Entonces, al traducir diferentes archivos, debemos supervisar el nivel de contenido para comprender los límites y planificar cómo traducir los diferentes archivos y dónde comenzar básicamente. Entonces, cuando observamos los principales tipos de contenido, vemos los componentes comunes de traducción, que son los valores de texto. Para Markdown, es todo el texto que podemos pasar directamente. Digamos que si comenzamos a usar JGPT, pasaríamos todo este texto al comando y pediríamos al traductor que solicite a OpenAI que lo traduzca. Pero cuando se trata de JSON, probablemente queramos mantener las claves del objeto en el mismo idioma y traducir solo los valores. Por lo tanto, hay excepciones tanto en el formato JSON como en el encabezado YAML. En el encabezado YAML, probablemente sería el bloque del encabezado y las claves del encabezado que también nos gustaría mantener en el mismo idioma y traducir los valores. Probablemente, si habláramos con JGPT, le diríamos que no traduzca las secciones de título y descripción, sino que traduzca todo el Markdown y los valores de las claves. Entonces, cuando se trata de traducciones con el procesamiento del natural language|lenguaje natural, hay diferencias entre las traducciones humanas o las traducciones realizadas por AI|IA. Y para extraer el máximo valor de los datos entrantes y que sea útil para sus propósitos, primero debemos analizarlo y asegurarnos de ello. Por lo tanto, el procesamiento del natural language|lenguaje natural entra en juego y realiza un análisis lingüístico del texto en diferentes niveles de complejidad creciente. Entonces, en el nivel más bajo, el natural language|lenguaje natural realiza acciones para que las oraciones y las palabras sean comprensibles y comparables. Inicialmente, se utiliza la información para obtener una representación sintáctica y semántica de las oraciones y su significado. Y el objetivo final es que el sistema obtenga un contexto más profundo de las palabras y las oraciones individuales. Entonces, al trabajar con OpenAI, entre las instrucciones del nivel del sistema o las instrucciones de JGPT, es importante destacar que JGPT puede ser bueno para las etapas iniciales de experimentación, cuáles son las instrucciones del nivel del sistema. Digamos que tenemos las instrucciones comunes, como el uso del idioma de origen, el idioma de destino, el formato del texto, asegurándonos de que la salida no tenga comentarios u otros detalles adicionales del texto extraídos exactamente. Por lo tanto, hay diferentes detalles que el sistema debe conocer. Y cuando trabajamos con la API de OpenAI, podemos construir sobre esto, y se puede realizar un análisis dependiente del dominio de la aplicación a través del reconocimiento de sentimientos y objetivos, lo que permite que el procesamiento del natural language|lenguaje natural detecte la polaridad de las oraciones, ya sea negativa, positiva o neutral, y el objetivo correspondiente en las instrucciones del nivel del sistema. Por lo tanto, es importante definir claramente las reglas basadas en el nivel de contenido para que el sistema nos devuelva exactamente la misma salida que esperamos y nada más. Y cuando las instrucciones del sistema se realizan con precisión, mejorará las funciones analíticas, pero sin aumentarlas en exceso. Y también aumentará la eficiencia de las operaciones debido a la disminución del tiempo invertido en adquirir la información al final. Por lo tanto, es muy importante ser preciso en este nivel al comunicarse a través de la API. Pero puede ser menos estricto a través del chat abierto, donde no tenemos los costos adicionales del precio, el costo de usar la API, por lo que para experimentar, ChatGPT es ideal. Entonces, cuando trabajamos con Node.js, el proceso es muy simple. Usamos el idioma de origen y de destino y pasamos diferentes claves dinámicas específicas para cada tipo de contenido. Y en este ejemplo, estoy usando solo un mensaje para los tres tipos de contenido, ya sea JSON para traducir páginas con encabezado o simplemente Markdown. Algunos términos generales también funcionan. Y también la última parte sobre JSON, el formato se puede excluir para este proyecto, para este ejemplo, porque también me aseguro de analizar los datos en la capa intermedia, donde realmente estamos recuperando el contenido y asegurándonos de que sea analizable al final. Entonces, al automatizar las traducciones, primero con un marcado de trabajo, necesitamos usar algún tipo de interfaz. Para el propósito de la demostración, estoy usando
Comments