← Voltar aos guias

用 AI 翻译与本地化软件：从术语库到上线验收的实战流程

为什么软件翻译不能只做逐句直译

软件本地化不仅是把英文换成中文，还要让按钮长度、变量、日期格式、语气和业务术语符合目标市场习惯。例如“Cancel”在支付流程中可能应译为“放弃付款”，在弹窗中则通常是“取消”；“{count} files deleted”还必须保留变量和复数规则。使用 AI 可以显著提升效率，但前提是建立可复用的上下文、规则和验收机制。

第一步：整理可翻译资源并保护技术字段

先从项目中导出 i18n JSON、CSV、XLIFF 或 PO 文件，并按界面、通知邮件、帮助中心、错误码和营销文案分组。为每条文案保留唯一 key、源语言、目标语言、页面位置和字符限制。不要直接把整份代码提交给模型，应只发送需要翻译的文本。

• 锁定变量：如 {name}、{{price}}、%s、${amount} 必须原样保留。
• 锁定标记：HTML 标签、Markdown 链接、URL、产品名、命令行参数和错误码不能被改写。
• 记录限制：按钮可设为不超过 12 个汉字，移动端标题可设为不超过 20 个汉字。

第二步：先建立术语库和语言风格指南

在批量调用 AI 前，创建一个简洁术语库。至少包含产品名称、功能名称、行业词、禁用译法和指定译法。例如统一规定“workspace”译为“工作区”，“Sign in”译为“登录”，“Delete”在不可恢复场景译为“永久删除”。同时定义目标地区，如简体中文（中国大陆）、繁体中文（台湾）或日语（日本），因为同一语言在日期、货币和表达方式上也会不同。

风格指南应说明使用“你”还是“您”、按钮使用动词还是名词、错误提示是否给出解决建议，以及标点格式。把这些内容作为每次请求的固定上下文，能避免同一个词在不同页面出现多种译法。

第三步：按内容风险选择 AI 模型

高频、短小且上下文明确的界面字符串可使用速度更快、成本更低的模型；涉及法律条款、支付流程、品牌语气或复杂技术文档时，应选择推理和写作能力更强的模型，并加入人工复核。59API 提供按量付费的 Claude Opus、Sonnet、Haiku、Fable 与 GPT 模型访问，适合按任务分层：用经济型模型处理初稿和增量更新，用 Sonnet 或 Opus 审校关键页面，避免所有文本都使用高成本模型。

第四步：设计可稳定复用的翻译请求

每次请求应明确模型角色、目标地区、术语库、格式约束和输出格式。可要求模型：你是软件本地化专家；将 source 从英文翻译为简体中文；保留所有变量、标签和 key；遵循术语表；若原文含歧义，根据 screen_context 判断；仅返回 JSON 数组，字段为 key、translation、note。为每条字符串附上 screen_context，例如“订阅页的确认按钮”或“文件删除后的 Toast 提示”，比只提交孤立句子更准确。

对于大批量文本，建议每批处理 20 至 100 条，并按模块发送。批次过大容易让上下文被稀释，也不利于重试和定位异常。

第五步：通过 59API 接入现有翻译脚本

如果团队已经使用 OpenAI SDK、Claude Code 或 Codex，可将客户端 API 基础地址配置为 https://api.59api.com，并在控制台创建密钥后替换原有凭证。59API 兼容常见客户端接入方式，能减少迁移脚本的工作量；开发时可先用少量样本测试模型、提示词和返回结构，再启动全量任务。其原生官方质量模型与低成本按量计费方式，尤其适合需要持续同步多语言资源的 SaaS 团队。

生产脚本应记录原文哈希、模型名称、提示词版本和生成时间。只有当源文案发生变化时才重新翻译，可避免重复调用和术语漂移。对网络超时、限流或非 JSON 返回设置指数退避重试，并且不要把用户隐私、密钥或完整生产数据库发送到翻译请求中。

第六步：上线前做四类自动校验

• 结构校验：检查返回 key 是否完整，JSON 是否可解析，标签是否成对闭合。
• 变量校验：比较原文和译文中的占位符集合，任何缺失、改名或新增都应拦截。
• 长度校验：对按钮、菜单和移动端标题标记超长文本，必要时要求 AI 生成更短版本。
• 术语校验：扫描禁用译法和未翻译英文，确保术语库得到执行。

第七步：进行视觉验收并持续优化

自动校验通过后，把译文部署到测试环境，实际查看登录、下单、空状态、错误弹窗和邮件模板。重点检查文本截断、换行、右到左语言布局、货币与日期格式，以及删除、退款等高风险操作是否表达清楚。将人工修改过的译文回写术语库，并把常见问题加入提示词规则。这样每次产品迭代都能形成“提取变更、AI 初译、自动校验、人工抽检、发布”的稳定流水线。

如果你希望以较低成本快速验证这套流程，可以注册 59API，用小批量界面文案测试不同模型和提示词，再逐步接入正式本地化任务；其推荐返利机制也适合开发者向团队或客户分享成熟方案。

Preços · Docs