AI 驱动的智能体式 JSON 翻译工具，具备智能质量优化功能
Jta 是一个生产级的命令行工具，使用 AI 翻译 JSON 国际化文件，具有卓越的准确性和一致性。它具备智能体反思机制，AI 可以翻译、评估和改进自己的工作，同时提供自动术语检测和强大的格式保护功能，适用于生产级翻译。
Jta 可以作为 Agent Skill 使用，让 Claude 等 AI 智能体能够自动翻译 JSON 国际化文件。
个人用户：
# 复制技能到 Claude skills 目录
cp -r skills/jta ~/.claude/skills/
# 或创建符号链接（开发时推荐）
ln -s $(pwd)/skills/jta ~/.claude/skills/jta团队使用：
# 技能已经在仓库的 skills/jta 目录中
# 团队成员克隆仓库后可以直接使用
cp -r skills/jta .claude/skills/使用技能：
安装后，只需向 AI 智能体提问：
"把我的 en.json 翻译成中文、日文和韩文"
智能体将自动：
- 安装 Jta（如需要）
- 验证 API 密钥配置
- 使用最佳设置执行翻译
- 显示结果和统计信息
skills/jta 目录包含：
- SKILL.md - AI 智能体的完整技能定义和使用说明
- examples/ - 分步使用案例：
- 基础翻译工作流
- 增量翻译模式
- CI/CD 集成
- scripts/ - 安装辅助脚本
查看 skills/README.md 获取完整的 Agent Skill 使用文档。
- 智能体反思机制：AI 既是翻译者又是质量审查者，通过两步流程实现自我优化——先翻译，再批判性地评估和改进自己的工作
- 多维度质量评估：AI 从 4 个关键维度审视翻译：准确性（无误译）、流畅性（自然语法）、风格（文化适配）、术语（一致性）
- 自我生成改进：不依赖预定义规则，而是由 AI 生成针对具体上下文的改进建议并应用，产出更优质的翻译
- 迭代优化：每个翻译都经历"翻译 → 反思 → 改进"的完整循环，确保更高的输出质量
- 权衡：每批次 3 次 API 调用，换取显著提升的翻译质量
- 自动检测：使用 LLM 识别内容中的重要术语
- 保留术语：品牌名称、技术术语等永不翻译
- 一致术语：领域特定术语在所有内容中统一翻译
- 可编辑词典：保存到
.jta-terminology.json，支持手动优化
自动保护：
- 占位符：
{variable}、{{count}}、%s、%(name)d - HTML 标签：
<b>、<span class="highlight">、<a href="..."> - URL：
https://example.com、http://api.example.com/v1 - Markdown：
**粗体**、*斜体*、[链接](url)
- 仅翻译新增或修改的内容
- 保留现有的高质量翻译
- 自动移除过时的键
- 节省时间和 API 成本（更新时通常可减少 80-90%）
- 通配符模式：
settings.*、user.**、*.title - 精确控制：包含或排除特定部分
- 递归通配符：使用
**翻译整个子部分
- 阿拉伯语、希伯来语、波斯语、乌尔都语的双向文本处理
- RTL 上下文中 LTR 内容的自动方向标记
- 阿拉伯文字语言的智能标点转换
- 可配置并发的批处理
- 指数退避的重试逻辑
- 优雅的错误处理和恢复
- 进度指示器和详细统计
- OpenAI：所有模型，包括 GPT-5、GPT-5 mini、GPT-5 nano、GPT-4o 等
- Anthropic：所有 Claude 模型，包括 Claude Sonnet 4.5、Claude Haiku 4.5、Claude Opus 4.1 等
- Gemini：所有 Gemini 模型，包括 Gemini 2.5 Flash、Gemini 2.5 Pro 等
在 macOS 或 Linux 上安装 Jta 最简单的方法：
# 添加 tap
brew tap hikanner/jta
# 安装 Jta
brew install jta
# 验证安装
jta --version升级：
brew upgrade jta卸载：
brew uninstall jta
brew untap hikanner/jta从 GitHub Releases 下载适合您平台的最新版本：
- macOS：
jta-darwin-amd64或jta-darwin-arm64（Apple Silicon） - Linux：
jta-linux-amd64或jta-linux-arm64 - Windows：
jta-windows-amd64.exe
# macOS/Linux 示例
curl -L https://github.com/hikanner/jta/releases/latest/download/jta-darwin-arm64 -o jta
chmod +x jta
sudo mv jta /usr/local/bin/go install github.com/hikanner/jta/cmd/jta@latestgit clone https://github.com/hikanner/jta.git
cd jta
go build -o jta cmd/jta/main.go# 通过 Homebrew 安装（macOS/Linux 推荐）
brew tap hikanner/jta
brew install jta
# 或从 GitHub Releases 下载二进制文件
# 详见安装部分# 列出所有支持的语言
jta --list-languages# 翻译为单一语言
jta en.json --to zh
# 翻译为多种语言
jta en.json --to zh,ja,ko
# 指定输出目录
jta en.json --to zh --output ./locales/# 使用环境变量（推荐）
export OPENAI_API_KEY=sk-...
jta en.json --to zh
# 或直接指定
jta en.json --to zh --provider anthropic --api-key sk-ant-...# 增量翻译（仅翻译新增/修改的内容）
jta en.json --to zh --incremental
# 跳过术语检测（使用现有术语）
jta en.json --to zh --skip-terminology
# 完全禁用术语管理
jta en.json --to zh --no-terminology
# 重新检测术语（源语言更改时）
jta zh.json --to en --redetect-terms
# 仅翻译特定键
jta en.json --to zh --keys "settings.*,user.*"
# 排除某些键
jta en.json --to zh --exclude-keys "admin.*,internal.*"
# 非交互模式（用于 CI/CD）
jta en.json --to zh,ja,ko -y
# CI/CD 中的增量翻译
jta en.json --to zh --incremental -yJta 自动检测源文件中的重要术语并确保翻译一致：
- 保留术语：品牌名称、技术术语等永不翻译（例如：API、OAuth、GitHub）
- 一致术语：必须统一翻译的领域术语（例如：credits、workspace、premium）
文件结构：
术语存储在专用目录中（默认为 .jta/）：
.jta/
├── terminology.json # 术语定义（源语言）
├── terminology.zh.json # 中文翻译
├── terminology.ja.json # 日文翻译
└── terminology.ko.json # 韩文翻译
terminology.json（源语言术语）：
{
"version": "1.0",
"sourceLanguage": "en",
"detectedAt": "2025-01-26T10:30:00Z",
"preserveTerms": ["API", "OAuth", "JSON"],
"consistentTerms": ["credits", "workspace", "prompt"]
}terminology.zh.json（翻译）：
{
"version": "1.0",
"sourceLanguage": "en",
"targetLanguage": "zh",
"translatedAt": "2025-01-26T10:31:00Z",
"translations": {
"credits": "积分",
"workspace": "工作空间",
"prompt": "提示词"
}
}工作流程：
- 首次运行：检测术语 → 保存到
terminology.json→ 翻译为目标语言 - 后续运行：加载现有术语 → 仅翻译缺失的术语
- 新语言：使用现有的
terminology.json→ 创建terminology.{lang}.json
自定义术语目录：
# 使用共享术语目录
jta en.json --to zh --terminology-dir ../shared-terms/
# 多个项目可以共享相同的术语
jta projectA/en.json --to zh --terminology-dir ~/company-terms/
jta projectB/en.json --to ja --terminology-dir ~/company-terms/默认行为：完整翻译
- Jta 默认翻译所有内容以获得最高质量和一致性
- 简单且可预测：
jta en.json --to zh始终生成完整翻译
增量模式（可选）：
使用 --incremental 标志时，Jta 智能地：
- 检测新增键
- 识别修改的内容
- 保留未更改的翻译
- 移除已删除的键
这可以节省时间和 API 成本（更新时通常减少 80-90%）。
用法：
# 首次：完整翻译
jta en.json --to zh
# 更新后：增量翻译（节省成本）
jta en.json --to zh --incremental
# 重新翻译所有内容（如果对现有翻译不满意）
jta en.json --to zh最佳实践：
- 开发阶段：使用
--incremental进行频繁更新 - 生产发布：使用完整翻译以获得最高质量
- CI/CD：使用
--incremental -y进行自动化更新
Jta 自动保护：
- 变量：
{variable}、{{count}}、%s - HTML 标签：
<b>、<span class="highlight"> - URL：
https://example.com - Markdown：
**粗体**、*斜体*
| 提供商 | 模型 | 环境变量 |
|---|---|---|
| OpenAI | 所有 OpenAI 模型（GPT-5、GPT-5 mini、GPT-5 nano、GPT-4o 等） | OPENAI_API_KEY |
| Anthropic | 所有 Claude 模型（Claude Sonnet 4.5、Claude Haiku 4.5、Claude Opus 4.1 等） | ANTHROPIC_API_KEY |
| Gemini | 所有 Gemini 模型（Gemini 2.5 Flash、Gemini 2.5 Pro 等） | GEMINI_API_KEY |
您可以使用 --model 标志指定这些提供商支持的任何模型。
Jta 支持 27 种语言，包含完整的元数据（国旗、文字系统和数字系统）：
# 查看所有支持的语言
jta --list-languages输出：
🌍 Supported Languages
Left-to-Right (LTR):
🇬🇧 en English (English)
🇨🇳 zh 中文(简体) (Chinese (Simplified))
🇹🇼 zh-TW 中文(繁体) (Chinese (Traditional))
🇯🇵 ja 日本語 (Japanese)
🇰🇷 ko 한국어 (Korean)
🇪🇸 es Español (Spanish)
🇫🇷 fr Français (French)
🇩🇪 de Deutsch (German)
🇮🇹 it Italiano (Italian)
🇵🇹 pt Português (Portuguese)
🇷🇺 ru Русский (Russian)
🇮🇳 hi हिन्दी (Hindi)
🇧🇩 bn বাংলা (Bengali)
🇹🇭 th ไทย (Thai)
🇻🇳 vi Tiếng Việt (Vietnamese)
🇮🇩 id Bahasa Indonesia (Indonesian)
🇲🇾 ms Bahasa Melayu (Malay)
🇳🇱 nl Nederlands (Dutch)
🇵🇱 pl Polski (Polish)
🇹🇷 tr Türkçe (Turkish)
🇱🇰 si සිංහල (Sinhala)
🇳🇵 ne नेपाली (Nepali)
🇲🇲 my မြန်မာ (Burmese)
Right-to-Left (RTL):
🇸🇦 ar العربية (Arabic)
🇮🇷 fa فارسی (Persian)
🇮🇱 he עברית (Hebrew)
🇵🇰 ur اردو (Urdu)
Total: 27 languages
对从右到左（RTL）语言（阿拉伯语、波斯语、希伯来语、乌尔都语）的特殊支持：
- 自动双向文本标记
- 阿拉伯文字语言的智能标点转换
- 正确处理嵌入的 LTR 内容（URL、数字、代码）
# 翻译为简体中文
jta en.json --to zh
# 翻译为繁体中文
jta en.json --to zh-TW
# 翻译为多种亚洲语言
jta en.json --to zh,ja,ko,th,vi
# 翻译为 RTL 语言
jta en.json --to ar,fa,he
# 翻译为欧洲语言
jta en.json --to es,fr,de,it,pt,nlJta 遵循清晰、模块化的架构，具有明确的关注点分离：
graph TB
subgraph "🖥️ Presentation Layer"
CLI[CLI Interface<br/>Cobra + Viper]
UI[Terminal UI<br/>Lipgloss + Spinner]
end
subgraph "🔧 Application Layer"
APP[App Controller<br/>Workflow Orchestration]
end
subgraph "⚙️ Domain Layer"
subgraph "Translation Engine"
ENGINE[Translation Engine<br/>Core Orchestrator]
BATCH[Batch Processor<br/>Concurrent Processing]
REFLECT[Reflection Engine ⭐<br/>Agentic Quality Control]
end
subgraph "Supporting Services"
TERM[Terminology Manager<br/>Auto-detection + Dictionary]
INCR[Incremental Translator<br/>Diff Analysis]
FILTER[Key Filter<br/>Pattern Matching]
FORMAT[Format Protector<br/>Placeholder Preservation]
RTL[RTL Processor<br/>Bidirectional Text]
end
end
subgraph "🔌 Infrastructure Layer"
subgraph "AI Providers"
OPENAI[OpenAI Provider<br/>GPT-5]
ANTHROPIC[Anthropic Provider<br/>Claude Sonnet 4.5]
GEMINI[Gemini Provider<br/>Gemini 2.5 Flash]
end
subgraph "Storage"
JSON[JSON Repository<br/>File I/O]
end
end
subgraph "📦 Domain Models"
MODELS[Domain Models<br/>Translation • Terminology • Language]
end
CLI --> APP
UI --> APP
APP --> ENGINE
ENGINE --> BATCH
ENGINE --> REFLECT
ENGINE --> TERM
ENGINE --> INCR
ENGINE --> FILTER
ENGINE --> FORMAT
ENGINE --> RTL
BATCH --> OPENAI
BATCH --> ANTHROPIC
BATCH --> GEMINI
REFLECT --> OPENAI
REFLECT --> ANTHROPIC
REFLECT --> GEMINI
TERM --> OPENAI
TERM --> ANTHROPIC
TERM --> GEMINI
TERM --> JSON
INCR --> JSON
ENGINE -.-> MODELS
TERM -.-> MODELS
BATCH -.-> MODELS
style REFLECT fill:#ff6b6b,stroke:#c92a2a,stroke-width:3px,color:#fff
style ENGINE fill:#4ecdc4,stroke:#087f5b,stroke-width:2px
style CLI fill:#96f2d7,stroke:#087f5b
style UI fill:#96f2d7,stroke:#087f5b
| 模块 | 职责 | 关键特性 |
|---|---|---|
| CLI | 命令行界面 | 参数解析、帮助文本、命令执行 |
| UI | 终端展示 | 彩色输出、加载动画、进度条、表格 |
| App | 应用程序编排 | 工作流协调、错误处理、结果格式化 |
| Translation Engine | 核心翻译逻辑 | 批次管理、工作流控制、结果组装 |
| Batch Processor | 并发处理 | 并行 API 调用、重试逻辑、速率限制 |
| Reflection Engine ⭐ | 智能体质量控制 | LLM 自我评估、改进建议 |
| Terminology Manager | 术语管理 | 自动检测、词典构建、术语翻译 |
| Incremental Translator | 增量处理 | 差异分析、选择性翻译、合并逻辑 |
| Key Filter | 选择性翻译 | 模式匹配、包含/排除规则 |
| Format Protector | 格式保护 | 占位符检测、HTML/URL/Markdown 保护 |
| RTL Processor | RTL 语言支持 | 双向标记、标点转换 |
| AI Providers | LLM 集成 | API 抽象、响应解析、错误处理 |
| JSON Repository | 数据持久化 | 文件 I/O、JSON 序列化、验证 |
sequenceDiagram
participant User
participant CLI
participant App
participant Engine
participant Term as Terminology<br/>Manager
participant Batch as Batch<br/>Processor
participant Reflect as Reflection<br/>Engine ⭐
participant AI as AI Provider
User->>CLI: jta translate source.json
CLI->>App: Execute command
rect rgb(240, 248, 255)
Note over App,Engine: Phase 1: Preparation
App->>Engine: Load & analyze JSON
Engine->>Term: Detect/load terminology
Term->>AI: Detect terms via LLM
AI-->>Term: Return terms
Engine->>Engine: Apply key filters
Engine->>Engine: Create batches
end
rect rgb(255, 250, 240)
Note over Batch,AI: Phase 2: Translation
Engine->>Batch: Process batches (concurrent)
loop For each batch
Batch->>AI: Translate with terminology
AI-->>Batch: Return translations
end
end
rect rgb(255, 240, 245)
Note over Reflect,AI: Phase 3: Agentic Reflection ⭐
Engine->>Reflect: Review translations
Reflect->>AI: Step 1: Evaluate quality
AI-->>Reflect: Suggestions
Reflect->>AI: Step 2: Apply improvements
AI-->>Reflect: Improved translations
end
rect rgb(240, 255, 240)
Note over Engine,App: Phase 4: Finalization
Engine->>Engine: Process RTL if needed
Engine->>Engine: Merge results
Engine->>App: Return result
App->>CLI: Format output
CLI->>User: Display statistics
end
关键步骤：
- 加载和分析：加载源 JSON，检测更改（增量模式）
- 术语：自动检测或加载术语词典
- 过滤：应用键过滤（如果指定）
- 批处理：拆分为批次以进行高效处理
- 翻译：发送到 AI 提供商，附带格式说明
- 反思 ⭐：两步智能体质量改进（见下文）
- 处理 RTL：应用双向文本处理（如果需要）
- 合并：与未更改的翻译合并
- 保存：使用美化格式写入最终输出
Jta 实现了智能体反思系统，AI 既是翻译者又是质量审查者。不同于简单的一次性翻译，AI 会执行完整的质量改进循环：
源文本："Welcome to {app_name}"
→ LLM 翻译
→ 结果："欢迎使用 {app_name}"
AI 作为专家审查者评估自己的翻译：
AI 反思任务：
"审查你刚刚创建的翻译。从 4 个维度进行分析：
(i) 准确性：是否存在错误、误译或遗漏？
(ii) 流畅性：听起来是否自然？有语法或标点问题吗？
(iii) 风格：是否恰当匹配语气和文化语境？
(iv) 术语：领域术语是否保持一致且正确使用？
提供具体、可操作的改进建议。"
→ AI 自我批评：
"[welcome.message] 翻译'欢迎使用 {app_name}'虽然准确，但
可以更自然。建议使用'欢迎来到'，这能传达更温暖、更亲切的
语气，更贴合'Welcome to'的欢迎氛围。"
AI 基于自己的专家反馈改进翻译：
AI 改进任务：
"基于你的专家分析，改进这个翻译：
原文：Welcome to {app_name}
初始翻译：欢迎使用 {app_name}
你的建议：使用'欢迎来到'以获得更温暖、更自然的语气
创建改进版本，同时保持准确性和格式。"
→ AI 改进后的翻译：
"[welcome.message] 欢迎来到 {app_name}"
核心优势：
-
AI 作为专家审查者：执行翻译的同一个 AI 理解上下文、细微差别和挑战——这使它特别适合批评和改进自己的工作
-
超越静态规则：不是对照预定义模式检查，而是 AI 动态识别每个翻译在上下文、语气和文化适配性方面的具体问题
-
上下文化改进：AI 针对每段内容生成具体、可操作的建议，而非应用通用修复
-
迭代质量提升：每个翻译都经历完整的审查-改进循环，捕捉单次翻译可能遗漏的流畅性、语气和文化契合度方面的细微问题
实现细节：
- 成本结构：每批次 3 次 API 调用（翻译 → 反思 → 改进）
- 示例：100 个键，批次大小为 20：共 15 次 API 调用（5 次翻译 + 5 次反思 + 5 次改进）
- 权衡：3 倍 API 成本，换取显著提升的翻译质量
- 优化：根据需求调整
--batch-size（较小批次 = 更可靠，较大批次 = 更高效） - 模型影响：更强大的模型（GPT-5、Claude Sonnet 4.5、Gemini 2.5 Pro）能产生更好的反思洞察和改进效果
$ jta en.json --to zh
📄 Loading source file...
✓ Source file loaded
📚 Loading terminology...
🔍 Detecting terminology...
✓ Detected 8 terms
🤖 Translating...
✓ Translation completed
💾 Saving translation...
✓ Saved to zh.json
📊 Translation Statistics
Total items 100
Success 100
Failed 0
Duration 45s
API calls 15 (5 translate + 5 reflect + 5 improve)生成的 .jta-terminology.json：
{
"source_language": "en",
"preserve_terms": ["GitHub", "API", "OAuth"],
"consistent_terms": {
"en": ["repository", "commit", "pull request"]
}
}$ jta en.json --to zh
📄 Loading source file...
✓ Source file loaded
🔍 Analyzing changes...
New: 5 keys
Modified: 2 keys
Unchanged: 93 keys
Continue? [Y/n] y
🤖 Translating...
✓ Translation completed
📊 Translation Statistics
Total items 7
Success 7
Filtered 93 included, 0 excluded (of 100 total)
Duration 3s
API calls 1# 仅翻译设置和用户部分
$ jta en.json --to ja --keys "settings.**,user.**"
📊 Translation Statistics
Filtered 45 included, 55 excluded (of 100 total)
Total items 45
Success 45# 一次翻译为多种语言
$ jta en.json --to zh,ja,ko,es,fr -y
Processing: zh ━━━━━━━━━━━━━━━━━━━━ 100% (100/100) ✓
Processing: ja ━━━━━━━━━━━━━━━━━━━━ 100% (100/100) ✓
Processing: ko ━━━━━━━━━━━━━━━━━━━━ 100% (100/100) ✓
Processing: es ━━━━━━━━━━━━━━━━━━━━ 100% (100/100) ✓
Processing: fr ━━━━━━━━━━━━━━━━━━━━ 100% (100/100) ✓
✓ Successfully created 5 translation files# .github/workflows/translate.yml
name: Auto-translate i18n files
on:
push:
paths:
- 'locales/en.json'
jobs:
translate:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v3
- name: Install Jta
run: |
# 方式 1：使用 Homebrew（Linux）
brew tap hikanner/jta
brew install jta
# 方式 2：使用 Go
# go install github.com/hikanner/jta/cmd/jta@latest
# 方式 3：下载二进制文件
# curl -L https://github.com/hikanner/jta/releases/latest/download/jta-linux-amd64 -o jta
# chmod +x jta
# sudo mv jta /usr/local/bin/
- name: Translate
env:
OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}
run: |
jta locales/en.json --to zh,ja,ko -y
- name: Commit translations
run: |
git config user.name "Translation Bot"
git config user.email "bot@example.com"
git add locales/*.json
git commit -m "chore: update translations" || exit 0
git push# AI 提供商 API 密钥
export OPENAI_API_KEY=sk-...
export ANTHROPIC_API_KEY=sk-ant-...
export GEMINI_API_KEY=...标志：
--to string 目标语言，逗号分隔（翻译时必需）
--list-languages 列出所有支持的语言并退出
--provider string AI 提供商（openai、anthropic、gemini）（默认 "openai"）
--model string 模型名称（如果未指定则使用默认值）
--api-key string API 密钥（或使用环境变量）
--source-lang string 源语言（如果未指定则从文件名自动检测）
-o, --output string 输出文件或目录
--terminology-dir string 术语目录（默认 ".jta/"）
--skip-terminology 跳过术语检测（使用现有术语）
--no-terminology 完全禁用术语管理
--redetect-terms 重新检测术语（源语言更改时使用）
--incremental 增量翻译（仅翻译新增/修改的内容）
--keys string 仅翻译指定的键（通配符模式）
--exclude-keys string 排除指定的键（通配符模式）
--batch-size int 翻译批次大小（默认 20）
--concurrency int 批处理并发数（默认 3）
-y, --yes 非交互模式
-v, --verbose 详细输出
Error: OPENAI_API_KEY environment variable not set解决方案：将 API 密钥设置为环境变量或直接传递：
export OPENAI_API_KEY=sk-...
# 或
jta en.json --to zh --api-key sk-...如果翻译未达到质量预期：
-
使用更好的模型：通常，更新/更大的模型提供更好的质量
# OpenAI jta en.json --to zh --provider openai --model gpt-5 # Anthropic jta en.json --to zh --provider anthropic --model claude-sonnet-4-5 # Gemini jta en.json --to zh --provider gemini --model gemini-2.5-flash
-
检查术语：查看和优化
.jta/中的术语文件# 编辑术语定义 vim .jta/terminology.json # 编辑翻译 vim .jta/terminology.zh.json
示例
terminology.json：{ "version": "1.0", "sourceLanguage": "en", "preserveTerms": ["YourBrand", "ProductName", "API"], "consistentTerms": ["important", "domain", "terms"] } -
验证智能体反思是否工作：两步反思（评估 → 改进）自动运行。在详细模式下，您应该看到：
jta en.json --to zh --verbose # 查找反思输出显示： # - 步骤 2：反思（LLM 评估质量） # - 步骤 3：改进（LLM 应用建议） # - API 调用：每批次 3 次（翻译 + 反思 + 改进）
格式保护器应自动保留占位符，但如果您注意到问题：
- 在详细模式下检查格式说明
- 验证您的占位符遵循标准模式：
{var}、{{var}}、%s、%d - 将非标准格式报告为问题
Error: Rate limit exceeded解决方案：减少并发和批次大小：
jta en.json --to zh --concurrency 1 --batch-size 10对于包含 1000+ 个键的文件：
# 使用较小的批次和较低的并发处理
jta large.json --to zh --batch-size 10 --concurrency 2
# 或按部分过滤
jta large.json --to zh --keys "section1.**"
jta large.json --to zh --keys "section2.**"- 批次大小：更大的批次（20-50）更高效，但每个请求使用更多令牌
- 并发：更高的并发（3-5）加快翻译速度，但可能达到速率限制
- 增量模式：始终使用增量翻译进行更新（自动）
- 提供商选择：根据您的需求选择：
- 质量优先：使用任何提供商的最新/最大模型
- 速度优先：使用更快的模型，如 GPT-3.5 Turbo 或 Gemini Flash
- 成本优先：比较提供商之间的定价并选择较小的模型
- 平衡：GPT-4o、Claude 3.5 Sonnet 或 Gemini 1.5 Pro 提供良好的平衡
启用详细输出以查看详细执行：
jta en.json --to zh --verbose
# 您将看到：
# - 提供商初始化
# - 批处理详细信息
# - 反思引擎决策
# - API 调用统计
# - 格式验证报告问：翻译典型的 i18n 文件需要多少费用？
答：对于使用 OpenAI GPT-4o 和智能体反思（3 次 API 调用）的 100 键文件：
- 首次翻译：约 $0.15-0.30（包括反思）
- 增量更新：约 $0.03-0.06（仅新增/修改的键）
- 不使用反思（仅基本翻译）：约 $0.05-0.10
- 权衡：3 倍成本换取通过 AI 自我评估和改进显著提高的质量
问：我可以离线翻译或使用自己的模型吗？
答：目前，Jta 需要互联网连接并使用云 AI 提供商（OpenAI、Anthropic、Google Gemini）。
问：Jta 是否支持翻译字符串中的变量？
答：是的！所有标准占位符格式都会自动保留：
{variable}、{{count}}（i18next、Vue I18n）%s、%d、%(name)s（printf 风格）<b>、<span>（HTML 标签）
问：如何处理自定义术语？
答：手动编辑 .jta-terminology.json：
{
"source_language": "en",
"preserve_terms": ["MyApp", "SpecialFeature"],
"consistent_terms": {
"en": ["user", "account", "settings"]
}
}然后使用 --skip-terms 运行翻译以使用您的自定义词典。
问：我可以在保存前查看翻译吗？
答：目前，翻译会自动保存。对于手动审查：
- 使用
--output保存到单独的文件 - 审查和编辑输出
- 满意后复制到您的实际语言环境文件
问：支持哪些语言？
答：Jta 目前支持 27 种语言，包含完整的元数据：
- 欧洲语言：英语、西班牙语、法语、德语、意大利语、葡萄牙语、俄语、荷兰语、波兰语、土耳其语
- 亚洲语言：简体中文/繁体中文、日语、韩语、泰语、越南语、印尼语、马来语、印地语、孟加拉语、僧伽罗语、尼泊尔语、缅甸语
- 中东语言（RTL）：阿拉伯语、波斯语、希伯来语、乌尔都语
要查看包含国旗和本地名称的完整列表：
jta --list-languagesJta 还支持您选择的 AI 提供商支持的任何其他语言 - 只需使用标准语言代码（例如，瑞典语为 sv，丹麦语为 da）。
问：这与其他翻译工具有何不同？
答：Jta 使用智能体反思机制，超越传统翻译方式：
- AI 自我审查：AI 不仅仅翻译——它会批判性地评估自己在准确性、流畅性、风格和术语方面的工作，然后基于自己的专家分析进行改进
- 动态质量控制：不是静态的后处理规则，而是 AI 为每段内容生成上下文相关的、具体的改进方案
- 智能上下文：自动检测和维护领域术语，理解文化细微差别，保护技术格式
- 增量智能：仅翻译新增或修改的内容，更新时节省 80-90% 的 API 成本
- 生产就绪：使用 Go 构建，确保可靠性、性能和健壮的错误处理
欢迎贡献！请阅读我们的贡献指南了解详情。
# 克隆仓库
git clone https://github.com/hikanner/jta.git
cd jta
# 安装依赖
go mod download
# 运行测试
go test ./...
# 构建
go build -o jta cmd/jta/main.go
# 本地运行
./jta examples/en.json --to zhMIT 许可证 - 详见 LICENSE。
- 受 Andrew Ng 的翻译智能体启发
- 使用官方 AI 提供商 SDK 构建：
- 支持技术：
- 🐛 错误报告：GitHub Issues
- 💬 讨论：GitHub Discussions
- 📖 文档：Wiki
- ⭐ 给我们星标：如果您觉得 Jta 有用，请在 GitHub 上给我们一个星标！
由 Jta 团队用 ❤️ 制作
Jta - 让 i18n 翻译变得智能、可靠且轻松。