Accéder au contenu principal

Fonctionnement de champollion

champollion traduit les fichiers de localisation de votre application avec une seule commande. Voici ce qui se passe en arrière-plan.

Le pipeline​

Lorsque vous exécutez npx champollion sync, champollion exécute un pipeline à six étapes :

Décisions de conception clés :

  • Détection des modifications via hachages SHA-256. Champollion suit chaque valeur source avec un hachage dans .champollion.lock. Lorsque vous mettez à jour une chaîne anglaise, seule cette clé est retraduite. C'est pourquoi sync est rapide lors des exécutions répétées — il effectue un travail minimal.

  • Mise en cache de la mémoire de traduction. Avant d'effectuer un appel API, champollion vérifie .champollion/tm.json pour les traductions en cache (indexées par texte source + locale + méthode). Lors d'une resynchronisation typique après modification d'une clé, 142 clés proviennent du cache et 1 clé accède à l'API.

  • Portail de qualité avant écriture. Chaque traduction passe par cinq vérifications automatisées (vide, écho source, boucle d'hallucination, inflation de longueur, conformité des scripts) avant de toucher vos fichiers. Les défaillances sont enregistrées, jamais acceptées silencieusement.

  • Cascade de nouvelles tentatives en cas d'échec. Si un lot échoue (erreur d'analyse JSON, délai d'expiration de l'API), champollion réessaie avec des lots progressivement plus petits : complet → moitié → individuel. Cela isole la clé problématique sans bloquer le reste.

Méthodes de traduction​

Champollion prend en charge quatre méthodes de traduction, chacune adaptée à différents scénarios :

MéthodeFonctionnementIdéal pour
llmInvite structurée vers n'importe quel modèle OpenRouterLangues bien dotées en ressources
llm-coachedMême invite + règles de grammaire, dictionnaire et notes de styleLangues où les LLM commettent des erreurs prévisibles
google-translateDemande de lot de l'API Google Cloud TranslationLangues à hautes ressources avec bon support GT
apiHTTP POST vers votre propre point de terminaisonPipelines personnalisés, modèles contrôlés par la communauté

Les méthodes sont configurées par paire de langues. Vous pourriez utiliser google-translate pour le français mais llm-coached pour le cri des Plaines — chaque paire obtient la méthode qui fonctionne le mieux pour elle.

Données de coaching​

Pour les paires llm-coached, les données de coaching donnent au LLM des connaissances linguistiques explicites : règles de grammaire, terminologie forcée et préférences de style. Ceci est injecté dans chaque invite en tant que contexte structuré.

coaching/crk.json
{
  "grammar_rules": ["Animate nouns take different plural forms than inanimate nouns"],
  "dictionary": {"welcome": "ᑕᓂᓯ", "settings": "ᐃᑕᐢᑌᐘᐃᓇ"},
  "style_notes": "Use Standard Roman Orthography (SRO) unless explicitly configured otherwise."
}

Les données de coaching constituent le mécanisme principal pour améliorer la qualité de la traduction sans affiner un modèle. Modifiez les règles → réexécutez la synchronisation → voyez si cela aide. L'itération est instantanée.

Plugins​

Les plugins sont des recettes de traduction pré-packagées pour des paires de langues spécifiques. Ce sont des manifestes JSON — pas du code — qui indiquent à champollion quelle méthode utiliser, avec quels paramètres, et quelle qualité a été évaluée.

champollion plugin install ./crk-coached-v3/
champollion sync   # uses the installed plugin for en→crk

Les plugins comblent le fossé entre la recherche et la production : une méthode qui obtient un bon score dans l'MT Eval Arena peut être packagée en tant que plugin et déployée ici.

Vue d'ensemble​

champollion est la première moitié d'un écosystème en deux parties :

  • MT Eval Arena — où les méthodes de traduction sont développées et prouvées avec des évaluations comparatives reproductibles
  • champollion — où les méthodes prouvées sont déployées pour traduire du contenu réel

Le Pont Eval Harness relie les deux. Une méthode qui fait ses preuves dans l'Arena se déploie ici. Les commentaires des locuteurs en production améliorent la version suivante.

Approfondissez​