让 AI 改国际化,最容易漏掉哪些地方
编码 Agent 为真实应用添加国际化时,容易漏掉属性文本、数据数组、校验提示和 Hook 中的消息,构建成功也无法暴露这些遗漏。跨会话生成的翻译键还可能命名不一致,增加后续维护成本。
AI 深度解读
给 Cursor 或 Claude Code 一句「给应用加上 i18n」,小项目可能很快就能交差。可当应用有几百条文案、几十个组件,后面还要持续加功能和语言时,难点就变成了:有没有漏、翻译能否复用、下次改动还能不能稳定处理。
原文的核心判断是,国际化需要一套可重复执行的流程。Coding Agent 能参与,但不能只靠每次临时发挥。文章也在推介作者自己的 Babelize,技术问题值得看,产品主张则需要分开判断。
能编译通过,为什么还会漏掉一堆英文
Agent 通过上下文窗口理解项目,只会处理它读到、并判断需要处理的内容。原文列出的遗漏位置,很贴近日常 React 开发:
- JSX 属性里的
placeholder、alt、title、aria-label。 - 数组和对象里的功能卡片文案、导航项、表格列名、下拉选项。
- 离组件渲染位置较远的校验消息、空状态,以及 hook 中的 toast 文案。
这些遗漏通常不会导致构建失败。页面正常打开,部分文案继续显示英文,直到用户反馈才暴露。
第二类问题是 key 漂移。一次生成 header.features,另一次生成 nav.featuresLink;同一句话在两个页面获得不同 key,便会重复翻译,甚至出现不同译法。后续再重命名 key,已有翻译还可能失去对应关系。
翻译 key 是代码与语言文件之间的接口,需要稳定维护。
作者建议给 Agent 明确规则:逐个目录处理并列出修改文件;key 采用 <file-or-component>.<camelCaseOfFirstWords>;相同文案优先复用已有 key,禁止随意重命名。这个命名格式只是示例,真正要守住的是跨会话的一致性。
翻译单位选错了,模型再好也救不回来
下面这段 JSX 展示了一个常见问题:一句话被标签拆成了多个文本片段。
<p>You have <strong>{count}</strong> tasks due today.</p>
要留意 <strong>{count}</strong> 两侧的文本。若分别替换为 t("youHave") 和 t("tasksDueToday"),英语还能拼起来,德语或日语的译者却无法自由调整整句语序。
原文给出的做法,是把变量和标记放进同一条 ICU 消息,让译者拿到完整句子:
"tasksDue": "You have <strong>{count, plural, one {# task} other {# tasks}}</strong> due today."
重点看 {count, plural, one {...} other {...}}。它让消息根据数量选择表达;富文本标记则保留了需要加粗的范围。具体怎样将 <strong> 映射回组件,仍要按项目使用的国际化库接入,原文没有展开。
复数不能只按英语处理。原文指出,波兰语有更多复数形式,阿拉伯语有六种,日语有一种。上面的 one、other 是英语消息的写法,目标语言仍需要相应表达。
占位符也需要单独校验。例如 Thanks! We sent a link to {email}.,模型可能改掉变量名、丢掉花括号,或直接漏掉 {email}。句子看似通顺,运行时却可能出错。
品牌词同样不能完全交给模型判断。作者报告,他们测试名为 Tasklane 的小应用时,一次机器翻译把法语中的品牌名变成了「pour les enfants」,意为「给孩子们」。这是文中明确描述的实测案例,但没有给出模型名、版本或复现条件,不能据此推断普遍发生率。作者建议提前固定 Tasklane、Babelize、GitHub 等不可翻译词。
下一次只翻新增文案,靠的是记录和校验
首次替换硬编码文本只是开始。后续每个 pull request 都可能增加字符串、修改原文,或引入新语言。
作者提出用 lockfile 保存记录:每个 key、每种语言,对应的是哪一版源文。源文没变就复用译文,源文变了再翻译,避免重新翻译全站、制造大量无关 diff。
文中的「$0 re-run」应放在这个范围内理解:没有新增或变化字符串时,可以不产生新的翻译费用。它不是整套流程零成本的证明,文章也没有提供成本对照数据。
如果继续用 Agent,作者建议明确指定 next-intl,再用脚本检查结果,包括语言文件与源文件的 key 是否一致、占位符是否保留,以及 JSX 中是否还有硬编码文本。最后一项可以通过 AST 扫描或 eslint-plugin-i18next 辅助完成。
作者将这些工作归纳为 Babelize 的产品能力:通过 AST 解析源文件,稳定生成并复用 key,以 lockfile 控制增量翻译,生成 ICU 消息,检查占位符和复数,并用术语表保护品牌名称。auto-localize 则在每次 push 后翻译,并持续更新同一个 pull request。
它还提供 Babelize MCP server,让 Cursor、Claude Code、Codex 调用这套流程。Agent 负责发起操作,具体抽取、记录和检查交给固定工具执行。
我的判断
我认同作者对「首次能用」和「长期可维护」的区分。漏文案、key 漂移、句子拆碎,都是工程约束问题。把要求写进规则,再加上自动校验,比期待模型每次自行想全更可靠。
但 Babelize 的部分描述属于产品方主张。文章没有提供抽取覆盖率、误报率,也没有展示它与配置完善的 Agent、现有国际化脚本之间的对照结果。因此,「专用工具更省维护」目前主要是经验判断,不能直接当作已验证结论。
AST 能提供稳定的语法解析方式,却不自动等于识别所有用户可见内容。动态拼接、外部数据等边界如何处理,原文没说清,需要拿自己的项目验证。
检查规则也不能机械执行。作者建议检查「译文是否与英文完全相同」,但 GitHub 等品牌名原本就应保持一致。这适合用来筛选可疑项,需要结合术语白名单,不能一律判错。相同原文是否复用 key,也应考虑语境,同一个英文词在不同位置可能需要不同译法。
对只有一页、十来条字符串的应用,Agent 加人工检查可能已经足够。对持续迭代的 React、Next.js 项目,更值得建设的是稳定的抽取、增量记录和校验流程;自建脚本还是使用专用工具,要看团队愿意承担多少维护工作。
能拿来做什么
- 给现有 Agent 指令补上目录范围、属性清单、key 规则、完整 ICU 消息、不可翻译词和占位符约束,并要求列出修改文件,方便审查遗漏。
- 检查包含数量、强调标签和变量的 React 文案,优先修复被多个
t()调用拆开的句子,让译者可以调整整句语序。 - 为语言文件增加 key 和占位符校验,保存源文与译文的对应记录,让后续任务只处理新增或变化的字符串。
- 评估 Babelize 时,用项目中的真实组件验证抽取边界和重复运行结果;无论采用哪种方案,都让翻译先形成可审查的 diff,再进入生产环境。