Agrupamiento de Transferencia de Contexto

La transferencia de contexto es una característica de consistencia de traducción a nivel de documento que lleva adelante una ventana de traducciones anteriores hacia lotes posteriores, proporcionando al LLM "memoria a corto plazo" a través de los límites de los lotes.

Por Qué Existe

Cuando se traducen archivos grandes (100+ claves o documentos Markdown largos), champollion divide el trabajo en lotes. Sin transferencia, cada lote se traduce de forma independiente — el LLM no tiene memoria de lo que tradujo en el lote anterior. Esto causa:

• Desviación terminológica: El mismo término en inglés se traduce de manera diferente entre lotes (p. ej., "dashboard" → "tableau de bord" en el lote 1, "panneau" en el lote 3)
• Fallo de correferencia: Los pronombres y referencias que cruzan límites de lotes pierden su antecedente
• Inconsistencia de registro: El tono puede cambiar entre lotes (formal → informal → formal)

Este es un problema bien documentado en la literatura de traducción automática. El enfoque de ventana deslizante está validado por investigación en traducción automática a nivel de documento (ACL, talleres WMT).

Cómo Funciona

La Ventana Deslizante

Cuando contextRollover está habilitado, la canalización de traducción mantiene una ventana de pares clave-valor traducidos recientemente. Después de que cada lote se completa, una porción de su salida (predeterminado: 20% de batchSize) se lleva adelante al mensaje del siguiente lote como "traducciones de referencia".

Batch 1: Translate keys 1-80         → LLM sees: system prompt + keys 1-80
Batch 2: Translate keys 81-160       → LLM sees: system prompt + [16 reference translations from batch 1] + keys 81-160
Batch 3: Translate keys 161-240      → LLM sees: system prompt + [16 reference translations from batch 2] + keys 161-240

Las traducciones de referencia se inyectan en el mensaje del usuario con una etiqueta clara:

--- Previous translations for context (do NOT re-translate these) ---
"nav.dashboard": "Tableau de bord"
"nav.settings": "Paramètres"
"header.welcome": "Bienvenue sur la plateforme"
---

{
  "content.main_heading": "Getting Started with Your Dashboard",
  ...
}

Estrategia de Selección

Dos modos para elegir qué traducciones llevar adelante:

Estrategia	Comportamiento	Mejor Para
tail (predeterminado)	Últimas N traducciones del lote anterior	Documentos secuenciales, contenido Markdown
diverse	Selecciona entradas que cubren diferentes tipos de claves (botones, encabezados, descripciones)	Archivos JSON grandes con tipos de elementos de interfaz mixtos

Presupuesto de Tokens

La ventana de transferencia consume tokens de entrada. Champollion calcula el costo aproximado de tokens y advierte si la ventana excede el 15% de la ventana de contexto estimada del modelo. La advertencia incluye una reducción sugerida:

[WARN] Rollover window is ~2400 tokens (18% of model context).
       Consider reducing rolloverSize to 0.15 or lowering batchSize.

Pasada Previa de Contexto Global

Una llamada LLM de primera pasada opcional que se ejecuta antes de que comience la traducción. El LLM analiza el contenido fuente completo y produce:

1. Resumen del Documento — Descripción de 2-3 oraciones de lo que se está traduciendo
2. Entidades Nombradas — Nombres de productos, términos técnicos y nombres propios con manejo sugerido
3. Lista de Consistencia Terminológica — Términos clave que el LLM identificó como requiriendo traducción consistente

Este contexto global se inyecta en el mensaje del sistema de cada lote, dando a cada lote conciencia del documento completo aunque solo vea una porción.

Modelo de Pasada Previa

La extracción de contexto global utiliza una llamada LLM separada y económica (predeterminado: google/gemini-3.5-flash a temperatura 0.1) independientemente del modelo de traducción configurado por el usuario. Esta es una tarea de extracción de metadatos, no una tarea de traducción — la velocidad y el costo importan más que la salida creativa.

Fragmentación de Contenido

Para documentos Markdown largos (traducción de contenido), el cuerpo puede exceder la ventana de contexto efectiva del LLM, o el modelo puede truncar su salida. La fragmentación de contenido divide el documento en segmentos superpuestos que se traducen de forma independiente y luego se reensamblan.

Estrategia de División

La fragmentación sigue una cascada de prioridades — intenta el punto de división más significativo semánticamente primero:

1. Límites de encabezados — Los marcadores ## y ### crean unidades de traducción naturales. Cada sección es lo suficientemente autónoma para traducción independiente, y los encabezados dan al LLM contexto estructural sobre lo que está traduciendo.
2. Límites de párrafos — si una sección de encabezado único excede el tamaño del fragmento, divide en saltos de línea dobles (\n\n). Los párrafos son el siguiente mejor límite porque representan pensamientos completos.
3. Límites de oraciones — último recurso para párrafos extremadamente largos (p. ej., tablas grandes, prosa densa). Divide en límites de punto-espacio respetando abreviaturas.

Los bloques protegidos (cercas de código, shortcodes — ver Cómo Funciona la Sincronización) nunca se dividen entre fragmentos. Si un bloque protegido se cortaría, el punto de división se mueve antes o después de él.

Activadores de Fragmentación Automática

La fragmentación se activa de dos formas:

Activador	Comportamiento
contentChunkSize establecido en config	Fragmenta proactivamente todos los documentos que excedan ese recuento de tokens
El modelo devuelve finish_reason: "length"	Fragmenta automáticamente como alternativa, incluso sin config

El activador de alternativa significa que la fragmentación funciona como red de seguridad incluso si no la configura — si el modelo trunca, champollion automáticamente reintenta con fragmentos.

Configuración

• contentChunkSize: Máximo de tokens por fragmento (predeterminado: null = enviar cuerpo completo; establecer a p. ej., 4000 para documentos largos)
• contentOverlap: Superposición en tokens entre fragmentos (predeterminado: 200). La superposición asegura transiciones suaves en los límites de fragmentos.

Cuando la fragmentación está activa, la transferencia de contexto se aplica automáticamente entre fragmentos — la salida traducida del último párrafo del fragmento anterior se antepone al mensaje del siguiente fragmento.

champollion.config.json

{
  "contentChunkSize": 4000,
  "contentOverlap": 200
}

Para el sistema completo de resiliencia de traducción de contenido (reintento diagnóstico, alternativa de modelo, contabilidad de fallos), ver Resiliencia de Contenido.

Configuración

Inicio Rápido

champollion.config.json

{
  "contextRollover": true,
  "globalContext": true,
  "contentChunkSize": 4000,
  "contentOverlap": 200
}

Opciones Completas

champollion.config.json (advanced)

{
  "contextRollover": {
    "size": 0.2,
    "strategy": "tail",
    "maxTokens": null
  },
  "globalContext": {
    "model": "google/gemini-3.5-flash",
    "maxEntities": 20,
    "temperature": 0.1
  },
  "contentChunkSize": 4000,
  "contentOverlap": 200,
  "contentFallbackChain": [
    "google/gemini-2.5-flash",
    "anthropic/claude-sonnet-4"
  ]
}

Campo	Tipo	Predeterminado	Descripción
contextRollover	boolean | object	false	Habilitar transferencia de ventana deslizante
contextRollover.size	number	0.2	Fracción de batchSize a llevar adelante (0.0–1.0)
contextRollover.strategy	string	"tail"	Estrategia de selección: "tail" o "diverse"
contextRollover.maxTokens	number | null	null	Límite máximo en presupuesto de tokens de transferencia
globalContext	boolean | object	false	Habilitar pasada previa de contexto global
globalContext.model	string	"google/gemini-3.5-flash"	Modelo para la llamada de pasada previa
globalContext.maxEntities	number	20	Máximo de entidades nombradas a extraer
globalContext.temperature	number	0.1	Temperatura para la llamada de pasada previa
contentChunkSize	number | null	null	Máximo de tokens por fragmento de contenido (null = sin fragmentación)
contentOverlap	number	200	Tokens de superposición entre fragmentos de contenido
contentFallbackChain	string[]	[]	Modelos de alternativa para traducción de contenido cuando el modelo configurado falla estructuralmente

Cuándo Usarlo

Escenario	Recomendación
Archivos JSON pequeños (< 50 claves)	No necesario — lote único, sin problemas de límites
Archivos JSON grandes (100+ claves)	Habilitar contextRollover para consistencia terminológica
Documentos Markdown largos	Habilitar contextRollover + contentChunkSize + globalContext
Documentación técnica	Habilitar globalContext para extracción de entidades
Cadenas de interfaz con registro mixto	Usar contextRollover con strategy: "diverse"

Estado de Implementación

Característica	Estado
Transferencia de ventana deslizante (clave-valor)	🔲 Planeado
Transferencia de ventana deslizante (contenido)	🔲 Planeado
Pasada previa de contexto global	🔲 Planeado
Fragmentación de contenido	🔲 Planeado
Fragmentación automática en truncamiento	🔲 Planeado
Estrategia de selección diverse	🔲 Planeado

Literatura

Esta característica se basa en investigación publicada sobre traducción automática a nivel de documento:

• Enfoque de ventana deslizante: Validado para mejorar puntuaciones BLEU, chrF y COMET al usar LLMs para traducción (talleres ACL 2023–2025 sobre MT a nivel de documento)
• Fusión de múltiples conocimientos: Inyectar resúmenes de documentos y listas de entidades como contexto global mejora la consistencia terminológica en documentos largos
• Indicación Consciente del Contexto (CAP): Seleccionar contexto relevante mediante puntuaciones de atención o similitud semántica para aprendizaje en contexto

Ver También

• Resiliencia de Contenido — reintento diagnóstico, alternativa de modelo y contabilidad de fallos
• Cómo Funciona la Sincronización — la canalización de lotes que la transferencia aumenta
• Datos de Coaching — característica complementaria para inyección de gramática/diccionario
• Memoria de Traducción — la caché de TM que funciona junto con la transferencia