基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
技术实践2026-11-22 22:10

用浏览器内置 AI 构建可审阅翻译编辑器

dev.to · AI#React#浏览器AI#翻译
Editor brief · 编辑速览

教程使用 React、TypeScript 和 Chrome 语言检测、翻译 API,实现原文与译文并列审阅及独立确认操作。示例包含手动选择源语言、可用性检查、取消请求和过期结果防护。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

翻译读起来很顺,也可能漏掉最关键的限制条件。原文用一个活动安排举例:保留 204 房间到周五,预算是 250 美元,Maya 批准前不能确认预订。房号、金额、时间和审批条件,任何一项变了,都可能让后续操作出错。

作者用 React、TypeScript 和 Chrome 内置 AI 搭了一个翻译编辑器,重点是让原文、译文和用户确认形成可检查的流程。对前端开发者更有用的,是其中处理能力检测、异步竞态和结果采纳的方式。

检测出语言,为什么还要用户确认

Language Detector API 返回的是语言候选。短句、专有名词、混合语言文本,可能不足以支持可靠判断,因此作者建议展示领先候选,让用户确认源语言,也允许手动选择。

这里有两个容易混淆的判断:输入是什么语言,以及翻译有没有保留原意。检测器很确信一段话是英文,并不能证明译文保留了「批准前不能确认」这类条件。

语言识别的置信度,不能当作翻译质量分数。

界面因此拆成两个动作:先检测语言,再点击在本机翻译。第二次点击还为可能需要用户操作才能开始的模型准备过程,提供了新的触发机会。

原文始终保留在编辑器里,译文只是旁边的建议。用户检查后,再通过单独的接受动作采用它。示例不会提交预订,也不会把活动说明发送给云端模型。

API 存在,不代表所选语言能翻译

检查 Translator 是否存在,只能回答浏览器有没有暴露接口。用户选定的源语言和目标语言是否可用,还要查询具体配对。

下面这段代码负责区分这两件事:

if (typeof Translator === "undefined") {
  setAvailable("Translator API is not exposed here.");
} else {
  Translator.availability({
    sourceLanguage: source,
    targetLanguage: target,
  }).then(
    value => setAvailable(`Selected pair: ${value}.`),
    () => setAvailable("Availability check failed.")
  );
}

要看的是 sourceLanguage 和 targetLanguage:可用性属于这次请求的语言组合,不能只在页面初始化时检查一次。

语言选择变化时,需要重新探测。作者在完整 React 组件中通过 effect 清理,防止旧查询覆盖新选择的状态。探测耗时过长时,界面显示就绪状态仍然未知;超时本身不能证明浏览器不支持。

创建翻译器则放在翻译按钮的处理函数里。下面的适配器接收准确的输入、语言配对和取消信号,并负责释放资源:

async function translateText(
  text: string,
  sourceLanguage: string,
  targetLanguage: string,
  signal: AbortSignal
) {
  signal.throwIfAborted();
  const translator = await Translator.create({
    sourceLanguage, targetLanguage, signal,
  });
  try {
    return await translator.translate(text, { signal });
  } finally {
    translator.destroy();
  }
}

注意 Translator.create 前的位置:作者提醒,不要先等待无关异步任务,再假设短暂用户激活(transient user activation)仍然有效。就绪探测应单独进行,创建失败则在点击处理函数中捕获;finally 负责在使用后销毁翻译器。

完整适配器还检查缺失 API、空输入,并报告下载进度。进度反映准备过程,不能用来判断翻译准确度,也不代表剩余生成时间。

原文引用的 Chrome 文档将这些 API 描述为桌面端能力,并提到语言包可用性报告会保护此前使用过的语言配对信息。因此,状态标签适合提示准备情况,不适合被当作用户已安装语言的完整清单。

取消请求之外,还要阻止旧结果被接受

翻译进行时,用户可能把「周五」改成「周四」,也可能换一种目标语言。旧请求即使成功返回,也已经无法代表当前输入。

作者的处理分两层:源文本或任一语言变化时,使待处理请求失效;再通过请求身份校验,阻止迟到响应成为当前结果。取消操作未必立即终止底层工作,身份校验仍然有必要。

已经完成的译文也要同步清空。否则页面虽然没有显示错误的加载状态,用户仍可能点下接受,把旧译文应用到新原文上。

译文是否可接受,取决于它是否仍对应当前输入。

渲染层面,示例把译文作为普通 React 文本展示,避免让生成内容成为可执行 HTML。若以后加入 Markdown,渲染策略需要另行审查。

验证也分成两条线。配套实验用确定性测试检查请求替代和取消,回答「哪个结果允许显示」。翻译是否自然、是否保留条件和含义,则需要实际模型运行及熟练使用相关语言的人审阅。

反向翻译可以提供排查线索,但不能充当独立标准,它可能重复第一次翻译的错误。作者没有宣称准确率,也没有给出质量对照数据。

从配套实验目录执行 npm ci、npm run dev,再用兼容浏览器打开终端打印的 localhost 地址。原生按钮调用真实浏览器 API,不支持时不会返回预设译文。代码使用固定版本的 Chromium AI 类型声明完成类型检查,但原文没有给出具体版本号。

我的判断

我认同这套交互的取舍:保留原文、单独采纳、输入变化即失效,能让用户在不确定时仍有依据可查。相比译完直接覆盖输入框,它增加了一步操作,也保住了审阅材料。

不过,「更安全」在这里主要指流程层面的防护。作者展示了如何避免旧结果覆盖新输入,没有证明译文本身更准确。语言检测后增加确认,也属于有理由的设计选择;是否适合所有文本长度和使用频率,原文没有对照数据。

本机处理符合示例的隐私预期,但能否落地取决于浏览器支持和语言配对。作者选择不可用时保留编辑与手动复制,不自动转向服务端。这种退路很清楚。若团队考虑云端翻译,需要另外说明数据去向并比较质量,原文不足以支持二者优劣的结论。

能拿来做什么

  • 给 React 文本编辑器增加翻译时,把原文、译文建议和接受动作分开保存;原文或语言选择变化后,立即让旧建议失效。
  • 为翻译任务同时加入取消信号和请求身份校验,并验证连续点击、修改输入、切换语言时,迟到结果不会进入当前界面。
  • 将 API 存在性与语言配对可用性分别检查;状态未知或不可用时,继续提供编辑和手动复制,并保持本机翻译动作的数据处理承诺。
  • 上线前准备包含日期、金额、房号和审批条件的小型审阅集,记录浏览器版本、语言配对、输入及真实输出,再请熟练使用相关语言的人核对含义。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
Gemini 返回空文本,可能是推理耗尽额度
下一篇
诱饵凭据测试揭示推理服务数据泄露风险

资讯速览

dev.to · AI · 2026-11-22 22:10

AI 评分 8.0 / 10

相关标签

#React#浏览器AI#翻译

继续阅读

  • 提示词泄露事件暴露零留存承诺边界
  • Gemini 返回空文本,可能是推理耗尽额度
  • 诱饵凭据测试揭示推理服务数据泄露风险
  • 上万测试全绿,模型升级仍让任务失效
  • 给 Agent 查库能力,把权限限制写进代码