Workflow sa localization ng product catalog

I-freeze ang source bago magsalin

I-export ang catalog at panatilihin ang immutable source snapshot. Itala ang pinagmulan, export time, at revision o file hash nito. Bigyan ang bawat variant ng stable identity at suriin kung may nawawala o duplicate identifier bago gumawa ng language job. Panatilihin ang manifest ng product-locale pair na balak mong iproseso.

Ihiwalay ang paghahanda ng source sa translation. Lutasin muna kasama ng product owner ang magkasalungat na sukat, nawawalang unit, at unsupported claim. Maaaring kailanganin ang pag-normalize ng supplier export; itala ang mga correction na iyon bilang source change at ipa-approve sa owner ang nagresultang baseline bago magsimula ang language work.

Ihiwalay ang protected fact sa editable text

Gumawa ng protected record para sa SKU, presyo, currency, unit, variant relationship, at iba pang operational value. Text patch lamang ang i-generate. Sa assembly time, kopyahin ang protected value nang direkta mula sa source at ihambing itong muli upang hindi maging authority ang model sa field na nakita lamang nito bilang context.

Gawing natutuntong din ang claim. Panatilihing naka-link ang aprubadong assertion sa ebidensya nito at sabihin sa drafting step na i-flag ang unsupported. Ang sumusunod na configuration ay halimbawang pipeline policy, hindi file na tinatanggap ng Shopify o WooCommerce. Dapat itong i-map ng adapter mo sa aktuwal na destination contract.

{
  "identity": ["product_id", "variant_id", "locale"],
  "protected": ["sku", "price_minor", "currency", "unit", "parent_id"],
  "editable": ["title", "description", "care_text"],
  "revisionInputs": ["source", "glossary", "prompt"],
  "releaseRequires": ["field_checks", "fact_review", "language_review"],
  "destinationWrite": "separate_authorization"
}

Mag-attach ng glossary at locale brief

Dapat tukuyin ng locale brief ang audience, tone, aprubadong terminology, at presentation rule. Ihiwalay ang product concept sa preferred spelling. Tinutukoy ng W3C ITS ang terminology at translation metadata na maaaring gumabay sa mas mahusay na localization system; mas simpleng versioned editorial record ang ginagamit ng workflow na ito.

Lutasin ang malabong termino gamit ang example mula sa aktuwal na kategorya. Kung magbago ang glossary entry, tukuyin ang apektadong candidate at magpasya kung kailangan nila ng regeneration o targeted edit. Panatilihing nakakabit ang bawat locale sa parehong aprubadong source. Huwag hayaang maging hindi nasuring intermediate source para sa iba ang isang isinaling version.

Lokal na case: 20 product, 40 language patch

Isinalin ng isang translation agent ang frozen catalog ng 20 synthetic product sa 20 Japanese at 20 German patch, na tahasang naka-configure para sa gpt-5.6-luna na may xhigh reasoning. Bawat patch ay may sku, locale, title, at description lamang. Kinokopya ng assembler ang presyo, currency, material, at dimension mula sa source.json, kaya katangian ng pipeline ang pagpapanatili ng fact na iyon, hindi copying task na ipinagkatiwala sa model.

Ang bawat saved validated-ja.json at validated-de.json ay may 20 row at walang laman na failures list. Tugma sa parehong saved output ang read-only reassembly. Gamitin ang pattern na ito sa sarili mong batch: panatilihin ang source revision, i-save nang hiwalay ang language patch, at i-validate ang coverage at pinahihintulutang field bago buuin ang review package.

Magpatakbo ng deterministic check bago ang editorial review

I-validate ang output schema, pinahihintulutang field, identifier mapping, source revision, kinakailangang text, at protected value. Ihambing ang placeholder count gamit ang tunay na template grammar ng application. I-parse ang markup sa halip na gumamit ng general text substitution sa HTML. I-hold ang malformed record sa halip na hilingin sa importer na ayusin ito.

Para sa spreadsheet review file, dinodokumento ng OWASP ang formula-injection risk at kawalan ng universal na ligtas na CSV transformation. Gumamit ng nasuring export policy para sa napiling spreadsheet tool at panatilihing hiwalay ang artifact na iyon sa machine import. Ang pagdaragdag ng escape prefix para sa human viewing ay hindi dapat aksidenteng magbago ng SKU sa store payload.

I-bind ang review decision sa content revision

Ibigay sa reviewer ang source fact, glossary context, candidate, at structured issue. Hiwalay na hingin ang factual at language decision. Itala kung sino ang nag-apruba ng content at aling revision ang nakita niya. Maaaring tanggapin ng reviewer ang isang localized phrase habang hina-hold ang claim na nangangailangan ng ebidensya; dapat ipahayag ng record ang pagkakaibang iyon.

Sa lokal na case, itinama ng AI review ang Japanese DEMO-003 mula sa wording na nagpapahiwatig ng corrugated cardboard tungo sa wording na tugma sa cardboard backing ng source. Nilinaw rin nito ang DEMO-010 na nangangahulugang dalawang handle sa kabuuan. Nananatili ang orihinal na output sa raw-ja.json. Parehong may review_status: unreviewed at translation_semantic_review: pending ang assembled language; hindi native-speaker o merchant approval ang mga correction na ito.

Buuin at i-verify ang destination package

Piliin ang aprubado at source-current na candidate at i-transform lamang ang pinahihintulutang field nito. Gumagamit ang translation API ng Shopify ng sarili nitong resource at digest contract; kailangan ng WooCommerce deployment ang product mapping nito at, para sa maraming wika, ang na-verify na localization layer. Hindi universal store import ang generic review package mismo.

Subukan ang maliit na awtorisadong import sa staging. I-save ang resulta ng importer, basahin muli ang target field, at siyasatin ang product at locale behavior. I-reconcile ang planong product set sa stored outcome. Ihiwalay ang nabigong row at panatilihin ang dating value para sa maingat na reversal na may malinaw na scope kung kailangan.

Itala ang resulta at mga limitasyon nito

Dapat i-link ng kumpletong manifest ang source, glossary, prompt, candidate, check, approval, at destination result. Itala ang aktuwal na usage sa bawat attempt kapag may ebidensya, kasama ang retry. Gawing tahasang unknown ang nawawalang usage at nawawalang review result. Hindi patunay na tinanggap ito ng shop ang file na kayang i-parse.

Para sa limitadong lokal na case, Luna ang napiling model, hindi Astra, at walang gateway call o totoong store import. Hindi inilantad ang API usage, request ID, at billing; nananatiling null ang model_api_usage at model_api_cost, hindi zero. Ang susunod na hakbang ay semantic approval na susundan ng hiwalay na awtorisadong destination test.

Mga madalas itanong