Saltar al contenido principal

Cómo funciona i18n-rosetta

i18n-rosetta traduce los archivos de configuración regional de su aplicación con un solo comando. Esto es lo que sucede internamente.

El pipeline​

Cuando ejecuta npx i18n-rosetta sync, rosetta ejecuta un pipeline de seis etapas:

Decisiones clave de diseño:

  • Detección de cambios mediante hashes SHA-256. Rosetta rastrea cada valor de origen con un hash en .i18n-rosetta.lock. Cuando actualiza una cadena en inglés, solo esa clave se vuelve a traducir. Por esta razón, sync es rápido en ejecuciones repetidas: realiza un trabajo mínimo.

  • Almacenamiento en caché de Translation Memory. Antes de realizar cualquier llamada a la API, rosetta verifica .rosetta/tm.json en busca de traducciones en caché (clasificadas por texto de origen + configuración regional + método). En una resincronización típica después de cambiar una clave, 142 claves provienen de la caché y 1 clave consulta la API.

  • Filtro de calidad antes de la escritura. Cada traducción pasa por cinco comprobaciones automatizadas (vacío, eco del origen, bucle de alucinación, inflación de longitud, cumplimiento del sistema de escritura) antes de tocar sus archivos. Las fallas se registran, nunca se aceptan silenciosamente.

  • Cascada de reintentos en caso de falla. Si un lote falla (error de análisis JSON, tiempo de espera de la API), rosetta vuelve a intentarlo con lotes progresivamente más pequeños: completo → mitad → individual. Esto aísla la clave problemática sin bloquear el resto.

Métodos de traducción​

Rosetta admite cuatro métodos de traducción, cada uno adecuado para diferentes escenarios:

MétodoCómo funcionaIdeal para
llmPrompt estructurado para cualquier modelo de OpenRouterIdiomas con abundantes recursos
llm-coachedMismo prompt + reglas gramaticales, diccionario y notas de estiloIdiomas donde los LLM cometen errores predecibles
google-translateSolicitud por lotes a la API de Google Cloud TranslationIdiomas de altos recursos con buen soporte de GT
apiHTTP POST a su propio endpointPipelines personalizados, modelos controlados por la comunidad

Los métodos se configuran por par de idiomas. Usted podría usar google-translate para francés, pero llm-coached para cree de las llanuras: cada par obtiene el método que mejor le funciona.

Datos de instrucción​

Para los pares llm-coached, los datos de instrucción brindan al LLM conocimiento lingüístico explícito: reglas gramaticales, terminología forzada y preferencias de estilo. Esto se inyecta en cada prompt como contexto estructurado.

coaching/crk.json
{
  "grammar_rules": ["Animate nouns take different plural forms than inanimate nouns"],
  "dictionary": {"welcome": "ᑕᓂᓯ", "settings": "ᐃᑕᐢᑌᐘᐃᓇ"},
  "style_notes": "Use Standard Roman Orthography (SRO) unless explicitly configured otherwise."
}

Los datos de instrucción son el mecanismo principal para mejorar la calidad de la traducción sin realizar un ajuste fino (fine-tuning) de un modelo. Cambie las reglas → vuelva a ejecutar la sincronización → vea si ayuda. La iteración es instantánea.

Plugins​

Los plugins son recetas de traducción preempaquetadas para pares de idiomas específicos. Son manifiestos JSON (no código) que le indican a rosetta qué método usar, con qué configuraciones y qué calidad se ha evaluado.

i18n-rosetta plugin install ./crk-coached-v3/
i18n-rosetta sync   # uses the installed plugin for en→crk

Los plugins cierran la brecha entre la investigación y la producción: un método que obtiene una buena puntuación en el MT Eval Arena puede empaquetarse como un plugin e implementarse aquí.

El panorama general​

i18n-rosetta es la mitad de un ecosistema de dos partes:

  • MT Eval Arena: donde los métodos de traducción se desarrollan y prueban con evaluaciones comparativas reproducibles.
  • i18n-rosetta: donde los métodos probados se implementan para traducir contenido real.

El Eval Harness Bridge conecta a ambos. Un método que demuestra su eficacia en el Arena se implementa aquí. Los comentarios de los hablantes desde producción mejoran la siguiente versión.

Profundice más​