input var
Szablon promptu używany do wydobycia nazwy języka docelowego ze wszystkich zmiennych wejściowych.
Get the name of the destination language from following variables:
{all_input_variables}
Tłumacz plików HUGO Markdown
Ten przepływ pracy usprawnia tłumaczenie plików markdown HUGO na języki docelowe przy zachowaniu struktury pliku i formatowania. Wykorzystując modele językowe AI, zapewnia dokładne tłumaczenia treści, zachowuje integralność front matter TOML i stosuje najlepsze praktyki tłumaczeniowe dla generatorów statycznych stron.
Jak działa przepływ AI
Odbierz plik Markdown i zmienne tłumaczeniowe
Akceptuje przesłany przez użytkownika plik HUGO markdown oraz informacje o języku docelowym jako dane wejściowe.Wydobądź język docelowy
Analizuje zmienne wejściowe w celu określenia języka docelowego do tłumaczenia przy użyciu modelu AI.Pobierz istniejące tłumaczenia
Wyszukuje najlepsze istniejące tłumaczenia lub powiązaną dokumentację, aby zapewnić kontekst dla tłumaczenia.Tłumacz plik Markdown z zachowaniem struktury
Wykorzystuje AI do tłumaczenia pliku markdown na język docelowy, dbając o zachowanie oryginalnego formatowania, front matter TOML i struktury markdown.Wyprowadź przetłumaczony plik
Zwraca przetłumaczony plik markdown, gotowy do użycia w projektach HUGO.Prompty wykorzystane w tym przepływie
Poniżej znajduje się pełna lista wszystkich promptów wykorzystanych w tym przepływie do osiągnięcia jego funkcjonalności. Prompty to instrukcje przekazywane modelowi AI w celu generowania odpowiedzi lub wykonywania działań. Kierują one AI w zrozumieniu intencji użytkownika i generowaniu odpowiednich wyników.
Prompt
Szablon promptu do tłumaczenia plików HUGO markdown, obejmujący ograniczenia i przykładowe formatowanie.
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.
Komponenty wykorzystane w tym przepływie
Poniżej znajduje się pełna lista wszystkich komponentów wykorzystanych w tym przepływie do osiągnięcia jego funkcjonalności. Komponenty są podstawowymi elementami każdego przepływu AI. Pozwalają tworzyć złożone interakcje i automatyzować zadania poprzez łączenie różnych funkcjonalności. Każdy komponent służy określonemu celowi, takiemu jak obsługa danych wejściowych użytkownika, przetwarzanie danych lub integracja z zewnętrznymi usługami.
Opis przepływu
Cel i korzyści
Przegląd przepływu pracy: Tłumaczenia dla projektów HUGO
Ten przepływ pracy został zaprojektowany do automatyzacji tłumaczenia plików markdown używanych w projektach HUGO, ze szczególnym uwzględnieniem zachowania struktury pliku i formatowania. Przepływ gwarantuje, że tłumaczona jest tylko odpowiednia treść tekstowa, a elementy techniczne, takie jak front matter, struktura markdown i znaki sterujące, pozostają nienaruszone. Jest to szczególnie przydatne dla zespołów zarządzających wielojęzycznymi statycznymi stronami internetowymi budowanymi w HUGO i chcących skalować lokalizację treści przy zachowaniu wysokiej jakości i spójności.
Cel i zastosowanie
- Automatyczne tłumaczenie: Przepływ wykorzystuje najnowsze modele językowe (warianty OpenAI GPT-4), aby zapewnić wysokiej jakości tłumaczenia plików markdown.
- Zachowanie struktury: Starannie utrzymuje strukturę plików markdown HUGO, w tym front matter w formacie TOML, nagłówki markdown i specjalne formatowanie.
- Selektywne tłumaczenie: Przepływ zaprojektowano tak, by nie tłumaczyć nazw pól we front matter ani tekstu w tagach HTML, skupiając się wyłącznie na wartościach pól i treści markdown.
- Skalowalna lokalizacja: Automatyzując proces tłumaczenia, przepływ umożliwia szybkie skalowanie na wiele języków przy minimalnym nakładzie pracy ręcznej.
Kluczowe kroki w przepływie pracy
Przepływ składa się z kilku powiązanych ze sobą komponentów. Oto krok po kroku:
| Krok | Komponent | Funkcja |
|---|---|---|
| 1 | Chat Input | Przyjmuje plik markdown do przetłumaczenia oraz wymagane zmienne (np. język docelowy). |
| 2 | Prompt Template (input var) | Wydobywa nazwę języka docelowego ze zmiennych wejściowych do dalszego użycia. |
| 3 | LLM OpenAI (nano) | Wykorzystuje lekki model GPT-4 do przetwarzania promptów. |
| 4 | Generator (get language name) | Generuje nazwę języka docelowego z dostarczonych zmiennych. |
| 5 | Document Retriever (GetBestTranslation) | Wyszukuje najlepsze istniejące tłumaczenia lub kontekst z wewnętrznych/źródłowych dokumentów. |
| 6 | Prompt Template (Prompt) | Tworzy szczegółowy prompt instruujący LLM, jak tłumaczyć, wraz z ograniczeniami i przykładami. |
| 7 | LLM OpenAI (full) | Wykorzystuje pełny model GPT-4 (z dużym kontekstem) do wykonania tłumaczenia. |
| 8 | Generator | Realizuje tłumaczenie używając powyższego promptu i modelu. |
| 9 | Chat Output | Wyświetla przetłumaczony plik markdown w interfejsie wyjściowym. |
Logika przepływu pracy – szczegóły
- Obsługa wejścia: Użytkownik przesyła plik markdown oraz określa język docelowy. Przepływ wydobywa odpowiednie zmienne do użycia w promptach.
- Wydobycie języka: Pierwsza część przepływu ustala nazwę języka docelowego z wejścia, wykorzystując lekki model LLM i niestandardowy szablon promptu.
- Pobieranie kontekstu: Opcjonalnie pobiera istniejące tłumaczenia lub odpowiednią dokumentację, by zapewnić dodatkowy kontekst i spójność tłumaczenia.
- Budowa promptu tłumaczenia: Tworzony jest wyczerpujący prompt, określający zasady formatowania, ograniczenia tłumaczenia i oczekiwaną strukturę pliku. Model otrzymuje przykład struktury pliku oraz ścisłe instrukcje, co tłumaczyć, a co zachować.
- Generowanie tłumaczenia: Główne tłumaczenie wykonywane jest przez zaawansowany model LLM, zapewniając wysoką jakość wyjściową przy ścisłym przestrzeganiu wymagań formatowania i struktury.
- Wyjście: Przetłumaczony plik markdown prezentowany jest do weryfikacji użytkownika lub dalszego automatycznego przetwarzania.
Dlaczego ten przepływ pracy jest użyteczny
- Spójność: Zapewnia, że wszystkie przetłumaczone pliki zachowują ścisłe wytyczne dotyczące formatowania i struktury wymagane przez projekty HUGO.
- Efektywność: Zdecydowanie ogranicza ręczną pracę związaną z tłumaczeniem i formatowaniem plików markdown dla generatorów statycznych stron.
- Skalowalność: Umożliwia łatwe skalowanie na wiele języków i dużą ilość treści.
- Kontrola jakości: Dzięki wykorzystaniu kontekstowego pobierania oraz jasnych instrukcji tłumaczenia minimalizuje błędy typowe dla prostych tłumaczeń maszynowych.
Szczególne uwagi
- Zasady związane z polami: Przepływ starannie tłumaczy tylko wartości pól we front matter, nie nazwy pól ani elementy strukturalne.
- Integralność formatowania: Znaki sterujące takie jak
+ + +oraz elementy markdown/HTML są zachowywane zgodnie z wymaganiami HUGO i TOML. - Rozszerzalność: Modularne podejście (retrievery, szablony promptów, generatory) pozwala łatwo dostosować przepływ do zmieniających się potrzeb.
Podsumowując, ten przepływ zapewnia kompleksowe, niezawodne i skalowalne rozwiązanie do tłumaczenia plików markdown HUGO, czyniąc go niezwykle wartościowym dla organizacji zarządzających wielojęzycznymi statycznymi stronami lub projektami dokumentacyjnymi.
Let us build your own AI Team
We help companies like yours to develop smart chatbots, MCP Servers, AI tools or other types of AI automation to replace human in repetitive tasks in your organization.
Dowiedz się więcej
