|
Dokumentace
Rezervovat demoPlatforma
Platforma
MCPCLIAPIWorkflows
NávodyChangelog

Začínáme

  • Úvod
  • Propojte svůj engine

Lokalizační engine

  • Přehled
  • Hlas značky
  • Instrukce
  • Glosáře
  • LLM modely
  • Cache tokeny
  • Rozhodování jazyků

Kvalita

  • Přehledy
  • AI hodnotitelé
  • Playground
  • Návrhy pro engine

Administrace

  • API klíče
  • Tým
  • Role a oprávnění
  • Auditní logy

Lokalizační enginy

Lokalizační engine je stavové překladové API, které si na Lingo.dev vytvoříte a nakonfigurujete. Místo toho, abyste posílali řetězce do obecného LLM a doufali, že výstup splní vaše očekávání, si vytvoříte API, které konzistentně vrací přesně takové překlady, jaké očekáváte — pro každý jazyk a při každém požadavku.

Co lokalizační engine dělá#

Každý engine kombinuje pět konfigurovatelných vrstev. Když přijde požadavek na překlad, engine je všechny automaticky aplikuje — bez prompt inženýringu pro každý jednotlivý požadavek a bez ručního zásahu.

VrstvaCo řídíDokumentace
LLM ModelsKterý model zpracovává jednotlivé jazykové dvojice, včetně seřazených fallback řetězcůLLM Models →
Brand VoiceJak váš produkt mluví v každém jazyce — tón, míra formálnosti, stylBrand Voices →
InstructionsSamostatná jazyková pravidla pro konkrétní jazyky — každé lze zvlášť testovat i laditInstructions →
GlossaryPřesné mapování termínů pro každý jazyk se sémantickým párováním — nejvyšší priorita v engineGlossaries →
AI ReviewersAutomatizované vyhodnocení pomocí nezávislého LLM po každém překladuAI Reviewers →

Jak vrstvy spolupracují#

Engine aplikuje vrstvy v daném pořadí s jasně definovanou hierarchií priorit:

  1. Glossary — nejvyšší priorita. Pokud se uplatní pravidlo glosáře, má přednost před úsudkem modelu.
  2. Instructions — střední priorita. Jazykově specifická pravidla vedou model.
  3. Brand voice — nastavuje celkový kontext. Tón, míra formálnosti a styl pro daný jazyk.

Konfigurace modelu určuje, které LLM požadavek zpracuje, s automatickým fallbackem, pokud primární model selže. AI Reviewers běží asynchronně po dokončení překladu — nikdy neblokují odpověď.

Doplňují se, nekonkurují si

Navrhněte glosář, instrukce a hlas značky tak, aby se vzájemně doplňovaly. Glosář řeší přesné termíny, instrukce pokrývají pravidla specifická pro daný jazyk a hlas značky nastavuje celkový projev. Pokud je položka glosáře v konfliktu s instrukcí, glosář má přednost.

Úlohy odeslané přes Async Localization API mohou také procházet přes nepovinné pipeline — AI předúpravu zdroje, lidskou kontrolu, AI následnou úpravu a kontrolu odchylky pomocí zpětného překladu.

Výchozí nastavení#

Když vytvoříte nový engine, bude předem nakonfigurovaný s výchozím nastavením modelů — primárními modely a fallbacky vybranými na základě tří let týdenního lokalizačního výzkumu, optimalizovanými pro vysokou kvalitu jak u běžných jazyků, tak u jazyků s omezenými zdroji. Většina týmů je nebude muset měnit.

Tato výchozí nastavení jsou navržená tak, aby dobře fungovala hned po spuštění. Můžete upravit libovolnou konfiguraci modelu, změnit poskytovatele, přidat fallbacky nebo přepsat konkrétní jazykové dvojice — výchozí nastavení ale už odrážejí to, co se nám nejlépe osvědčilo napříč stovkami jazykových dvojic. Hlas značky, instrukce a glosář začínají prázdné — doplníte je podle toho, co váš produkt potřebuje pro každý jazyk.

Používání enginů#

Enginy jsou dostupné ve všech integracích Lingo.dev:

IntegraceJak se připojuje
CLINastavte engineId v i18n.json — každý lingo.dev run se bude směrovat přes váš engine
APIZavolejte endpoint localize se svým API klíčem — engine automaticky aplikuje všechny vrstvy
CI/CDStejná konfigurace CLI — překlady poběží přes váš engine při každém pull requestu
MCPAI asistenti pro psaní kódu mohou enginy konfigurovat a používat přímo v konverzaci

Pokud vynecháte engineId, použije se výchozí engine ve vaší organizaci.

Přehled o provozu#

Každý požadavek na překlad se zaznamenává: použitý model, spotřebované tokeny, zda ho obsloužil fallback a které položky glosáře a instrukce byly aplikovány. Výkon engine sledujte v Reports a kvalitu překladu v AI Reviewers.

Konfigurace engine si můžete otestovat ještě před nasazením v Playground — porovnejte svůj engine se surovým modelem nebo dva enginy vedle sebe.

Další kroky#

Připojte svůj engine
Propojte své CLI a kódovou základnu s lokalizačním enginem
LLM Models
Nakonfigurujte výběr modelů a fallbacky pro jednotlivé jazyky
Brand Voices
Definujte, jak váš produkt mluví v každém jazyce
Glossaries
Mapujte zdrojové termíny na přesné překlady pro každý jazyk
Async Pipeline
Doplňte asynchronní úlohy o předúpravu, lidskou kontrolu, následnou úpravu a zpětný překlad

Byla tato stránka užitečná?

Max PrilutskiyMax Prilutskiy·Aktualizováno přibližně před 1 měsícem·3 min čtení