你做出海产品,UI文案要支持英语、日语、西语……传统流程是:把 zh-CN.json 丢给翻译公司或自己开着 ChatGPT 一段段翻,再手动贴回去。改一行文案,整套流程重来一遍。而海外出海圈现在的主流玩法是:把本地化接进 Git 流水线——代码一合并,AI 自动翻译,机器人直接给你发 PR。国内公开讨论里,这套“Dev 级 AI 本地化”的完整打法还很少见有人系统讲过。今天给你拆三个开源工具:Lingo.dev、General Translation、Intlayer,外加一个编译期方案 Paraglide JS。
先算一笔账。一个中等规模的 SaaS 产品,界面文案通常在 2000~10000 条之间。按传统方式出海:
{count}、%s)被改坏、HTML 标签被翻掉、复数规则(俄语有 3 种复数形式)翻译错、两轮翻译之间术语不一致,这些坑每一个都会变成线上 bug;海外的解法是把 i18n 文件当成代码来管:只维护源语言,其余语言由 AI 在 CI 里按 diff 增量翻译,人工只做抽查。这个模式不是某个工具的独家功能,而是已经形成了开源工具生态。
是什么:一个开源的 AI 本地化引擎(官网 lingo.dev,源码在 github.com/lingo-dev/lingo.dev),核心卖点是“只翻新增的、不碰锁定的”。
核心玩法:
i18n.json,声明源语言、目标语言和文案文件的位置(bucket);三个杀手级细节:
进阶:据官方介绍,它还推出了 Lingo.dev Compiler——构建期直接扫描 React 应用的文案并生成多语言版本,号称几乎不用改业务代码就能让站点变多语言(细节以官方文档为准)。另外它不限于 Web:JSON/YAML/Markdown/CSV 等常见格式都能作为 bucket 接入,连终端工具的帮助文档都能翻。
价格:CLI 开源免费;托管版有免费额度,超出按量付费(具体档位以官网为准)。
<T> 标签方案是什么:官网 generaltranslation.com,源码在 github.com/generaltranslation/gt。它的思路和 Lingo.dev 不同——不是“翻译文件”,而是“翻译组件”。
核心玩法:
<T> 组件包起来:import { T } from 'gt-react';
<T><p>欢迎回来,{user.name}!</p></T>
为什么值得关注:
{user.name} 这种运行时变量嵌在句子中间,传统 JSON i18n 要拆成三段拼起来,<T> 方案整句翻,语序问题(比如日语把动词放句尾)交给 AI 处理;适用人群:Next.js/React 技术栈、文案和组件耦合度高、不想维护一堆 JSON 文件的团队。
是什么:开源项目(官网 intlayer.org,源码在 github.com/aymericzip/intlayer),特点是每个组件配套一个 .content.ts 声明文件,文案不集中在大仓库里,而是“谁用谁声明”。
核心玩法:
my-component.content.ts,声明该组件的文案字典;intlayer fill,以文档为准),可以用自己的 OpenAI/Anthropic Key 跑翻译——翻译成本自己掌控,数据不出你的账户;为什么值得关注:它把“AI 翻译用什么模型、花谁的钱”的决定权还给开发者,私有化部署场景(公司禁用第三方托管)下这是关键能力;同时字典跟着组件走,重构组件时文案不会变成孤儿。
如果你不想要任何托管服务,可以看 inlang 生态的 Paraglide JS(inlang.com):编译期把翻译生成类型安全的函数,文案 key 写错直接编译报错,配合其机器翻译 CLI 做初翻,全程本地化、零托管依赖。适合对数据主权敏感的团队。
flowchart LR
subgraph T[传统流程:天级周期]
A1[导出 JSON] --> A2[翻译公司或手翻]
A2 --> A3[人工回填]
A3 --> A4[改一处重翻一轮]
end
subgraph N[AI 流水线:分钟级周期]
B1[git push 新文案] --> B2[CI 检测 diff]
B2 --> B3[AI 按上下文翻译]
B3 --> B4[机器人发翻译 PR]
B4 --> B5[人工抽查合并]
end
T -.升级.-> N
| 维度 | 你以为的 | 实际上海外在玩的 |
|---|---|---|
| 流程 | 翻译是“上线前一次性项目” | 翻译是 CI 里的常驻环节,随代码合并自动发生 |
| 成本 | 按字付翻译费,或烧 token 全量翻 | 只翻 diff 增量,润色过的文案锁死不再烧钱 |
| 质量 | 手动叮嘱 GPT“别改占位符” | 工具层面保证占位符/标签/复数规则不坏 |
| 人工介入 | 翻译公司来回复稿 | 只在机器人 PR 里抽查,改错字可热发布 |
| 技术选型 | i18n = 抽 JSON 到 locales/ 目录 |
<T> 组件、组件旁声明字典、编译期类型安全各有拥趸 |
npx lingo.dev@latest init(以官方 README 为准),配一个两语言的 bucket,感受机器人发 PR 的流程;<T>,对比传统 JSON 方案在“带变量整句翻译”上的质量差异;注:文中工具的具体价格、免费额度与命令行参数以各官网最新文档为准;Lingo.dev Compiler 的能力描述来自其官方介绍,未经第三方独立评测验证。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生(微信ID: gprshome201101)维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主:爱卫生(微信:gprshome201101)——公众号「51学通信」创办者,19 年通信行业运维与讲师经验,著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书(各大电商平台有售)。 星球定位:深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域,主打运维岗位与信令分析。 当前规模:5200 篇主题 / 990 个回答,198 元/年。 加入福利:加入星球后请加爱卫生微信,拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题,另有群内分享。 AI 加持:51学通信知识星球已作为 skill 接入 WorkBuddy,使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例,做总结、找文档和 PPT 等场景全覆盖。
