HUGO Markdown 文件翻译器

此工作流简化了 HUGO markdown 文件的翻译过程，在保持文件结构和格式的同时，将内容翻译为目标语言。通过利用 AI 语言模型，确保内容翻译的准确性，维护 TOML 前言的完整性，并为静态网站生成器应用最佳翻译实践。

流程

AI流程的工作原理

接收 Markdown 文件和翻译变量.: 接受用户上传的 HUGO markdown 文件和目标语言信息作为输入。
提取目标语言.: 解析输入变量，利用 AI 模型确定翻译的目标语言。
检索已有翻译.: 查找最佳的现有翻译或相关文档，为翻译提供上下文。
结构保留下翻译 Markdown 文件.: 利用 AI 将 markdown 文件翻译为目标语言，确保原始格式、TOML 前言和 markdown 结构的完整保留。
输出翻译文件.: 返回翻译后的 markdown 文件，可直接用于 HUGO 项目。

此流程中使用的提示

输入变量

用于从所有输入变量中提取目标语言名称的提示模板。

Get the name of the destination language from following variables:
{all_input_variables}

Prompt

用于 HUGO markdown 文件翻译的提示模板，包括限制和示例格式。

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.

此流程中使用的组件

以下是此流程中用于实现其功能的所有组件的完整列表。组件是每个AI流程的构建块。它们允许您通过连接各种功能来创建复杂的交互并自动化任务。每个组件都有特定的用途，例如处理用户输入、处理数据或与外部服务集成。

聊天输入

FlowHunt 中的聊天输入组件通过在 Playground 捕获消息来启动用户交互。它作为流程的起点，使工作流能够处理文本和基于文件的输入。

查看聊天输入

FlowHunt 中的提示（Prompt）组件

了解 FlowHunt 的 Prompt 组件如何让你定义 AI 机器人的角色和行为，确保回复相关且个性化。自定义提示和模板，打造高效、具备上下文感知的聊天机器人流程。

查看 FlowHunt 中的提示（Prompt）组件

LLM OpenAI

FlowHunt 支持数十种文本生成模型，包括 OpenAI 的模型。以下是在您的 AI 工具和聊天机器人中使用 ChatGPT 的方法。

查看 LLM OpenAI

生成器

探索 FlowHunt 的生成器组件——利用您选择的 LLM 模型进行强大的 AI 驱动文本生成。通过结合提示词、可选的系统指令，甚至图片作为输入，轻松创建动态聊天机器人回复，使其成为构建智能对话流程的核心工具。

查看生成器

文档检索器

FlowHunt 的文档检索器通过将生成式模型连接到您自己的最新文档和网址，提高了 AI 的准确性，确保使用检索增强生成（RAG）获得可靠且相关的答案。

查看文档检索器

聊天输出

了解 FlowHunt 中的 Chat Output（聊天输出）组件——通过灵活的多部分输出完善聊天机器人回复。是实现流程顺畅结束和打造高级互动式 AI 聊天机器人的关键工具。

查看聊天输出

备注

FlowHunt 中的备注组件让您可以直接在工作流中添加评论和文档说明。使用它来澄清、注释或在流程中提供指引，使复杂的自动化更易理解和维护。

查看备注

流程描述

目的和优势

本工作流旨在自动化 HUGO 项目中 markdown 文件的翻译，特别注重保留文件结构和格式。该流程确保仅翻译相关文本内容，技术性元素如前言、markdown 结构和控制字符均保持不变。对于管理多语言静态网站并希望高质量、持续扩展内容本地化的团队来说，这尤其有用。

目的与实用性

自动化翻译：该工作流利用最先进的语言模型（OpenAI GPT-4 变体）为 markdown 文件提供高质量翻译。
结构保留：严格维护 HUGO markdown 文件的结构，包括 TOML 格式的前言、markdown 标题和特殊格式。
选择性翻译：流程设计避免翻译前言中的字段名或 HTML 标签内的文本，仅聚焦于字段值和 markdown 内容的翻译。
可扩展本地化：通过自动化翻译过程，使内容可快速扩展至多种语言，最大限度减少人工工作量。

工作流关键步骤

该工作流由多个互相关联的组件组成。以下是分步概述：

步骤	组件	功能
1	Chat Input	接收需翻译的 markdown 文件及所需变量（如目标语言）。
2	Prompt Template（输入变量）	从输入变量中提取目标语言名称，供下游使用。
3	LLM OpenAI（nano）	使用轻量级 GPT-4 模型处理提示。
4	Generator（获取语言名称）	根据提供的变量生成目标语言名称。
5	Document Retriever（获取最佳翻译）	从内部/文档源查找最佳现有翻译或上下文。
6	Prompt Template（Prompt）	制作详细提示，指导 LLM 如何翻译，并附带限制与示例。
7	LLM OpenAI（full）	使用全功能 GPT-4 模型（大上下文）执行翻译。
8	Generator	按上述提示和模型执行翻译。
9	Chat Output	在输出界面展示翻译后的 markdown 文件。