1. 项目概述当游戏开发遇上AI自动化如果你是一名独立游戏开发者或者在一个小型团队里负责过游戏的多语言本地化那你一定对下面这个场景深恶痛绝游戏里有成百上千条文本需要翻译几十上百个图标、音效、预制体需要根据语言版本进行切换管理。每次更新一个词条你都得打开一个巨大的Excel表格找到对应的行复制粘贴然后祈祷翻译没有出错每次要发布一个新语言版本你都得手动整理资源文件夹小心翼翼地替换文件生怕一不小心就把英文的图标放进了中文版里。这种重复、繁琐且极易出错的工作消耗的不仅是时间更是宝贵的创作热情。这个项目要解决的正是这个痛点。它的核心思路很简单将GPT-4 API强大的多语言理解和生成能力与Unity引擎的资源管理、脚本控制能力结合起来打造一个自动化流水线。你不再需要手动处理翻译表格也不再需要为资源分类而头疼。通过一套完整的C#脚本我们可以实现自动提取游戏内的待翻译文本调用GPT-4进行高质量、符合语境的翻译并将结果自动填充回游戏项目中同时根据语言标记自动化地组织和管理对应的图片、音频等资源文件。这不仅仅是“用AI翻译”而是一套从提取、翻译、校验到资源整合的全流程自动化解决方案。它适合所有使用Unity进行开发并计划面向多语言市场的团队无论是刚起步的独立开发者还是希望提升效率的中小型团队。通过将人力从重复劳动中解放出来你可以更专注于游戏玩法、美术和叙事这些真正创造价值的部分。2. 核心思路与架构设计2.1 为什么是GPT-4 API Unity在自动化方案选型上我们放弃了传统的机器翻译API如Google Cloud Translation或简单的正则匹配替换而选择GPT-4 API主要基于以下几点考量语境理解与一致性游戏文本不是孤立的单词。一句台词“Fire in the hole!”在射击游戏里是“小心手雷”在奇幻游戏里可能是“洞穴着火了”。GPT-4能结合我们提供的上下文如角色描述、游戏类型进行翻译确保术语如技能名、地名在整个游戏中保持一致这是传统API难以做到的。格式保持与指令跟随游戏文本常包含富文本标签如colorred、代码占位符如{0}或换行符。我们可以通过精心设计的提示词Prompt让GPT-4在翻译时严格保留这些格式只处理需要翻译的自然语言部分。批量处理与成本可控GPT-4 API支持批量请求我们可以将数百条文本一次性发送大幅减少网络请求开销和总耗时。虽然单次调用成本高于某些翻译API但考虑到它节省的后期人工校对和修改成本以及更高的翻译质量总体效益是正向的。我们可以通过缓存机制避免重复翻译同一文本进一步控制成本。在Unity端我们选择用C#编写完整的编辑器扩展脚本而不是依赖外部Python脚本或工具原因在于深度集成可以直接访问Unity的资产数据库AssetDatabase、序列化系统无缝操作ScriptableObject、预制体、UI TextMeshPro组件等。工作流内嵌自动化流程可以作为Unity编辑器的一个菜单项或窗口出现开发者无需离开熟悉的环境体验更流畅。可扩展性强基于Unity的编辑器脚本架构可以方便地添加新功能如与版本控制系统如Git的集成、自定义资源命名规则检查等。2.2 系统架构总览整个自动化系统可以划分为三个核心模块它们像一条流水线一样协同工作前端Unity编辑器内文本提取器扫描整个项目或指定文件夹从预设的“数据源”如ScriptableObject、CSV文件、甚至是场景中的UI组件中提取出所有需要本地化的字符串及其唯一标识符Key、上下文描述。资源扫描器根据约定的命名规则如“icon_attack_en-US.png”扫描项目中的精灵、音频、预制体等资源建立语言标签与资源文件的映射关系。处理核心外部API调用本地化处理器这是系统的“大脑”。它接收提取器收集的文本队列按照目标语言分组构建发送给GPT-4 API的批量请求。它负责设计提示词、处理API响应、解析结果并将翻译后的文本与原始Key关联。提示词引擎这是质量的关键。它不是一个简单的“请翻译以下文字”而是一个包含游戏背景、术语表、格式要求、风格指南的详细模板。例如“你正在翻译一款中世纪奇幻角色扮演游戏的UI文本。游戏中的‘Mana’统一译为‘法力’‘Health Potion’译为‘生命药水’。请保持原文中的XML标签如b和变量位如{0}原样不动只翻译其外的英文内容。”后端Unity项目内数据写入器将获得的翻译结果写回项目中的本地化数据存储结构。这通常是一个主本地化文件如一个JSON或一个专门的ScriptableObject或者直接更新到各个数据源中。资源管理器根据当前构建的目标语言自动在资源文件夹中启用或禁用对应语言版本的资源或生成资源加载的运行时映射表确保游戏运行时加载正确的资产。这套架构的核心思想是“配置优于硬编码”。所有数据源类型、资源命名规则、目标语言列表、甚至GPT-4的提示词模板都应该设计成可配置的这样系统才能适配不同项目的独特结构。3. 核心模块实现细节与C#脚本解析3.1 文本提取模块如何精准抓取待翻译内容文本提取是第一步也是最容易出错的一步。我们不能简单地进行全文匹配那样会抓到代码注释、调试信息等不需要翻译的内容。一个健壮的提取器需要智能识别“数据”而非“代码”。实现策略我们通常会定义几种常见的“数据容器”并为每种容器编写专用的提取逻辑ScriptableObject数据资产这是最推荐的方式。创建一个LocalizationEntry类包含Key,DefaultText英文,Context字段。然后创建其派生类LocalizationData作为ScriptableObject。提取器只需在项目中寻找所有LocalizationData实例读取其Entries列表即可。CSV/Excel文件许多团队习惯用表格管理文本。我们可以使用CsvHelper等库来读取特定列。关键是要在表头中明确标注哪一列是Key哪一列是源文本。场景内的UI组件这是一个更动态的需求。我们可以编写一个编辑器脚本遍历场景中所有的TextMeshProUGUI或Text组件如果其文本内容不符合某种“代码模式”如全是数字、包含特定前缀则将其文本和游戏对象路径作为Key提取出来。这通常用于快速原型阶段。C#脚本示例提取ScriptableObjectusing UnityEngine; using UnityEditor; using System.Collections.Generic; using System.IO; public static class LocalizationTextExtractor { public class ExtractionResult { public string Key; public string SourceText; public string Context; // 可选用于提供翻译上下文 } public static ListExtractionResult ExtractFromScriptableObjects() { ListExtractionResult results new ListExtractionResult(); // 1. 找到项目中所有指定类型的ScriptableObject string[] guids AssetDatabase.FindAssets(t:LocalizationData); foreach (string guid in guids) { string path AssetDatabase.GUIDToAssetPath(guid); LocalizationData data AssetDatabase.LoadAssetAtPathLocalizationData(path); if (data ! null data.Entries ! null) { foreach (var entry in data.Entries) { // 只提取源语言如英文非空的条目 if (!string.IsNullOrEmpty(entry.DefaultText)) { results.Add(new ExtractionResult { Key entry.Key, SourceText entry.DefaultText, Context entry.Context }); } } } } Debug.Log($从ScriptableObject中提取到 {results.Count} 条待翻译文本。); return results; } }注意在遍历场景UI组件时务必在编辑器模式下进行使用EditorApplication.ExecuteMenuItem打开场景并避免在运行时执行以免影响游戏性能或造成数据混乱。3.2 与GPT-4 API的通信提示词设计与批处理这是系统的智能核心。直接调用API并不难难点在于如何设计提示词以获得稳定、高质量的翻译结果以及如何高效、经济地处理大量文本。提示词设计要点一个优秀的提示词应该像给一位专业的本地化专家下达的工作简报你是一位专业的电子游戏本地化专家。请将以下英文游戏文本翻译成简体中文zh-CN。 **游戏背景**这是一款赛博朋克风格的回合制策略游戏主题涉及黑客技术与公司阴谋。 **术语表** - “Neural Link” 请统一翻译为 “神经链接” - “Credits” 请统一翻译为 “信用点” - “Firewall” 在此上下文中翻译为 “防火墙”指程序防护 **格式要求** 1. 严格保留原文中的所有格式标记例如颜色标签 color#FF0000、加粗标签 b、换行符 \n。 2. 严格保留所有代码变量占位符如 {playerName}、{value}不要翻译它们也不要改变其顺序和格式。 3. 如果原文是列表项以“- ”或数字开头请保持相同的列表格式。 请以JSON数组格式回复每个对象包含 “key” 和 “translatedText” 字段。 以下是需要翻译的文本列表JSON格式 [ {key: UI_MAIN_START, text: Start bNeural Link/b}, {key: DIALOG_CEO_1, text: The {corporationName} firewall is impenetrable. Your {credits} are mine now.\nThink again, runner.} ]批处理与实现为了节省成本和API调用次数我们需要将文本按目标语言分组并批量发送。OpenAI的ChatCompletion接口支持在单个请求的messages中处理多条用户-助理对话但对于翻译更高效的做法是将多条文本合并到一个用户消息中如上例所示。C#脚本示例调用GPT-4 APIusing UnityEngine; using System; using System.Collections.Generic; using System.Net.Http; using System.Text; using System.Threading.Tasks; using Newtonsoft.Json.Linq; public class GPT4Translator { private string _apiKey; private string _apiUrl https://api.openai.com/v1/chat/completions; private HttpClient _httpClient; public GPT4Translator(string apiKey) { _apiKey apiKey; _httpClient new HttpClient(); _httpClient.DefaultRequestHeaders.Add(Authorization, $Bearer {apiKey}); } public async TaskDictionarystring, string TranslateBatchAsync(ListExtractionResult items, string targetLanguage, string promptTemplate) { // 1. 构建请求数据 var requestData new { model gpt-4, // 或 gpt-4-turbo-preview 以平衡成本与性能 messages new[] { new { role system, content 你是一名专业的游戏本地化翻译员。 }, new { role user, content promptTemplate } // promptTemplate中已包含背景、术语和待译文本 }, temperature 0.2, // 低温度值使输出更确定、一致 max_tokens 4000 // 根据批量文本总长度调整 }; string jsonPayload JsonUtility.ToJson(requestData); var content new StringContent(jsonPayload, Encoding.UTF8, application/json); // 2. 发送请求 HttpResponseMessage response; try { response await _httpClient.PostAsync(_apiUrl, content); } catch (HttpRequestException e) { Debug.LogError($API请求失败: {e.Message}); return null; } // 3. 解析响应 string responseBody await response.Content.ReadAsStringAsync(); if (!response.IsSuccessStatusCode) { Debug.LogError($API返回错误: {response.StatusCode}\n{responseBody}); return null; } JObject jsonResponse JObject.Parse(responseBody); string translatedContent jsonResponse[choices]?[0]?[message]?[content]?.ToString(); // 4. 解析GPT-4返回的JSON并映射回Key Dictionarystring, string resultDict new Dictionarystring, string(); // ... 这里需要解析translatedContent字符串中的JSON数组 ... // 例如JArray translatedItems JArray.Parse(translatedContent); // foreach (var item in translatedItems) { resultDict[item[key].ToString()] item[translatedText].ToString(); } return resultDict; } }实操心得temperature参数至关重要。对于翻译任务建议设置在0.1到0.3之间以获得更稳定、可预测的结果。过高的值会导致翻译风格飘忽不定。另外务必在提示词中强调“不要添加任何解释性文字只返回要求的JSON”否则API可能会在JSON外加一段话导致解析失败。3.3 资源管理自动化基于规则的资产组织文本翻译完成后游戏中的图片、图标、语音等资源也需要本地化。手动复制和重命名文件是噩梦。我们的解决方案是基于一套清晰的命名规则让脚本自动识别和组织它们。命名规则约定我们采用“基础名_语言代码.扩展名”的规则。例如btn_attack_en-US.png(美英图标)btn_attack_zh-CN.png(简体中文图标)voice_welcome_ja-JP.wav(日语语音)prefab_dialogBox_fr-FR.prefab(法语特有对话框预制体)实现逻辑扫描编写一个编辑器脚本扫描Resources或指定的资源文件夹。分组根据文件名去除语言代码后缀后将资源分组。例如btn_attack_en-US.png和btn_attack_zh-CN.png属于同一组键为btn_attack。建立映射为每个资源组创建一个数据结构记录其所有语言变体对应的UnityEngine.Object引用和语言标签。集成到本地化系统在游戏运行时根据当前系统语言或玩家选择的语言从映射表中动态加载正确的资源。C#脚本示例资源扫描与映射using UnityEngine; using UnityEditor; using System.Collections.Generic; using System.IO; using System.Text.RegularExpressions; public static class LocalizedResourceManager { // 假设支持的语言列表 public static readonly string[] SupportedLanguages { en-US, zh-CN, ja-JP }; private static Regex _languageTagRegex new Regex(_([a-z]{2}-[A-Z]{2})(?\.[^.]$), RegexOptions.Compiled); public class LocalizedAssetGroup { public string AssetKey; // 如 btn_attack public Dictionarystring, UnityEngine.Object LanguageToAssetMap new Dictionarystring, UnityEngine.Object(); } public static ListLocalizedAssetGroup ScanForLocalizedAssets(string rootFolderPath) { ListLocalizedAssetGroup groups new ListLocalizedAssetGroup(); Dictionarystring, LocalizedAssetGroup groupDict new Dictionarystring, LocalizedAssetGroup(); string[] allFiles Directory.GetFiles(rootFolderPath, *.*, SearchOption.AllDirectories) .Where(f f.EndsWith(.png) || f.EndsWith(.wav) || f.EndsWith(.prefab)); // 根据需求扩展 foreach (string filePath in allFiles) { string fileName Path.GetFileName(filePath); var match _languageTagRegex.Match(fileName); if (match.Success) { string languageTag match.Groups[1].Value; string assetKey _languageTagRegex.Replace(fileName, ); // 移除语言标签和后缀 assetKey Path.GetFileNameWithoutExtension(assetKey); // 移除扩展名 if (!groupDict.ContainsKey(assetKey)) { groupDict[assetKey] new LocalizedAssetGroup { AssetKey assetKey }; } // 加载资产并存入映射 string relativePath Assets filePath.Substring(Application.dataPath.Length); UnityEngine.Object asset AssetDatabase.LoadAssetAtPathUnityEngine.Object(relativePath); if (asset ! null) { groupDict[assetKey].LanguageToAssetMap[languageTag] asset; } } } groups.AddRange(groupDict.Values); Debug.Log($扫描到 {groups.Count} 个本地化资源组。); return groups; } // 运行时根据语言获取资源的辅助方法需将groups序列化存储 public static T GetAssetForLanguageT(string assetKey, string language, ListLocalizedAssetGroup groups) where T : UnityEngine.Object { var group groups.Find(g g.AssetKey assetKey); if (group ! null group.LanguageToAssetMap.TryGetValue(language, out var asset)) { return asset as T; } // 找不到指定语言回退到默认语言如en-US if (group ! null group.LanguageToAssetMap.TryGetValue(en-US, out var defaultAsset)) { Debug.LogWarning($未找到资源 {assetKey} 的 {language} 版本已回退至英文版。); return defaultAsset as T; } return null; } }注意事项资源命名规则必须在项目初期就与美术、音频团队达成一致并写入项目规范。对于预制体这类复杂资产有时更佳实践不是创建多个语言版本的文件而是在一个预制体上挂载多语言文本组件通过代码切换其引用的Sprite或AudioClip。脚本需要根据项目实际架构灵活调整。4. 完整工作流整合与编辑器工具打造4.1 构建一站式编辑器窗口为了让整个流程对开发者友好我们需要在Unity编辑器中创建一个集成的工具窗口。这个窗口将串联起提取、翻译、资源扫描、数据写入所有功能。窗口功能设计配置区输入OpenAI API Key可加密存储选择目标语言设置文本数据源路径和资源根目录。操作区“扫描文本”按钮执行提取操作并在列表中显示待翻译条目Key, 源文, 上下文。“扫描资源”按钮执行资源扫描显示发现的资源组。“翻译选中项”/“翻译全部”按钮调用GPT-4 API进行翻译并显示进度和状态。“应用翻译”按钮将翻译结果写回项目数据文件。“验证完整性”按钮检查是否有Key缺少某种语言的翻译或资源。日志/状态显示区实时显示操作日志、错误信息和统计结果如“已翻译150/200条”。C#脚本示例编辑器窗口骨架using UnityEditor; using UnityEngine; using System.Collections.Generic; public class LocalizationAutomationWindow : EditorWindow { private string _apiKey ; private Liststring _targetLanguages new Liststring { zh-CN, ja-JP }; private Vector2 _scrollPos; private ListExtractionResult _extractedTexts; private Dictionarystring, string _translationResults; // key - translated text [MenuItem(Tools/Game Localization Automator)] public static void ShowWindow() { GetWindowLocalizationAutomationWindow(本地化自动化工具); } void OnGUI() { GUILayout.Label(配置, EditorStyles.boldLabel); _apiKey EditorGUILayout.PasswordField(OpenAI API Key, _apiKey); EditorGUILayout.Space(); GUILayout.Label(目标语言, EditorStyles.boldLabel); for (int i 0; i _targetLanguages.Count; i) { _targetLanguages[i] EditorGUILayout.TextField($语言 {i 1}, _targetLanguages[i]); } EditorGUILayout.Space(); if (GUILayout.Button(扫描项目文本)) { _extractedTexts LocalizationTextExtractor.ExtractFromScriptableObjects(); EditorUtility.DisplayDialog(扫描完成, $找到 {_extractedTexts?.Count} 条待翻译文本, OK); } if (_extractedTexts ! null _extractedTexts.Count 0) { EditorGUILayout.Space(); GUILayout.Label($待翻译文本 ({_extractedTexts.Count} 条), EditorStyles.boldLabel); _scrollPos EditorGUILayout.BeginScrollView(_scrollPos); foreach (var item in _extractedTexts) { EditorGUILayout.LabelField($Key: {item.Key}, EditorStyles.miniBoldLabel); EditorGUILayout.HelpBox(item.SourceText, MessageType.None); EditorGUILayout.Space(5); } EditorGUILayout.EndScrollView(); if (GUILayout.Button(开始翻译到简体中文, GUILayout.Height(30))) { // 调用翻译逻辑 TranslateAllToChinese(); } } if (_translationResults ! null) { EditorGUILayout.Space(); if (GUILayout.Button(应用翻译到项目)) { // 调用数据写入逻辑 ApplyTranslations(); } } } private async void TranslateAllToChinese() { if (string.IsNullOrEmpty(_apiKey)) { EditorUtility.DisplayDialog(错误, 请先输入API Key, OK); return; } EditorUtility.DisplayProgressBar(翻译中, 正在调用GPT-4 API..., 0.5f); var translator new GPT4Translator(_apiKey); // 构建提示词... string prompt BuildPrompt(_extractedTexts); _translationResults await translator.TranslateBatchAsync(_extractedTexts, zh-CN, prompt); EditorUtility.ClearProgressBar(); if (_translationResults ! null) { EditorUtility.DisplayDialog(完成, $翻译成功 {_translationResults.Count} 条, OK); } } private void ApplyTranslations() { // 将_translationResults写回LocalizationData等资产 // ... AssetDatabase.Refresh(); Debug.Log(翻译已应用并保存。); } }4.2 自动化流水线设计与优化一个完整的自动化流程不应是每次手动点击按钮而应能集成到版本构建Build Pipeline或定期任务中。增量更新系统应能记录每条文本的哈希值或版本号。每次扫描时只提取和发送自上次翻译以来新增或修改过的文本极大节省API调用成本。缓存层在本地建立一个翻译缓存数据库可以用简单的JSON或SQLite。每次获得翻译结果后存储起来。下次遇到相同源文本和目标语言时直接使用缓存无需再次调用API。与CI/CD集成可以编写命令行接口CLI版本的脚本在持续集成服务器上运行。例如每当主分支有新的文本提交时自动触发翻译流程并将结果提交回仓库的一个特定分支。人工审核接口自动化并非万能。系统应能生成一份“差异报告”或提供一个简单的界面让本地化专家可以快速审核、修改或否决AI的翻译结果然后将人工确认的结果作为最终版本入库。优化技巧对于超大型项目一次性处理所有文本可能导致API令牌超限或请求超时。需要实现分块Chunking逻辑将文本列表按最大令牌数如3000个令牌分成多个批次顺序发送和处理。5. 避坑指南与常见问题排查在实际集成和使用这套系统时你几乎一定会遇到下面这些问题。这里记录了我的踩坑实录和解决方案。5.1 GPT-4 API调用相关问题1翻译结果偶尔出现格式错误或漏译。现象XML标签被翻译了或者{0}占位符不见了。排查首先检查提示词。是否明确、强烈地要求了“保留所有标签和占位符”尝试在提示词中用更醒目的方式强调例如使用“### 强制规则 ###”标题并举例说明。解决在发送给API前可以对文本中的特殊部分进行临时转义。例如将colorred替换为__COLOR_RED__翻译完成后再替换回来。虽然增加了复杂度但能保证万无一失。问题2API返回速率限制错误429。现象控制台打印“Too Many Requests”。排查你是否在短时间内发送了太多请求检查代码中是否有无延迟的循环调用。解决实现指数退避重试机制。在请求失败后等待一段时间如2秒再重试如果继续失败等待时间加倍。同时确保你使用的API密钥有足够的速率限制RPM, TPM。对于大批量任务务必使用批处理接口并在批次间添加人工延迟如await Task.Delay(1000)。问题3翻译成本超出预期。现象账单上的费用比估算的高。排查重复翻译是否因为没有缓存机制导致每次运行都重新翻译所有内容令牌浪费提示词是否过于冗长每次请求是否包含了不必要的游戏背景介绍如果上下文没变模型选择是否所有任务都需要使用gpt-4对于简单的UI文本gpt-3.5-turbo可能以1/10的成本提供足够好的质量。解决实现强缓存。为每条源文本计算MD5哈希并与目标语言一起作为缓存键。在调用API前先查缓存。优化提示词将固定的游戏背景和术语表作为“系统消息”system role只在会话开始时发送一次后续的“用户消息”user role只包含待译文本。5.2 Unity集成与数据管理相关问题4应用翻译后场景或预制体中的文本没有更新。现象数据文件已经更新但运行游戏时UI显示的还是旧文本。排查引用问题你的UI组件是直接引用数据文件中的字符串还是通过一个静态的本地化管理器如LocalizationManager.Instance.GetText(“KEY”)动态获取如果是直接引用数据更新不会自动同步到组件。刷新时机在编辑器模式下修改ScriptableObject后需要调用EditorUtility.SetDirty()标记资产为脏并执行AssetDatabase.SaveAssets()保存。有时还需要触发一次UI的重新绑定。解决强烈建议采用动态获取文本的模式。在UI组件的Start()或OnEnable()方法中调用本地化管理器根据当前语言设置文本。这样只需切换语言或重新加载本地化数据所有UI都会自动更新。问题5资源管理器找不到某些本地化资源。现象GetAssetForLanguage返回null日志显示资源键匹配失败。排查命名不一致检查文件名是否严格遵循了命名规则。一个多余的下划线或大小写错误都会导致匹配失败。导入设置某些资源如PNG在导入时Unity会修改其文件名转为小写。在代码中比较时需要统一使用小写或进行大小写不敏感比较。路径问题扫描路径是否正确资源是否在Assets/Resources文件夹下如果不是AssetDatabase.LoadAssetAtPath需要正确的相对路径从Assets开始。解决在工具窗口中增加一个“验证资源”功能它会列出所有不符合命名规则的文件以及所有资源组中缺失某些语言版本的文件并生成报告。问题6自动化流程破坏了版本控制。现象自动生成的翻译文件或资源映射文件在团队协作时经常产生冲突。解决生成确定性文件确保脚本生成的JSON或ScriptableObject数据其键值对的顺序是固定的例如按Key字母顺序排序这样不同机器上运行生成的差异会降到最小。分离源与生成将AI翻译的结果保存在一个“生成物”目录如Assets/Generated/Localization/并加入.gitignore。而团队维护的“源文本”和“最终确认的翻译”放在另一个目录如Assets/Localization/Source/。自动化流程从“源”读取生成到“生成物”本地化专家审核“生成物”后将确认的版本手动复制到“源”或另一个“正式”目录。这样版本历史中只保留人工确认的更改。5.3 流程与协作相关问题7如何保证翻译质量AI翻译不靠谱怎么办核心认知AI不是取代本地化专家而是作为超级助手。它的价值在于完成第一稿尤其是大量重复性、描述性文本将专家从繁重的初翻工作中解放出来专注于润色、文化适配和创意性内容。流程设计在自动化流水线中必须加入“人工审核”环节。工具可以生成一个对比文件如CSV包含源文、AI译文、以及一个供专家填写“最终译文”的空白列。专家只需要检查和修改有问题的部分即可。问题8术语一致性如何维护解决这就是提示词中“术语表”部分的重要性。但术语表本身也需要维护。可以创建一个独立的、团队共享的术语表文件如CSV在每次运行翻译脚本前自动读取该文件并注入到提示词中。术语表的维护本身也可以部分自动化在首次翻译后用脚本分析所有翻译结果提取出高频的、可能为术语的词汇如反复出现的“Mana”生成一个待确认的术语列表供专家审查和定稿。这套系统的魅力在于一旦搭建完成它就像一台不知疲倦的精密机器将你从繁琐的重复劳动中彻底解放。你不再需要担心漏翻了一个按钮也不再需要为整理十几个语言版本的资源包而通宵达旦。你可以将省下来的时间投入到那些真正需要人类创意和判断力的事情上去——比如设计更酷的关卡或者打磨更动人的剧情。技术的意义莫过于此。
![[VUE] Test with custom tags 1785397387699](http://pic.xiahunao.cn/yaotu/[VUE] Test with custom tags 1785397387699)
