Ga naar hoofdinhoud

Hoe i18n-rosetta werkt

i18n-rosetta vertaalt de locale-bestanden van uw applicatie met één commando. Hier leest u wat er onder de motorkap gebeurt.

De pipeline​

Wanneer u npx i18n-rosetta sync uitvoert, voert rosetta een pipeline van zes fasen uit:

Belangrijkste ontwerpbeslissingen:

  • Wijzigingsdetectie via SHA-256 hashes. Rosetta volgt elke bronwaarde met een hash in .i18n-rosetta.lock. Wanneer u een Engelse string bijwerkt, wordt alleen die key opnieuw vertaald. Dit is de reden waarom sync snel is bij herhaalde uitvoeringen — het verricht minimaal werk.

  • Translation Memory caching. Voordat er een API-aanroep wordt gedaan, controleert rosetta .rosetta/tm.json op in de cache opgeslagen vertalingen (gekoppeld aan brontekst + locale + methode). Bij een typische re-sync na het wijzigen van één key, komen 142 keys uit de cache en doet 1 key een beroep op de API.

  • Quality gate voor het wegschrijven. Elke vertaling doorloopt vijf geautomatiseerde controles (leeg, bron-echo, hallucinatie-loop, lengte-inflatie, script-naleving) voordat deze uw bestanden raakt. Fouten worden gelogd en nooit stilzwijgend geaccepteerd.

  • Retry cascade bij fouten. Als een batch mislukt (JSON parse-fout, API-timeout), probeert rosetta het opnieuw met steeds kleinere batches: volledig → helft → individueel. Dit isoleert de probleem-key zonder de rest te blokkeren.

Vertaalmethoden​

Rosetta ondersteunt vier vertaalmethoden, elk geschikt voor verschillende scenario's:

MethodeHoe het werktHet beste voor
llmGestructureerde prompt naar een willekeurig OpenRouter-modelTalen met veel beschikbare data
llm-coachedZelfde prompt + grammaticaregels, woordenboek en stijlaanwijzingenTalen waarbij LLM's voorspelbare fouten maken
google-translateGoogle Cloud Translation API batchverzoekTalen met veel beschikbare data en goede GT-ondersteuning
apiHTTP POST naar uw eigen endpointAangepaste pipelines, door de community beheerde modellen

Methoden worden per talenpaar geconfigureerd. U kunt google-translate gebruiken voor Frans, maar llm-coached voor Plains Cree — elk paar krijgt de methode die daarvoor het beste werkt.

Coaching Data​

Voor llm-coached-paren geeft coaching data het LLM expliciete taalkundige kennis: grammaticaregels, verplichte terminologie en stijlvoorkeuren. Dit wordt in elke prompt geïnjecteerd als gestructureerde context.

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."
}

Coaching data is het primaire mechanisme om de vertaalkwaliteit te verbeteren zonder een model te fine-tunen. Wijzig de regels → voer sync opnieuw uit → kijk of het helpt. Iteratie is onmiddellijk.

Plugins​

Plugins zijn vooraf verpakte vertaalrecepten voor specifieke talenparen. Het zijn JSON-manifesten — geen code — die rosetta vertellen welke methode moet worden gebruikt, met welke instellingen en welke kwaliteit is gebenchmarkt.

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

Plugins overbruggen de kloof tussen onderzoek en productie: een methode die goed scoort in de MT Eval Arena kan worden verpakt als een plugin en hier worden geïmplementeerd.

Het grotere geheel​

i18n-rosetta is de ene helft van een tweedelig ecosysteem:

  • MT Eval Arena — waar vertaalmethoden worden ontwikkeld en bewezen met reproduceerbare benchmarking
  • i18n-rosetta — waar bewezen methoden worden geïmplementeerd om echte content te vertalen

De Eval Harness Bridge verbindt de twee. Een methode die zichzelf bewijst in de Arena, wordt hier geïmplementeerd. Feedback van sprekers uit de productieomgeving verbetert de volgende versie.

Verdieping​