HUGO Markdown-bestand Vertaler

Deze workflow stroomlijnt de vertaling van HUGO markdownbestanden naar doeltalen, terwijl de bestandsstructuur en opmaak behouden blijven. Door gebruik te maken van AI-taalmodellen, zorgt het voor nauwkeurige vertalingen van de inhoud, behoudt het de integriteit van de TOML front matter, en past het vertaalbest practices toe voor statische site generators.

Flows

Hoe de AI-flow werkt

Ontvang Markdown-bestand en Vertaalvariabelen.: Accepteert door de gebruiker geüpload HUGO markdownbestand en doeltaalinformatie als invoer.
Haal Doeltaal op.: Parseert invoervariabelen om de doeltaal voor vertaling vast te stellen met behulp van een AI-model.
Haal Bestaande Vertalingen op.: Zoekt naar de beste bestaande vertalingen of gerelateerde documentatie om context te bieden voor de vertaling.
Vertaal Markdown-bestand met Behoud van Structuur.: Gebruikt AI om het markdownbestand naar de doeltaal te vertalen, waarbij de originele opmaak, TOML front matter en markdownstructuur behouden blijven.
Geef Vertaald Bestand uit.: Geeft het vertaalde markdownbestand terug, klaar voor gebruik in HUGO-projecten.

Gebruikte prompts in deze flow

input var

Prompttemplate gebruikt om de naam van de doeltaal uit alle invoervariabelen te halen.

Haal de naam van de doeltaal uit de volgende variabelen:
{all_input_variables}

Prompt

Prompttemplate voor de vertaling van HUGO markdownbestanden, inclusief restricties en voorbeeldopmaak.

Je bent een professionele vertaler die een HUGO markdownbestand vertaalt naar de doeltaal, die is gedefinieerd in de invoervariabelen:
{all_input_variables}

-- VERTAALRESTRICTIES --
{context}
-- EINDE RESTRICTIES --

Het invoerbestand is een HUGO-bestand met een front matter sectie in toml-indeling (het vertaalde bestand moet beginnen met toml, dan variabelen in toml-indeling bevatten), daarna gaat het bestand verder met markdowntekst

Behoud dezelfde opmaak en structuur als het originele invoerbestand, zorg ervoor dat alle controlekarakters in dezelfde vorm worden gebruikt als in het origineel.
Vertaal geen tekst die deel uitmaakt van HTML-tags of veldnamen in de front matter sectie - vertaal alleen veldwaarden en markdowninhoud.
Ga correct om met aanhalingstekens 
--

--VOORBEELD van bestandsstructuur BEGIN:
title = "any title"

                                
any other markdown text ...

-- VOORBEELD EINDE

--
GEEF ALLEEN HET VERTAALDE BESTAND TERUG, NIETS ANDERS!
INVOERBESTAND OM TE VERTALEN:
{input}
This is a final line added for robust parsing.

Gebruikte componenten in deze flow

Hieronder vindt u een complete lijst van alle componenten die in deze flow zijn gebruikt om de functionaliteit te bereiken. Componenten zijn de bouwstenen van elke AI-flow. Ze stellen u in staat om complexe interacties te creëren en taken te automatiseren door verschillende functionaliteiten met elkaar te verbinden. Elke component heeft een specifiek doel, zoals het verwerken van gebruikersinvoer, het verwerken van gegevens of het integreren met externe diensten.

ChatInput

Het Chat Input-component in FlowHunt start gebruikersinteracties door berichten vanuit de Playground vast te leggen. Het dient als het startpunt voor flows, waardoor de workflow zowel tekst- als bestandsinvoer kan verwerken.

Bekijk ChatInput

Promptcomponent in FlowHunt

Ontdek hoe de Promptcomponent van FlowHunt je in staat stelt de rol en het gedrag van je AI-bot te definiëren, zodat je relevante, gepersonaliseerde antwoorden krijgt. Pas prompts en sjablonen aan voor effectieve, contextbewuste chatbotflows.

Bekijk Promptcomponent in FlowHunt

LLM OpenAI

FlowHunt ondersteunt tientallen tekstgeneratiemodellen, waaronder modellen van OpenAI. Hier lees je hoe je ChatGPT gebruikt in je AI-tools en chatbots.

Bekijk LLM OpenAI

Generator

Ontdek het Generator-component in FlowHunt—krachtige AI-gedreven tekstgeneratie met het door jou gekozen LLM-model. Creëer moeiteloos dynamische chatbot-antwoorden door prompts, optionele systeemberichten en zelfs afbeeldingen als input te combineren, waardoor het een essentiële tool is voor het bouwen van intelligente, conversatiestromen.

Bekijk Generator

Document Retriever

De Document Retriever van FlowHunt verhoogt de nauwkeurigheid van AI door generatieve modellen te koppelen aan je eigen, up-to-date documenten en URL's. Zo krijg je betrouwbare en relevante antwoorden met Retrieval-Augmented Generation (RAG).

Bekijk Document Retriever

Chatuitvoer

Ontdek het Chat Output-component in FlowHunt—finaliseer chatbot-antwoorden met flexibele, meerledige outputs. Essentieel voor naadloze flow-afronding en het creëren van geavanceerde, interactieve AI-chatbots.

Bekijk Chatuitvoer

Notitie

Met de Notitie-component in FlowHunt kun je opmerkingen en documentatie rechtstreeks aan je workflow toevoegen. Gebruik het om te verduidelijken, annoteren of instructies te geven binnen je flow, zodat complexe automatiseringen eenvoudiger te begrijpen en te onderhouden zijn.

Bekijk Notitie

Flowbeschrijving

Doel en voordelen

Workflow Overzicht: Vertalingen voor HUGO-projecten

Deze workflow is ontworpen om de vertaling van markdownbestanden die in HUGO-projecten worden gebruikt te automatiseren, met speciale aandacht voor het behouden van de bestandsstructuur en opmaak. De flow zorgt ervoor dat alleen de relevante tekstinhoud wordt vertaald, terwijl technische elementen zoals de front matter, markdownstructuur en controlekarakters intact blijven. Dit is vooral handig voor teams die meertalige statische sites met HUGO beheren en de lokalisatie van content willen opschalen met behoud van hoge kwaliteit en consistentie.

Doel en Nut

Geautomatiseerde Vertaling: De workflow maakt gebruik van geavanceerde taalmodellen (OpenAI GPT-4 varianten) om hoogwaardige vertalingen van markdownbestanden te leveren.
Structuurbehoud: De structuur van HUGO markdownbestanden, inclusief TOML front matter, markdownkoppen en speciale opmaak, wordt zorgvuldig behouden.
Selectieve Vertaling: De flow is ontworpen om veldnamen in de front matter of tekst binnen HTML-tags niet te vertalen, maar zich alleen te richten op veldwaarden en markdowninhoud.
Schaalbare Lokalisatie: Door het vertaalproces te automatiseren, maakt deze workflow snelle opschaling naar meerdere talen mogelijk met minimale handmatige inspanning.

Belangrijkste Stappen in de Workflow

De workflow bestaat uit verschillende onderling verbonden componenten. Hier volgt een stapsgewijs overzicht:

Stap	Component	Functie
1	Chat Input	Accepteert het te vertalen markdownbestand en eventuele benodigde variabelen (zoals doeltaal).
2	Prompt Template (`input var`)	Haalt de naam van de doeltaal uit invoervariabelen voor verder gebruik.
3	LLM OpenAI (nano)	Gebruikt een lichtgewicht GPT-4-model om prompts te verwerken.
4	Generator (`get language name`)	Genereert de naam van de doeltaal uit de aangeleverde variabelen.
5	Document Retriever (`GetBestTranslation`)	Zoekt naar bestaande beste vertalingen of context uit interne/documentbronnen.
6	Prompt Template (`Prompt`)	Stelt een gedetailleerde prompt samen met instructies aan de LLM over hoe te vertalen, met restricties en voorbeelden.
7	LLM OpenAI (full)	Gebruikt een volledige GPT-4 (met grote context) om de vertaling uit te voeren.
8	Generator	Voert de vertaling uit met bovenstaande prompt en model.
9	Chat Output	Toont het vertaalde markdownbestand in de outputinterface.

Workflowlogica in Detail

Inputafhandeling: De gebruiker dient een markdownbestand in en specificeert de doeltaal. De workflow haalt relevante variabelen op voor gebruik in prompts.
Taalextractie: Het eerste deel van de workflow bepaalt de naam van de doeltaal uit de input, met behulp van een lichtgewicht LLM en een aangepaste prompttemplate.
Contextuele Ophaling: Optioneel worden bestaande vertalingen of relevante documentatie opgehaald om extra context te bieden en de vertaalconsistentie te waarborgen.
Vertaalpromptconstructie: Een uitgebreide prompt wordt samengesteld, met details over opmaakregels, vertaalrestricties en bestandsstructuur. Een voorbeeld is aan het model gegeven, met strikte instructies over wat wel en niet te vertalen.
Vertaalgeneratie: De hoofdvertaling wordt uitgevoerd met een krachtig LLM, voor hoogwaardige output waarbij strikt aan de opmaak- en structuureisen wordt voldaan.
Output: Het vertaalde markdownbestand wordt gepresenteerd voor gebruikersreview of verdere geautomatiseerde verwerking.

Waarom deze Workflow Nuttig is

Consistentie: Zorgt ervoor dat alle vertaalde bestanden de strikte opmaak- en structuurregels volgen die vereist zijn door HUGO-projecten.
Efficiëntie: Vermindert de manuele inspanning die nodig is voor het vertalen en opmaken van markdownbestanden voor statische site generators aanzienlijk.
Schaalbaarheid: Maakt eenvoudig schalen naar meerdere talen en grote hoeveelheden content mogelijk.
Kwaliteitscontrole: Door contextbewuste ophaling en expliciete vertaalinstructies worden fouten die kenmerkend zijn voor naïeve machinevertaling geminimaliseerd.

Speciale Overwegingen

Veldspecifieke Regels: De workflow vertaalt alleen veldwaarden in de front matter, niet de veldnamen of structurele elementen.
Opmaakbehoud: Controlekarakters zoals + + + en markdown/HTML-elementen worden behouden zoals vereist door HUGO- en TOML-specificaties.
Uitbreidbaarheid: De modulaire aanpak (met retrievers, prompttemplates en generators) maakt eenvoudige aanpassing mogelijk als de eisen veranderen.

Samenvattend biedt deze workflow een end-to-end, betrouwbare en schaalbare oplossing voor het vertalen van HUGO markdownbestanden, waardoor het bijzonder waardevol is voor organisaties die meertalige statische sites of documentatieprojecten beheren.

Laat ons uw eigen AI-team bouwen

Wij helpen bedrijven zoals die van u bij het ontwikkelen van slimme chatbots, MCP-servers, AI-tools of andere soorten AI-automatisering om mensen te vervangen bij repetitieve taken in uw organisatie.

Plan een demo Probeer het nu

Meer informatie

Professionele HTML Tekstvertaler met UrlsLab

Vertaal webinhoud tussen talen terwijl de HTML-structuur behouden blijft, met behulp van AI en de UrlsLab-plugin. E-mailadressen en URL's blijven ongewijzigd, w...

Jun 6, 2025 3 min lezen

AI-agenten die voor jou bloggen & coderen: Automatisering van contentcreatie en GitHub-workflows

Ontdek hoe AI-agenten automatisch SEO-geoptimaliseerde blogposts genereren, markdown-bestanden aanmaken en GitHub pull requests indienen—allemaal op basis van é...

Oct 25, 2025 16 min lezen

AI Agents Automation +4

AI-gegenereerde Google Slides van geüploade documenten

Automatiseer het maken van professionele Google Slides-presentaties van elk geüpload document met behulp van AI. Deze workflow extraheert de inhoud van document...

Jun 25, 2025 4 min lezen