对比引擎

让同一份内容分别通过两种引擎配置，先评估变更效果，再决定是否采用。

工作流程#

“针对这 5 条日语字符串，对比我们的生产引擎和预发布引擎”

流程如下：

1. 助手会分别调用两个引擎对内容进行本地化
2. 以并排表格呈现结果
3. 高亮差异：“预发布引擎对 ‘onboarding’ 采用了新的术语表译法（オンボーディング），而生产引擎仍使用描述性译法（导入手续）”

适用场景#

• 调优后——在推向生产环境前，先确认输出质量是否真的提升
• 评估模型变更——配置相同，仅主模型不同
• 测试术语表影响——对比加入和不加入新术语的效果
• 针对不同用例对比引擎——营销内容 vs. 技术内容

对比示例#

调优前后对比#

“用引擎 A 和引擎 B 将 ‘Welcome to your new workspace’ 本地化为德语”

可用来判断更新后的引擎是否保留了 “workspace” 的术语表词条。

模型评估#

“我把日语模型从 GPT-4.1 切换到了 Claude Sonnet。请对比这 10 条 UI 字符串的输出。”

并排对比能清楚看出：在你的具体领域里，哪个模型更擅长处理简短的 UI 文案，哪个更适合较长描述。

术语表覆盖度测试#

“对比一下：针对这些法律文本，使用我们完整 200 条术语表的引擎，与一个不带术语表的全新引擎各自的输出效果”

量化术语表对特定内容类型输出质量的实际贡献。