不花钱翻译 Monash Handbook

Monash Hub 的读者大部分是中国学生，但要看的内容都是英文：Handbook 里五千多门课、学位结构，还有几百个 Monash 官方页面。这些内容一直在变，Handbook 每周重新抓一次。付费翻译 API 的价格学生项目扛不住，所以网站用的是免费引擎。这篇讲用免费引擎会出什么问题，以及翻译流程是怎么处理的。

普通翻译器偏偏错在关键词上

最早用的是 Argos Translate，一个跑在同一台 VPS 上的离线模型，不要钱，也没有调用次数限制。在真实的 Handbook 页面上，它把：

census date 译成“人口普查日期”
unit 译成“单位”
Exercise 译成“锻炼”
Breadth studies 译成“面包研究”

这些恰好是学生要据此行动的词。错过 census date，退掉的课也要交钱。所以这些词不能交给模型决定。

翻译流程

每个句子都走同样的几步：

有固定译法吗？ ->  把术语保护起来  ->  翻译  ->  把术语放回去

固定值不进模型。 校区、教学时段、考核类型、学院名这些都来自固定列表。glossary.py 给每一个都写好了中日韩三种核对过的译法，包括全部 120 个学院和系的名字。学位名是拼出来的，不是翻出来的，因为英文学位名从前往后读，中文要倒过来。

句子里的术语先遮住。 句子交给模型之前，里面的术语表词汇都换成占位符，翻完再换回固定译法。占位符用字母（Zqa、Zqb……），因为数字会被模型改掉。

字母也不是绝对安全。“What is Zqa?” 回来变成了“什么是兹卡?”，模型把占位符音译了。我拿线上指南里 59 个失败的句子试了几种占位符，每种丢掉的句子都不一样，所以现在一种不行就换下一种，一共五种，直到占位符完整回来为止。这样救回了 59 句里的 50 句。

聊天模型也要先看术语表

Argos 的语法还是不行，“WAM of 65” 被译成 65 岁。所以我加了一个引擎，可以接任何兼容 OpenAI 接口的聊天模型（#115），默认用智谱的 glm-4-flash，因为它免费。网站上现在大部分中文都是它翻的。

聊天模型反而不擅长处理占位符。让它翻 “Zqa units”，它会把两个都译成“课程”。所以给它的方式改成在提示词里直接列出固定译法，回复只有在什么都没丢的时候才算数（#116）：

# 从 crawler/translate/llm.py 简化
def faithful(source, reply, terms):
    if any(agreed not in reply for _english, agreed in terms):
        return False
    if any(code not in reply for code in _CODE.findall(source)):
        return False
    if bullets(source) != bullets(reply):
        return False
    return all(n in reply for n in _NUMBER.findall(source))

没通过检查的句子，再走一遍遮术语的流程，那条路不会丢术语。

拿不准就保留英文

聊天模型还可能直接回答问题而不是翻译，或者开头先说一句“以下是翻译”。遇到下面这些情况，引擎会直接丢掉回复：

回复是空的，或者比原文长太多
开头有客套话，或者把提示词原样吐回来
文字不对，比如日文回复里夹着简体中文
和英文原文一模一样

翻不好的句子就保留英文。读者至少还能看英文，一句没人写过却说得很肯定的中文更糟。

译文存在哪里

译文都存在 content_translations 这张表里，和英文原文并排放，不覆盖原文。每一行有两个关键字段：

source_hash：生成这条译文时英文原文的哈希。Monash 改了页面，哈希就变了，页面会提示译文可能过时。重跑时哈希没变的直接跳过，所以每周刷新只把新句子发给模型。
provenance：machine（机器）、curated（对照英文核对过）或 human（人工）。读取时人工的优先。机器重跑永远不会覆盖人写的译文，页面上也会告诉读者现在看的是哪一种。

Handbook 里同样的段落在几千门课里重复出现，所以引擎按句子缓存。有没有这层缓存，是跑一小时和跑一周的差别。

日文和韩文

日文和韩文读者很少，所以只用同一套术语表加机器翻译，不做日常人工检查。即便这样，第一批样本还是要修（#182、#183）：

韩文的空格全没了，因为一条在术语后面拼接中文的规则也作用到了韩文上。
韩文助词是按模型自己的词选的，不是按换回去的术语选的（写成了 과목를，应该是 과목을）。
日文在术语前后重复（マレーシアキャンパスキャンパス）。
日期写成了 12月2026年。

免费模型大约十秒一句，日文和韩文全部翻完要一天以上。所以它在抓取结束后用单独的锁跑，中文先跑。

小结

质量主要靠术语表。大部分翻译错误加一个术语就能修好，下次运行所有页面都会跟着改。
存之前先检查模型返回的内容，固定译法、课程代码和数字一个都不能少。
译文和原文并排存，带上哈希，原文变了才知道译文过时了。
翻不好的句子就保留原文。

代码：engine.py、llm.py、glossary.py，决策记录见 ADR 0004。