文，而是继续进行了完整语义质量审核，并使用 A/B/C/D 四级标准区分“可以直接发布”“可选优化”“建议修订”和“必须修复”。审核过程中曾有 2 页处于 B 级，本身已经达到发布质量，但由于最终只剩少量页面且修改成本很低，仍继续 revision，最终达到 A=103、B/C/D=0。随后项目进一步完善 canonical promotion 的 evidence chain、retry provenance 与 EOF normalization，确认每个正式 candidate 都能追溯到对应的 ChatGPT 原始译文和最终有效 attempt。正式 apply 后 103 页中 102 页发生变化，80 页完成确定性 EOF normalization，再次 dry-run 得到 0 changed、103 unchanged，完整测试最终通过。结合 103 页全量重译、完整语义审核和统一工程验证，我对当前 zh-CN 的内部综合质量评价由原来的约 94 分提高到约 98 分。
-
在 A Tour of Go 简体中文项目中，上一篇实验已经确认 ChatGPT 值得作为新的 Translation Engine 继续扩大验证。本轮进一步将实验扩展到全部 103 个正式课程页面，并通过固定 retranslation batch、GitHub 数据交接、ChatGPT 整页翻译、raw response 保存、restore、统一 validator 与有限 retry，完成 103/103 全量重译。整个过程没有改变原有完整 present.Section 翻译单元和结构校验体系，而是利用 ChatGPT + GitHub 减少大量人工复制粘贴，并通过 11 个 Batch、独立 Git 提交和历史 evidence 保留，使新的 ChatGPT 译文能够进入可追踪、可校验的工程流程，为后续完整语义审核和 canonical promotion 做好准备。
-
在完成 A Tour of Go 简体中文 103 个课程页面后，我继续验证如何把现有约 94 分的工程性翻译质量进一步提升到 96～97 分。最初重点研究 minimal-protect，希望通过减少 protected token、保留更多原始上下文改善 GLM-5.2 译文，但后续对 157 个 protected token 的信息损失审计、Static Context 实验以及重复请求测试均未显示稳定质量优势，因此优化重点从 Protection Policy 转向 Translation Engine。本轮选取 methods/24、concurrency/7、concurrency/11 三个代表页，由 ChatGPT、Codex Sol 和 GLM-5.2 独立生成最终译文，再交给 ChatGPT、DeepSeek、GLM-5.2 和豆包进行 12 次匿名质量评审。ChatGPT 获得 8/12 第一名，即使排除自身作为评审模型后仍获得 5/9 第一名。现阶段不会立即覆盖已有 103 页，而是准备进一步验证自动化 ChatGPT retranslation staging，在统一 validator 和页面验证基础上评估是否值得全量重译。
-
在 A Tour of Go 简体中文翻译流程中，我一直担心大量 protected token 会遮挡模型上下文，从而影响 GLM-5.2 的翻译质量。为验证这一点，我先将保护策略缩减到 minimal-v1，又进一步设计了只额外暴露静态代码的 Static Context 单变量实验。结果却逐渐指向另一个问题：7 个代表页中的 157 个保护标记并没有隐藏任何可翻译英文自然语言，而完全相同的 API Request 在 5 个页面上全部生成了不同的 Response。随后通过 5 页、2 种模式、3 次独立运行共 30 个计划样本，并对所有通过结构校验的译文进行匿名多候选排名，最终发现模型自身的运行间波动明显大于目前能够观察到的 Static Context 质量收益。基于这一结果，正式翻译流程继续保留成熟的 Default protected-token 方案，而 minimal-v1 与 Static Context 保留为开发实验能力。
-
A Tour of Go 简体中文第一阶段 103 个课程页面已经全部进入 ready 状态。在现有版本已经具备较高翻译质量和完整发布能力后，我重新评估此前暂时搁置的 minimal-protect 翻译模式。当前 zh-CN 译文工程性估计约为 94 分，而成熟的 minimal-protect 目标希望达到 96～97 分。通过 methods/24 的真实实验可以看到，raw-input 会错误修改 .play 指令，而 minimal-protect 只保护完整 .play 后成功消除了这一问题，同时让 validator 继续发现 link inline-code 和 font span 等下一层结构差异。同页对比中，默认 protected-token 使用 15 个保护 token，而 minimal-protect 仅使用 1 个，更多原始上下文可以直接交给 GLM-5.2。后续将继续使用原有 7 个代表页验证翻译质量、结构稳定性、重试成本和跨语言保护规则的复用程度，再决定是否正式切换默认模式。
-
本文记录 A Tour of Go 多语言翻译项目一次手机端首页顶栏标题换行问题的完整处理过程。从真实手机发现“A Tour of Go 多语言翻译项目”最后一个字符被挤到第二行，到定位移动端 CSS、调整 Logo 间距与标题字号、在 360px 宽度下验证，再到评估 320px 极窄屏边界、发布生产、处理 EdgeOne 缓存并完成真机最终验收。整个过程也进一步明确了项目在响应式设计中的原则：优先解决真实设备上的实际问题，不过度针对极端宽度堆叠特殊规则，并为未来多语言扩展保留足够简单、可维护的实现。