مُترجم ملفات HUGO Markdown

يعمل هذا المسار على تبسيط ترجمة ملفات HUGO markdown إلى اللغات المستهدفة مع الحفاظ على هيكل الملف وتنسيقه. من خلال الاستفادة من نماذج الذكاء الاصطناعي اللغوية، يضمن ترجمات دقيقة للمحتوى، ويحافظ على سلامة ترويسات TOML، ويطبق أفضل ممارسات الترجمة لمولدات المواقع الثابتة.

التدفقات

كيف يعمل تدفق الذكاء الاصطناعي

استلام ملف Markdown ومتغيرات الترجمة.: يستقبل ملف HUGO markdown الذي يرفعه المستخدم ومعلومات اللغة المستهدفة كمدخلات.
استخراج اللغة المستهدفة.: يقوم بتحليل المتغيرات المدخلة لتحديد اللغة المستهدفة للترجمة باستخدام نموذج ذكاء اصطناعي.
استرجاع الترجمات الموجودة.: يبحث عن أفضل الترجمات الموجودة أو الوثائق ذات الصلة لتوفير سياق للترجمة.
ترجمة ملف Markdown مع الحفاظ على البنية.: يستخدم الذكاء الاصطناعي لترجمة ملف markdown إلى اللغة المستهدفة، مع ضمان الحفاظ على التنسيق الأصلي، وترويسات TOML، وبنية markdown.
إخراج الملف المُترجم.: يُعيد ملف markdown المترجم، جاهز للاستخدام في مشاريع HUGO.

المطالبات المستخدمة في هذا التدفق

متغير الإدخال

قالب نصي يُستخدم لاستخراج اسم اللغة المستهدفة من جميع متغيرات الإدخال.

احصل على اسم اللغة المستهدفة من المتغيرات التالية:
{all_input_variables}

النص البرمجي

قالب نصي لترجمة ملفات HUGO markdown، بما في ذلك القيود ونموذج التنسيق.

أنت مترجم محترف تقوم بترجمة ملف HUGO markdown إلى اللغة المستهدفة، والتي تم تحديدها في متغيرات الإدخال:
{all_input_variables}

-- قيود الترجمة --
{context}
-- نهاية القيود --

ملف الإدخال هو ملف HUGO يحتوي على قسم ترويسة بتنسيق toml (يجب أن يبدأ الملف المترجم بـ toml، ثم يحتوي على المتغيرات بتنسيق toml )، ثم يكمل الملف نص markdown

حافظ على نفس التنسيق والبنية كما في ملف الإدخال الأصلي، وتأكد من استخدام جميع الأحرف التحكمية بنفس الشكل كما في الإدخال الأصلي.
لا تترجم النصوص التي هي جزء من علامات HTML أو أسماء الحقول في قسم الترويسة - ترجم فقط قيم الحقول.
في الترجمة، تعامل بشكل صحيح مع علامات الاقتباس 
--

--مثال على بنية الملف:
title = "أي عنوان"

                                
أي نص آخر بنمط markdown ...

-- نهاية المثال --

--
أعد فقط الملف المترجم، ولا شيء غير ذلك!
الملف المطلوب ترجمته:
{input}
هذا سطر نهائي أُضيف لضمان التحليل السليم.

المكونات المستخدمة في هذا التدفق

فيما يلي قائمة كاملة بجميع المكونات المستخدمة في هذا التدفق لتحقيق وظائفه. المكونات هي كتل البناء لكل تدفق ذكاء اصطناعي. تتيح لك إنشاء تفاعلات معقدة وأتمتة المهام من خلال ربط وظائف مختلفة. كل مكون يخدم غرضاً محدداً، مثل التعامل مع مدخلات المستخدم أو معالجة البيانات أو التكامل مع الخدمات الخارجية.

إدخال الدردشة

مكوّن إدخال الدردشة في FlowHunt يطلق تفاعلات المستخدم من خلال التقاط الرسائل من ساحة اللعب. يعمل كنقطة البداية للتدفقات، مما يتيح لسير العمل معالجة المدخلات النصية وتلك المستندة إلى الملفات.

عرض إدخال الدردشة

مكوّن البرومبت في FlowHunt

تعرّف على كيفية استخدام مكوّن البرومبت في FlowHunt لتعريف دور وسلوك روبوت الذكاء الاصطناعي الخاص بك، مما يضمن ردودًا ذات صلة وشخصية. خصص البرومبت والقوالب لخلق تدفقات دردشة فعّالة وواعية بالسياق.

عرض مكوّن البرومبت في FlowHunt

LLM أوبن أي آي

يدعم FlowHunt العشرات من نماذج توليد النصوص، بما في ذلك نماذج أوبن أي آي. إليك كيفية استخدام ChatGPT في أدوات الذكاء الاصطناعي وروبوتات الدردشة الخاصة بك.

عرض LLM أوبن أي آي

المُوَلِّد

استكشف مكون المُوَلِّد في FlowHunt—توليد نصوص قوية مدعومة بالذكاء الاصطناعي باستخدام نموذج LLM الذي تختاره. أنشئ بسهولة ردود ديناميكية للدردشة بدمج المطالبات، والتعليمات النظامية الاختيارية، وحتى الصور كمدخلات، مما يجعله أداة أساسية لبناء سير عمل ذكي وحواري.

عرض المُوَلِّد

مسترجع المستندات

يعزز مسترجع المستندات من FlowHunt دقة الذكاء الاصطناعي من خلال ربط النماذج التوليدية بمستنداتك وروابطك الخاصة المحدثة، مما يضمن الحصول على إجابات موثوقة وذات صلة باستخدام التوليد المعزز بالاسترجاع (RAG).

عرض مسترجع المستندات

إخراج الدردشة

اكتشف مكون إخراج الدردشة في FlowHunt—أنهِ ردود الدردشة مع مخرجات متعددة ومرنة. ضروري لإكمال التدفق بسلاسة وإنشاء روبوتات دردشة تفاعلية ومتقدمة بالذكاء الاصطناعي.

عرض إخراج الدردشة

ملاحظة

يتيح لك مكون الملاحظة في FlowHunt إضافة تعليقات وتوثيقات مباشرة في سير العمل الخاص بك. استخدمه لتوضيح أو شرح أو تقديم تعليمات ضمن التدفق الخاص بك، مما يسهل فهم وصيانة الأتمتة المعقدة.

عرض ملاحظة

وصف التدفق

الغرض والفوائد

تم تصميم هذا المسار الآلي لأتمتة ترجمة ملفات markdown المُستخدمة في مشاريع HUGO، مع تركيز خاص على الحفاظ على بنية الملف وتنسيقه. يضمن هذا التدفق ترجمة النصوص ذات الصلة فقط، بينما تبقى العناصر التقنية مثل قسم الترويسة، وبنية markdown، وأحرف التحكم كما هي دون تغيير. يعد هذا مفيدًا بشكل خاص للفرق التي تدير مواقع ثابتة متعددة اللغات مبنية باستخدام HUGO، وتسعى إلى توسيع نطاق تعريب المحتوى مع الحفاظ على جودة وموثوقية عالية.

الهدف والفائدة

الترجمة التلقائية: يستفيد المسار من أحدث نماذج اللغة (مثل OpenAI GPT-4) لتقديم ترجمات عالية الجودة لملفات markdown.
الحفاظ على البنية: يحافظ بدقة على بنية ملفات HUGO markdown، بما في ذلك ترويسة TOML، وعناوين markdown، والتنسيقات الخاصة.
الترجمة الانتقائية: تم تصميم التدفق لتجنب ترجمة أسماء الحقول في الترويسة أو النصوص داخل علامات HTML، مع التركيز فقط على قيم الحقول ومحتوى markdown.
توسعة الترجمة: من خلال أتمتة عملية الترجمة، يمكّن هذا المسار من التوسع السريع إلى لغات متعددة مع جهد يدوي محدود.

الخطوات الرئيسية في المسار

يتكون هذا المسار من عدة مكونات مترابطة. فيما يلي ملخص الخطوات خطوة بخطوة:

الخطوة	المكون	الوظيفة
1	Chat Input	يستقبل ملف markdown المطلوب ترجمته وأي متغيرات مطلوبة (مثل اللغة المستهدفة).
2	Prompt Template (`input var`)	يستخرج اسم اللغة المستهدفة من متغيرات الإدخال لاستخدامها في المراحل التالية.
3	LLM OpenAI (nano)	يستخدم نموذج GPT-4 خفيف لمعالجة المدخلات النصية.
4	Generator (`get language name`)	يولد اسم اللغة المستهدفة من المتغيرات المقدمة.
5	Document Retriever (`GetBestTranslation`)	يبحث عن أفضل الترجمات الموجودة أو السياق من مصادر وثائقية داخلية.
6	Prompt Template (`Prompt`)	ينشئ نصًا تفصيليًا يوجه النموذج اللغوي حول كيفية الترجمة، مع قيود وأمثلة واضحة.
7	LLM OpenAI (full)	يستخدم نموذج GPT-4 كامل القدرات (بقدرة سياقية كبيرة) لتنفيذ الترجمة الفعلية.
8	Generator	ينفذ عملية الترجمة باستخدام النموذج والنص البرمجي أعلاه.
9	Chat Output	يعرض ملف markdown المترجم في واجهة الإخراج.

منطق سير العمل بالتفصيل

معالجة الإدخال: يقوم المستخدم بإرسال ملف markdown وتحديد اللغة المستهدفة. يستخرج المسار المتغيرات ذات الصلة لاستخدامها في النصوص البرمجية.
استخراج اللغة: يحدد الجزء الأول من المسار اسم اللغة المستهدفة من المدخلات، باستخدام نموذج لغوي خفيف وقالب نصي مخصص.
استرجاع السياق: يقوم اختياريًا باسترجاع ترجمات سابقة أو وثائق ذات صلة لتوفير سياق إضافي وضمان الاتساق في الترجمة.
بناء نص الترجمة: يتم إعداد نص شامل يوضح قواعد التنسيق، وقيود الترجمة، وتوقعات بنية الملف. يتم إعطاء نموذج بنية ملف للنموذج اللغوي مع تعليمات صارمة حول ما يجب ترجمته وما يجب الحفاظ عليه.
توليد الترجمة: يتم تنفيذ الترجمة الرئيسية باستخدام نموذج لغوي قوي، لضمان ناتج عالي الجودة مع الالتزام الصارم بمتطلبات التنسيق والبنية.
الإخراج: يُعرض ملف markdown المترجم لمراجعة المستخدم أو لمزيد من المعالجة الآلية.

لماذا هذا المسار مفيد

الاتساق: يضمن أن جميع الملفات المترجمة تتبع إرشادات التنسيق والبنية الصارمة المطلوبة لمشاريع HUGO.
الكفاءة: يقلل بشكل كبير من الجهد اليدوي اللازم لترجمة وتنسيق ملفات markdown لمولدات المواقع الثابتة.
القابلية للتوسع: يمكّن من التوسع السهل للغات متعددة وكميات كبيرة من المحتوى.
ضبط الجودة: من خلال استخدام الاسترجاع السياقي والتعليمات الواضحة للترجمة، يقلل من الأخطاء الشائعة في أساليب الترجمة الآلية البسيطة.

اعتبارات خاصة

قواعد على مستوى الحقول: المسار دقيق في ترجمة قيم الحقول فقط في الترويسة، وليس أسماء الحقول أو العناصر البنيوية.
سلامة التنسيق: يتم الحفاظ على أحرف التحكم مثل + + + وعناصر markdown/HTML كما يتطلب HUGO وTOML.
قابلية التوسع والتطوير: تسمح البنية المعيارية (مع أدوات الاسترجاع، والقوالب النصية، والمولدات) بسهولة التكيف مع تطور المتطلبات.

باختصار، يوفر هذا المسار حلاً موثوقًا وقابلاً للتوسع لترجمة ملفات HUGO markdown من البداية للنهاية، مما يجعله ذا قيمة عالية للجهات التي تدير مواقع أو وثائق متعددة اللغات باستخدام المواقع الثابتة.

دعنا نبني فريق الذكاء الاصطناعي الخاص بك

نحن نساعد الشركات مثل شركتك في تطوير روبوتات الدردشة الذكية، وخوادم MCP، وأدوات الذكاء الاصطناعي أو أنواع أخرى من أتمتة الذكاء الاصطناعي لاستبدال البشر في المهام المتكررة في مؤسستك.

حدد موعد عرض تجريبي جربه الآن

اعرف المزيد

مترجم نصوص HTML احترافي مع UrlsLab

ترجم محتوى الويب بين اللغات مع الحفاظ على هيكل HTML الأصلي باستخدام الذكاء الاصطناعي وإضافة UrlsLab. تبقى عناوين البريد الإلكتروني وروابط المواقع دون تغيير، مما...

Jun 6, 2025 3 دقيقة قراءة

تحويل Markdownify MCP

قم بدمج FlowHunt مع خادم Markdownify MCP لأتمتة تحويل ملفات PDF والصور والصوت وDOCX وجداول البيانات والعروض التقديمية ومحتوى الويب إلى لغة الماركداون لتسهيل الت...

Aug 12, 2025 4 دقيقة قراءة

Markdown Automation +5

خادم Pandoc MCP

قم بأتمتة تحويل مستندات Markdown إلى PDF وDOCX وHTML والمزيد من خلال تكامل FlowHunt مع خادم Pandoc MCP. حمّل المخرجات فورًا إلى Google Cloud Storage، واحصل على ...