标签： 多语言翻译
-
A Tour of Go 日语版 ja-JP 正式上线后，我没有立即开始第三门语言，而是先复盘第二门语言从开发、翻译、质量审核、projection、production 部署到公网验收的完整过程，并将此前依赖临时分析和上下文记忆的环节固化为正式规范。项目新增 NEW_LOCALE_RUNBOOK.md 和 LOCALE_SURFACE_REVIEW.md，明确新增 locale 的统一入口、TranslationUnit 之外的完整语言质量审核、Rendered Surface Acceptance、首次生产部署与日常维护部署边界，以及 glossary 作为全站术语权威来源的职责，为后续第三门及更多语言建立可重复执行的标准化扩展流程。
-
A Tour of Go 多语言翻译项目的第二门社区语言 ja-JP 于 2026 年 8 月 24 日正式完成生产上线。日语版覆盖 103 个课程 Page 和 19 个 eligible Example，共 122 个 TranslationUnit，全部经过 automatic validation、Quality Check、Final Review 与 promotion，并完成公共 UI、课程目录、独立生产部署、Cloudflare Free、共享静态资源、Playground、SEO 与真实浏览器验收。Google Search Console 已成功处理 ja-JP sitemap 并发现 105 个公开网页。这次上线也真正验证了项目从 zh-CN 扩展到第二门语言的完整多语言架构。
-
本次重新评估 A Tour of Go 的 TranslationUnit 翻译方案，根本原因不是单纯比较模型能力，而是 ChatGPT 作为批量翻译引擎在实际工作中出现持续稳定性问题，即使从 ZIP 交付简化为 JSON，翻译任务仍可能卡住。实验使用 5 个正式 TranslationUnit、完整 zh-CN glossary、protected token、独立随机匿名和 Engineering Gate，对 ChatGPT GPT-5.6 High、Codex GPT-5.6 Sol High 与 Extra High 进行四模型匿名评审。结果显示，ChatGPT High 的外部评审平均分为 96.67，Codex High 为 95.73，Extra High 为 95.87，三者已进入相近的高质量梯队，而 Extra High 并未表现出稳定优势。综合翻译质量与本地批量执行能力，后续默认翻译引擎准备调整为 Codex GPT-5.6 Sol High，ChatGPT 则重点用于统一 Quality Check，并以所有 TranslationUnit 最终达到 A 作为质量验收目标。
-
在 go-tour-i18n 多语言翻译项目推进过程中，我曾经通过 ChatGPT + GitHub batch 完成 A Tour of Go 简体中文 103 页全量重译验证。后续扩展 ja-JP 翻译时，继续沿用了基于 TranslationUnit 的翻译流程，并尝试从 GitHub 写入调整为 raw-responses artifact 导入模式。实际测试发现，ChatGPT 能够理解项目流程、读取 batch 和 manifest，但在新任务中无法稳定完成从 TranslationUnit 翻译结果到 raw-responses 文件和 artifact 交付的完整闭环。本文记录这次 AI 辅助翻译流程稳定性验证过程，并分析翻译能力与工程执行能力之间的差异。
-
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。
-
Views: 40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 提交信息仍然保持项 […]
-
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。