AI 辅助 i18n：我是怎么把 3 小时翻译压缩到 30 分钟的

接手老项目第一天，打开代码仓库，语言文件里躺着三千多条键值对，重复两百多条，还有一百多条压根找不到引用。下午产品经理又丢来二十个新文案，要求当晚全部翻成中英日韩四种语言。 以前碰上这种事，基本就是打开在线翻译网页，复制粘贴，手动调格式，一干就是三四个小时。现在不一样了，AI 助手两分钟生成全部文件，我再花十分钟检查修正。 这篇文章把我这几周折腾出来的方法、踩过的坑和总结的经验完整写出来，希望能帮你少走弯路。 我负责一个面向海外市场的 SaaS 产品，前端用 React，国际化方案是传统的 i18next 加 JSON 文件。每个语言一个文件，结构是嵌套对象。项目跑了一年多，语言文件从最初的一千条涨到了三千多条。 维护成本越来越高，人工翻译跟不上迭代速度，漏翻错翻是家常便饭。我试用过几款商业翻译管理平台，功能确实强大，但价格不菲，而且需要把整个工作流迁移过去，团队学习成本太高。 所以我开始琢磨，能不能用 AI 助手直接生成和更新这些文件。 直接丢一个三千行的 JSON 文件给 AI，它很可能被绕晕，输出还可能截断。 我的做法是，先写个脚本，把最外层节点的键名和每个键对应值的长度统计出来，生成一个结构摘要。比如 common.ok 对应字符串，form.username 对应字符串，errors.networkTimeout 对应字符串。 然后把这个摘要发给 AI，让它先用自己的话复述一遍这个结构是什么意思。确认它理解了之后，再给它一个真实的片段，大概五十条，让它模仿着写出一段新内容。 这一步很关键，AI 只有理解了你的数据结构，才能生成符合规范的代码。 产品经理给的新文案是中文，需要翻译成英文、日文和韩文。 我写了一个 Node.js 脚本，读取一个包含新文案的 TXT 文件，然后调用 AI 的 API，把每条文案和它的上下文一起发给模型，让它返回四种语言的 JSON 对象。 这里有个细节，上下文很重要。比如按钮文字“保存”，如果上下文是“保存草稿”，翻译成英文是 Save Draft，如果上下文是“保存设置”，就是 Save Settings。所以我会在每条文案前面加上它的位置信息，比如从哪个页面的哪个模块提取的。 脚本把 AI 返回的结果直接写入对应的语言文件，并且自动格式化，保持缩进一致。 第一次跑通这个流程，我只花了五分钟就生成了四个语言文件，每个文件新增了二十条内容。 但检查的时候发现，日文翻译里有一处把“打开”翻译成了“オープン”，而项目里其他地方用的是“開く”。还有一处英文翻译把“删除”写成了 Delete，但项目里统一用的是 Remove。 这说明 AI 没有充分学习项目现有的术语表。于是我调整了策略，在调用 AI 之前，先扫描现有语言文件，提取高频词和对应翻译，生成一个术语表，然后把这个术语表作为提示词的一部分发给 AI。 比如在提示词里写明：在项目中，“删除”统一用 Remove，“打开”统一用 Open，“保存”统一用 Save，不要用 Delete 或 Open 的变体。 加了术语表之后，翻译的一致性明显提升了。 老项目里重复键有两种情况。 一种是完全一样的键名，但值不同，这通常是不同人维护时覆盖了。另一种是不同键名但值相同，比如 login.title 和 login.header 都是“登录”。 我写了一个脚本，遍历所有语言文件，找出键名相同但值不同的条目，以及值相同的条目，生成一个报告。然后把这个报告发给 AI，让它判断哪些键应该保留，哪些应该合并，并给出理由。 AI 给出的建议大部分是合理的，比如 login.title 和 login.header 都指向同一个页面标题，建议合并成 login.title。但有时候 AI 也会判断失误，比如两个值相同但语义不同，一个是动词一个是名词。所以最终的决策还是我来做，AI 只是提供参考。 再说说废弃键。项目重构后，有些页面删除了，但语言文件里的键还留着。 我写了一个脚本，扫描前端代码，提取出所有被引用的 i18n 键名，然后和语言文件里的键做差集，找出那些没有被引用的键。 这个差集列表我交给 AI，让它检查一下是否有遗漏的引用，因为有些键可能是通过变量拼接的，静态扫描找不到。AI 会给出一个置信度，对于置信度高的，我直接删除；对于置信度低的，我保留并标记为待确认。 这样一轮下来，语言文件从三千多条精简到了两千八百条，体积小了百分之七，加载速度也快了一点。 语言文件不是一次性生成的，项目每天都在迭代。 我建立了一个 GitHub Action，每次有新的文案提交时，自动触发一个脚本，提取新增的文案，调用 AI 生成翻译，然后提交一个 PR，让开发者检查。 这个流程跑了两周，一共提交了十一个 PR，每个 PR 平均包含五到十条新翻译。开发者只需要点一下合并按钮，不用再手动复制粘贴。 当然，AI 不是万能的，有些翻译需要人工润色，比如涉及品牌名、法律条款、文化敏感的内容，我都会在 PR 描述里标注“AI 生成，请人工复核”。 有一次 AI 返回的 JSON 里多了一个逗号，导致整个前端白屏。从那以后，我每次生成完都先跑一遍 JSON 解析，确保格式正确再写入文件。 还有一次，我让它翻译一条新文案，它可能顺手把键名也改了，导致前端引用不到。解决方法是，在提示词里明确要求，键名必须从原文中提取，不能改动。 如果我一次给 AI 太多条文案，它可能会忘记前面的术语表，导致翻译不一致。所以我控制每次最多二十条，并且每十条就重新强调一次术语表。 我让 AI 生成翻译后，会把生成的文件和旧文件做 diff，重点检查那些值没有变化的条目，因为 AI 可能偷懒，直接把原文复制过来。 另外，对于日文和韩文，AI 的翻译质量明显高于英文，但偶尔会有敬语使用不当的问题。所以我建议，如果项目有海外用户，最好找一个母语者做抽检，哪怕每个月只抽检一次，也能发现很多 AI 察觉不到的细节。 这个流程已经在我团队里跑了一个月，整体效率提升了大概百分之六十。以前一个迭代周期要花半天来处理国际化，现在压缩到半小时。 但我并不打算完全放手，AI 生成的内容始终需要人工把关，尤其是涉及品牌形象和用户体验的文案。 我的原则是：AI 负责把基础翻译做到八十分，剩下的二十分靠人补足。 如果你也想尝试，建议从一个小模块开始，比如先让 AI 生成一个新增页面的语言文件，跑通流程后再逐步扩大范围。 工具不在多，关键是用对方法。