Eingabe-Variable
Prompt-Vorlage zur Extraktion des Namens der Zielsprache aus allen Eingabevariablen.
Get the name of the destination language from following variables:
{all_input_variables}
HUGO Markdown-Datei-Übersetzer
Dieser Workflow optimiert die Übersetzung von HUGO-Markdown-Dateien in Zielsprache, wobei die Dateistruktur und das Format erhalten bleiben. Durch den Einsatz von KI-Sprachmodellen wird eine präzise Übersetzung des Inhalts sichergestellt, die Integrität des TOML-Front Matters gewahrt und Best Practices für Übersetzungen bei statischen Seitengeneratoren angewendet.
Flows
So funktioniert der KI-Flow
- Markdown-Datei und Übersetzungsvariablen empfangen.
- Akzeptiert vom Benutzer hochgeladene HUGO-Markdown-Datei und Informationen zur Zielsprache als Eingabe.
- Zielsprache extrahieren.
- Analysiert Eingabevariablen, um die Zielsprache für die Übersetzung mithilfe eines KI-Modells zu bestimmen.
- Vorhandene Übersetzungen abrufen.
- Sucht nach den besten vorhandenen Übersetzungen oder verwandter Dokumentation, um Kontext für die Übersetzung bereitzustellen.
- Markdown-Datei mit Strukturerhalt übersetzen.
- Verwendet KI, um die Markdown-Datei in die Zielsprache zu übersetzen und dabei das ursprüngliche Format, TOML-Front Matter und die Markdown-Struktur zu erhalten.
- Übersetzte Datei ausgeben.
- Gibt die übersetzte Markdown-Datei zurück, bereit zur Verwendung in HUGO-Projekten.
In diesem Flow verwendete Prompts
Nachfolgend finden Sie eine vollständige Liste aller in diesem Flow verwendeten Prompts, um dessen Funktionalität zu gewährleisten. Prompts sind die Anweisungen, die dem KI-Modell gegeben werden, um Antworten zu generieren oder Aktionen auszuführen. Sie leiten die KI dabei, die Absicht des Benutzers zu verstehen und relevante Ausgaben zu generieren.
Prompt
Prompt-Vorlage für die Übersetzung von HUGO-Markdown-Dateien, einschließlich Einschränkungen und Beispiel-Formatierung.
You are professional translator translating HUGO markdown file to destination language, which is defined in input variables:
{all_input_variables}
-- TRANSLATION RESTRICTIONS --
{context}
-- END RESTRICTIONS --
Input file is HUGO file with Front matter section formatted with toml language (translated file should start with toml, than contains variables in toml format ), than file continue with markdown text
Keep the same formatting and structure as original input file, make sure all control characters are used in the same form as in original input.
Don't translate text, which are part of HTML tags or field names in the front matter section - translate just field values.
In the translation properly handle quotes
--
--EXAMPLE of file structure START:
title = "any title"
any other markdown text ...
-- EXAMPLE END
--
RETURN JUST TRANSLATED FILE, NOTHING ELSE!
INPUT FILE TO TRANSLATE:
{input}
This is a final line added for robust parsing.
In diesem Flow verwendete Komponenten
Nachfolgend finden Sie eine vollständige Liste aller Komponenten, die in diesem Flow verwendet werden, um seine Funktionalität zu gewährleisten. Komponenten sind die Bausteine jedes KI-Flows. Sie ermöglichen es Ihnen, komplexe Interaktionen zu erstellen und Aufgaben zu automatisieren, indem verschiedene Funktionalitäten verbunden werden. Jede Komponente dient einem bestimmten Zweck, wie z.B. der Verarbeitung von Benutzereingaben, der Datenverarbeitung oder der Integration mit externen Diensten.
ChatInput
Die Chat Input-Komponente in FlowHunt initiiert Benutzerinteraktionen, indem sie Nachrichten aus dem Playground erfasst. Sie dient als Startpunkt für Flows und ermöglicht die Verarbeitung von Text- und dateibasierten Eingaben im Workflow.
Prompt-Komponente in FlowHunt
Erfahren Sie, wie die Prompt-Komponente von FlowHunt es ermöglicht, die Rolle und das Verhalten Ihres KI-Bots zu definieren und so relevante, personalisierte Antworten sicherstellt. Passen Sie Prompts und Vorlagen an, um effektive, kontextbewusste Chatbot-Flows zu erstellen.
LLM OpenAI
FlowHunt unterstützt Dutzende von Textgenerierungsmodellen, darunter Modelle von OpenAI. So verwenden Sie ChatGPT in Ihren AI-Tools und Chatbots.
Generator
Entdecken Sie die Komponente Generator in FlowHunt – leistungsstarke, KI-gesteuerte Textgenerierung mit Ihrem gewählten LLM-Modell. Erstellen Sie mühelos dynamische Chatbot-Antworten, indem Sie Prompts, optionale Systemanweisungen und sogar Bilder als Eingabe kombinieren. So wird es zu einem zentralen Werkzeug für den Aufbau intelligenter, konversationeller Workflows.
Dokumenten-Retriever
FlowHunts Dokumenten-Retriever verbessert die Genauigkeit von KI, indem generative Modelle mit Ihren eigenen aktuellen Dokumenten und URLs verbunden werden. So erhalten Sie zuverlässige und relevante Antworten durch Retrieval-Augmented Generation (RAG).
Chat-Ausgabe
Entdecken Sie die Chat-Ausgabe-Komponente in FlowHunt – finalisieren Sie Chatbot-Antworten mit flexiblen, mehrteiligen Ausgaben. Unverzichtbar für nahtlose Flow-Abschlüsse und die Erstellung fortschrittlicher, interaktiver KI-Chatbots.
Notiz
Die Notiz-Komponente in FlowHunt ermöglicht es Ihnen, Kommentare und Dokumentationen direkt in Ihren Workflow einzufügen. Nutzen Sie sie, um innerhalb Ihres Flows Klarheit zu schaffen, Anmerkungen zu machen oder Anweisungen zu geben, sodass komplexe Automatisierungen leichter zu verstehen und zu pflegen sind.
Flow-Beschreibung
Zweck und Vorteile
Workflow-Überblick: Übersetzungen für HUGO-Projekte
Dieser Workflow wurde entwickelt, um die Übersetzung von Markdown-Dateien für HUGO-Projekte zu automatisieren – mit besonderem Augenmerk auf den Erhalt der Dateistruktur und Formatierung. Der Ablauf stellt sicher, dass nur der relevante Textinhalt übersetzt wird, während technische Elemente wie Front Matter, Markdown-Struktur und Steuerzeichen unangetastet bleiben. Dies ist besonders nützlich für Teams, die mehrsprachige statische Seiten mit HUGO verwalten und die Lokalisierung von Inhalten skalieren möchten, während hohe Qualität und Konsistenz gewahrt bleiben.
Zweck und Nutzen
- Automatisierte Übersetzung: Der Workflow nutzt modernste Sprachmodelle (OpenAI GPT-4-Varianten), um hochwertige Übersetzungen für Markdown-Dateien bereitzustellen.
- Strukturerhalt: Die Struktur der HUGO-Markdown-Dateien, einschließlich Front Matter im TOML-Format, Markdown-Überschriften und spezieller Formatierungen, wird sorgfältig beibehalten.
- Selektive Übersetzung: Das Vorgehen ist darauf ausgelegt, keine Feldnamen im Front Matter oder Text innerhalb von HTML-Tags zu übersetzen. Nur Feldwerte und Markdown-Inhalte werden übersetzt.
- Skalierbare Lokalisierung: Durch die Automatisierung des Übersetzungsprozesses ermöglicht dieser Workflow eine schnelle Skalierung in mehrere Sprachen mit minimalem manuellen Aufwand.
Zentrale Schritte im Workflow
Der Workflow besteht aus mehreren miteinander verbundenen Komponenten. Hier eine Schritt-für-Schritt-Übersicht:
| Schritt | Komponente | Funktion |
|---|---|---|
| 1 | Chat Input | Akzeptiert die zu übersetzende Markdown-Datei und erforderliche Variablen (z. B. Zielsprache). |
| 2 | Prompt Template (input var) | Extrahiert den Namen der Zielsprache aus den Eingabevariablen für die weitere Verarbeitung. |
| 3 | LLM OpenAI (nano) | Nutzt ein leichtgewichtiges GPT-4-Modell zur Bearbeitung von Prompts. |
| 4 | Generator (get language name) | Generiert den Namen der Zielsprache aus den bereitgestellten Variablen. |
| 5 | Document Retriever (GetBestTranslation) | Sucht nach vorhandenen besten Übersetzungen oder Kontext aus internen/Dokumentenquellen. |
| 6 | Prompt Template (Prompt) | Erstellt einen detaillierten Prompt mit Anweisungen zur Übersetzung, inklusive Einschränkungen und Beispielen. |
| 7 | LLM OpenAI (full) | Nutzt ein vollwertiges GPT-4-Modell (mit großem Kontext) zur Durchführung der Übersetzung. |
| 8 | Generator | Führt die Übersetzung mithilfe des obigen Prompts und Modells aus. |
| 9 | Chat Output | Zeigt die übersetzte Markdown-Datei in der Ausgabeschnittstelle an. |
Workflow-Logik im Detail
- Eingabeverarbeitung: Der Benutzer reicht eine Markdown-Datei ein und gibt die Zielsprache an. Der Workflow extrahiert relevante Variablen für die Verwendung in Prompts.
- Spracherkennung: Im ersten Teil des Workflows wird der Name der Zielsprache aus der Eingabe mithilfe eines leichten LLM und einer eigenen Prompt-Vorlage ermittelt.
- Kontextuelle Recherche: Optional werden vorhandene Übersetzungen oder relevante Dokumentation abgerufen, um zusätzlichen Kontext zu liefern und Übersetzungskonsistenz zu gewährleisten.
- Erstellung des Übersetzungsprompts: Ein umfassender Prompt wird erstellt, in dem Formatierungsregeln, Überschreibungsbeschränkungen und Erwartungen an die Dateistruktur detailliert aufgeführt werden. Ein Beispiel für den Dateiaufbau wird dem Modell gegeben, mit strikten Anweisungen, was übersetzt und was erhalten werden soll.
- Übersetzungserstellung: Die eigentliche Übersetzung erfolgt über ein leistungsstarkes LLM, das eine hochwertige Ausgabe erzeugt und dabei strikt die Formatierungs- und Strukturvorgaben einhält.
- Ausgabe: Die übersetzte Markdown-Datei wird zur Überprüfung durch den Benutzer oder zur weiteren automatisierten Verarbeitung bereitgestellt.
Warum dieser Workflow nützlich ist
- Konsistenz: Stellt sicher, dass alle übersetzten Dateien die strengen Formatierungs- und Strukturvorgaben von HUGO-Projekten einhalten.
- Effizienz: Reduziert den manuellen Aufwand für die Übersetzung und Formatierung von Markdown-Dateien für statische Seitengeneratoren erheblich.
- Skalierbarkeit: Ermöglicht eine einfache Skalierung auf mehrere Sprachen und große Inhaltsmengen.
- Qualitätskontrolle: Durch die Kombination aus kontextbewusster Recherche und expliziten Übersetzungsanweisungen werden Fehler, wie sie bei naiven maschinellen Übersetzungen auftreten, minimiert.
Besondere Überlegungen
- Feldspezifische Regeln: Der Workflow achtet sorgfältig darauf, nur Feldwerte im Front Matter zu übersetzen, nicht aber Feldnamen oder Strukturelemente.
- Formatierungsintegrität: Steuerzeichen wie
+ + +sowie Markdown-/HTML-Elemente werden entsprechend der Anforderungen von HUGO und TOML beibehalten. - Erweiterbarkeit: Der modulare Aufbau (mit Retriever, Prompt-Vorlagen und Generatoren) ermöglicht eine einfache Anpassung bei sich ändernden Anforderungen.
Zusammenfassend bietet dieser Workflow eine durchgängige, zuverlässige und skalierbare Lösung für die Übersetzung von HUGO-Markdown-Dateien und ist damit besonders wertvoll für Organisationen, die mehrsprachige statische Seiten oder Dokumentationsprojekte verwalten.
Lassen Sie uns Ihr eigenes KI-Team aufbauen
Wir helfen Unternehmen wie Ihrem, intelligente Chatbots, MCP-Server, KI-Tools oder andere Arten von KI-Automatisierungen zu entwickeln, um Menschen bei sich wiederholenden Aufgaben in Ihrer Organisation zu ersetzen.
Mehr erfahren
Professioneller HTML-Textübersetzer mit UrlsLab
Übersetzen Sie Webinhalte zwischen verschiedenen Sprachen und bewahren Sie dabei die HTML-Struktur, mithilfe von KI und UrlsLab-Plugin. E-Mail-Adressen und URLs...
3 Min. Lesezeit
Technische Dokumentation in SEO-Artikel umwandeln
Verwandeln Sie technische Dokumentation von einer URL in einen überzeugenden, SEO-optimierten Artikel für Ihre Website. Dieser Flow analysiert die bestplatziert...
4 Min. Lesezeit
Sofortiger Markdown-Tabellenersteller
Erstellen Sie mühelos vollständig formatierte Markdown-Tabellen aus Ihren Eingaben – ideal für Dokumentationen, Präsentationen und Notizen. Dieser KI-gestützte ...
3 Min. Lesezeit