标签： 翻译质量
-
A Tour of Go 韩语版原本预计约 6 小时完成，但最终从初始化到 production 收尾跨越约 44 小时。根据 76 次 Git 提交按 30 分钟封顶方式估算，实际活跃投入约 15 小时 43 分，结合 ChatGPT、Codex、浏览器、服务器、Cloudflare 和 Naver 等未完整进入 Git 的操作，最终更适合记作约 16～18 小时。本文复盘韩语为什么明显慢于法语：包括多轮 Quality Check 与 revision、Final Review 后再次返工、韩语语法触发新的 validator 边界、5 小时模型额度影响生产节奏，以及 TranslationUnit 完成后仍持续出现的 preview、production、Cloudflare、课程目录和 Naver 上线问题。最终也重新认识到，成熟流程的价值并不是保证每门语言都越来越快，而是遇到真实问题时，能够正确地慢下来并留下可复用的改进。
-
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。
-
本文基于一次 WordPress 多语言博客英文翻译质量对比，实测分析了 Chrome Built-in AI、Yandex Translate 与 ChatGPT Plus 在技术博客英文化中的表现差异。结果显示，自动翻译适合低成本覆盖普通长尾文章，而涉及海外流量、英文 SEO、Carbon Ads 审核、联盟营销和技术咨询转化的重点文章，更适合使用 ChatGPT Plus 进行完整英文重译。