Jarvi 是一家招聘平台，为法国及欧洲的 300+ 家机构提供服务。快速迭代产品是团队保持竞争力的核心，但高速开发也带来了本地化难题：翻译流程还没跟上，内容就已经不同步了。
两个问题，同一个根源#
Jarvi 面临的本地化挑战，本质上是同一个问题的两种表现。
第一个是：翻译质量。 Jarvi 在法国及欧洲市场一直以人工翻译作为基准。在切换到自动化本地化之前，他们做了一次正面对比测试：让 Lingo.dev 的本地化引擎与现有的人工翻译内容同台比拼。结果让团队颇感意外。
“结果出乎我们的意料——Lingo.dev 的翻译实际上比我们的人工翻译更准确。”联合创始人 Quentin Decré 表示。
原因在于底层机制不同。人工译者通常只能基于源文本进行翻译，缺少产品语境；而接入了 Jarvi 招聘领域术语——例如 “applicant tracking”、“placement”、“sourcing pipeline”——的本地化引擎，则能在每一次请求中带上这些上下文。本地化引擎懂产品，而大多数独立译者并不具备这种完整认知。
第二个是：同步。 Decré 解释道：“真正让人头疼的不只是翻译耗时，更是每次发布新功能时，你还得记得把所有内容都补齐翻译。我们的内容过去总是不同步，这也拖慢了我们进入新市场的节奏。”
每上线一个新功能，就意味着多出一项新的翻译任务。对一个高速运转的团队来说，这些任务只会越积越多。字符串没有翻译，法国的机构客户就会看到内容缺失；而要扩张到欧洲市场，内容就必须实时跟上产品更新。
把本地化接入开发工作流#
Jarvi 先用招聘领域术语完成本地化引擎配置，再将其接入 GitHub Actions 工作流。现在，每当一个拉取请求被合并，CI/CD 流水线就会自动触发本地化引擎，翻译后的字符串也会自动提交回代码仓库。
相比技术上的调整，更重要的是开发文化随之发生了变化。
“过去，我们总要时刻操心翻译是否同步。现在我们只需专注开发功能，本地化会自动完成。对于一个既要快速推进、又要服务多个国家招聘人员的产品来说，这正是我们需要的。”
成果#
- 开发者不再需要花时间管理翻译
- 功能上线更快——本地化不再是发布前的阻塞环节
- AI 翻译在准确性上超越了此前人工翻译基准
- 通过本地化引擎的术语表，所有语言的术语保持一致
- GitHub Actions 集成：每个 PR 都包含本地化后的字符串
还有一个后续影响：随着本地化实现自动化，团队开始在文档和 SEO 的 markdown 内容上投入更多精力。过去这类内容往往意味着额外的人工翻译负担，如今每次 push 后都能自动完成本地化。
Jarvi 正持续拓展欧洲市场，并探索本地化引擎的更多能力，包括基于截图的视觉内容翻译。
