如何给 Agent 装上多语言翻译能力awesome-agent-skills 里的翻译技能实操【免费下载链接】awesome-agent-skillsA curated collection of 1000 agent skills from official dev teams and the community, compatible with Claude Code, Codex, Gemini CLI, Cursor, and more.项目地址: https://gitcode.com/GitHub_Trending/aweso/awesome-agent-skillsawesome-agent-skills 是一个收录 1400 个 Agent 技能的精选列表其中微软官方与社区贡献的翻译技能覆盖了实时文本翻译、批量文档翻译和整书翻译三类需求。本文按你要解决什么问题组织内容带你找到对应技能、配好密钥、跑通第一条翻译链路适合正在做产品国际化、或需要处理多语文档的工程师。从一个卡点说起翻译需求散落在各处这节解决为什么需要统一入口的问题。很多团队做多语言支持时的真实状态是客服对话接一条 API产品文档另找一个服务电子书翻译再临时写个脚本。每个入口各有各的密钥管理、重试逻辑和输出格式出了问题要逐个排查。Agent Skills 的思路是把怎么做某件事沉淀成可安装的技能包你不用自己封装调用细节只需把技能放进 Agent 能读到的目录用自然语言下达任务即可。在 README 里翻译相关技能集中在两处——Microsoft 官方的 Azure AI 技能区Python 与 TypeScript 分类下各有翻译条目以及社区贡献的整书翻译技能。最小可用路径把第一个实时文本翻译跑通这节解决最短步骤先出结果的问题。先别急着读完整文档三步就能验证链路是否通了。第一步克隆技能列表仓库在 README 里定位 Skills by Microsoft 折叠区展开 Python Skills 小节找到microsoft/azure-ai-translation-text-py条目描述是 Real-time text translationgit clone https://gitcode.com/GitHub_Trending/aweso/awesome-agent-skills第二步按列表条目中的来源链接拿到这个技能放进你正在用的 Agent 的技能目录。README 尾部有一张各工具的路径对照表Claude Code 放.claude/skills/Gemini CLI 放.gemini/skills/Cursor 放.cursor/skills/项目级和全局路径都列出来了照着填即可。第三步配置密钥。翻译类技能依赖所选云服务的访问凭证以 Azure 为例通常是 endpoint 和 key 两项export AZURE_TRANSLATION_ENDPOINT你的资源端点 export AZURE_TRANSLATION_KEY你的密钥具体变量名以所选技能的要求为准仓库没有替每个技能做统一约定。配好后直接对 Agent 说一句把这段产品描述翻译成日文看到符合预期的输出链路就算打通了。按场景选技能批量文档、实时文本与整书翻译 这节解决我的需求该用哪个技能的问题。选技能先别按厂商找先看你的输入是什么形态。输入是一堆文档手册、合同、说明书用microsoft/azure-ai-translation-document-py。README 对它的描述是 Batch document translation定位就是批量处理一次任务丢进去一整批文件。它能接受的输入格式、单文件大小和批次上限仓库里没有列视所选服务而定接入前建议先拿一份最复杂的真实文档试跑确认排版是否保留。输入是短文本、要求低延迟聊天、UI 文案、接口字段用microsoft/azure-ai-translation-text-py描述是 Real-time text translation。支持的语言数量仓库未标注视所选服务而定如果目标语种不常见先确认服务覆盖再投入开发。如果你的项目是 TypeScript 技术栈可以直接看microsoft/azure-ai-translation-ts它一个技能同时覆盖文本和文档两类翻译省得在两个技能之间切换。输入是整本书PDF/DOCX/EPUB用社区的deusyu/translate-book。它的做法是把书拆给多个子代理并行翻译并支持断点续传resume——长任务跑到一半断网重跑时从上次进度继续不用从头再来。整书翻译的耗时通常以小时计这个特性基本是刚需。两个容易看走眼的名字列表里不少技能也带 translate 字样但含义是转换而非多语言翻译比如 Figma 相关技能是把设计稿转成代码mongodb/mongodb-natural-language-querying是把自然语言转成数据库查询。判断依据是技能描述里的输入和输出别被单词带偏。踩坑实录密钥配置、格式丢失与字符上限 这节解决跑不通的时候先查哪里的问题。大多数翻译链路的失败集中在三类原因。第一类是密钥401/403 通常意味着 endpoint 和 key 不匹配或 key 没有开通对应服务——文档翻译和文本翻译在很多云服务里是分开计费的两种能力同一个 key 可能只开了其中一种排查时先确认 key 开通的能力与你要用的技能一致。第二类是格式文档翻译遇到版式复杂的文件多栏排版、图文混排可能出现格式降级试跑后必须人工比对首尾页而不是只看中间几段。第三类是限额单次请求的字符数、单文档大小、批次文件数都有上限具体数值视所选服务而定超限时服务通常返回明确的错误提示按提示把批次拆小即可。还有一个仓库层面要提醒的点README 的安全声明写得很直白——列表里的技能是精选而非审计原维护者可能随时更新技能内容。生产环境使用前把技能代码读一遍确认它如何读取密钥、把数据发往哪里。进阶与成本批量性能、缓存策略与质量校验这节解决量上来了以后怎么省、怎么稳的问题。性能上有一条简单原则文本接口给短文本文档接口给批量文件不要拿实时接口一篇篇喂长文档那等于把费用花在延迟上。重复内容做缓存同一句 UI 文案在十个页面出现只翻译一次。术语一致性靠前置的术语表解决在任务提示里固定产品名和核心术语的译法比翻译完成后逐条回改便宜得多。质量校验建议做成抽样而非全量——每批随机抽一小部分段落人工复核再对关键术语做全量检索microsoft/azure-ai-textanalytics-py描述为 NLP: sentiment, entities, key phrases可以用来做翻译后检查比如对比原文与译文的关键实体是否遗漏、情绪基调是否偏移。成本方面仓库里没有给出各服务的计费方式视所选服务而定。真正能控制的是调用量去重、缓存、批量合并是三个直接手段。另外评估社区技能时可以对照 README 的 Skill Quality Standards 一节描述用第三人称写清做什么、顶层元数据控制在约 100 token 以内、正文 500 行以内、不写死绝对路径、只申请必要的工具。达到这条线的技能后续维护成本通常更低。下一步按你现在的阶段选一条路刚起步的读者先用实时文本技能把一条链路跑通花一两天验证密钥配置和输出质量再决定要不要上批量能力。已经在做多语文档的团队拿最复杂的一份真实文档当试跑样本重点验收格式保留情况然后按批次拆分历史文档。做整书翻译的直接验证deusyu/translate-book的断点续传行为用一本结构复杂的书做完整测试通过后再考虑平台化。技能的新增和维护规则见 CONTRIBUTING.md想贡献新技能可以按其中的流程提交。【免费下载链接】awesome-agent-skillsA curated collection of 1000 agent skills from official dev teams and the community, compatible with Claude Code, Codex, Gemini CLI, Cursor, and more.项目地址: https://gitcode.com/GitHub_Trending/aweso/awesome-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
如何给 Agent 装上多语言翻译能力：awesome-agent-skills 里的翻译技能实操
如何给 Agent 装上多语言翻译能力awesome-agent-skills 里的翻译技能实操【免费下载链接】awesome-agent-skillsA curated collection of 1000 agent skills from official dev teams and the community, compatible with Claude Code, Codex, Gemini CLI, Cursor, and more.项目地址: https://gitcode.com/GitHub_Trending/aweso/awesome-agent-skillsawesome-agent-skills 是一个收录 1400 个 Agent 技能的精选列表其中微软官方与社区贡献的翻译技能覆盖了实时文本翻译、批量文档翻译和整书翻译三类需求。本文按你要解决什么问题组织内容带你找到对应技能、配好密钥、跑通第一条翻译链路适合正在做产品国际化、或需要处理多语文档的工程师。从一个卡点说起翻译需求散落在各处这节解决为什么需要统一入口的问题。很多团队做多语言支持时的真实状态是客服对话接一条 API产品文档另找一个服务电子书翻译再临时写个脚本。每个入口各有各的密钥管理、重试逻辑和输出格式出了问题要逐个排查。Agent Skills 的思路是把怎么做某件事沉淀成可安装的技能包你不用自己封装调用细节只需把技能放进 Agent 能读到的目录用自然语言下达任务即可。在 README 里翻译相关技能集中在两处——Microsoft 官方的 Azure AI 技能区Python 与 TypeScript 分类下各有翻译条目以及社区贡献的整书翻译技能。最小可用路径把第一个实时文本翻译跑通这节解决最短步骤先出结果的问题。先别急着读完整文档三步就能验证链路是否通了。第一步克隆技能列表仓库在 README 里定位 Skills by Microsoft 折叠区展开 Python Skills 小节找到microsoft/azure-ai-translation-text-py条目描述是 Real-time text translationgit clone https://gitcode.com/GitHub_Trending/aweso/awesome-agent-skills第二步按列表条目中的来源链接拿到这个技能放进你正在用的 Agent 的技能目录。README 尾部有一张各工具的路径对照表Claude Code 放.claude/skills/Gemini CLI 放.gemini/skills/Cursor 放.cursor/skills/项目级和全局路径都列出来了照着填即可。第三步配置密钥。翻译类技能依赖所选云服务的访问凭证以 Azure 为例通常是 endpoint 和 key 两项export AZURE_TRANSLATION_ENDPOINT你的资源端点 export AZURE_TRANSLATION_KEY你的密钥具体变量名以所选技能的要求为准仓库没有替每个技能做统一约定。配好后直接对 Agent 说一句把这段产品描述翻译成日文看到符合预期的输出链路就算打通了。按场景选技能批量文档、实时文本与整书翻译 这节解决我的需求该用哪个技能的问题。选技能先别按厂商找先看你的输入是什么形态。输入是一堆文档手册、合同、说明书用microsoft/azure-ai-translation-document-py。README 对它的描述是 Batch document translation定位就是批量处理一次任务丢进去一整批文件。它能接受的输入格式、单文件大小和批次上限仓库里没有列视所选服务而定接入前建议先拿一份最复杂的真实文档试跑确认排版是否保留。输入是短文本、要求低延迟聊天、UI 文案、接口字段用microsoft/azure-ai-translation-text-py描述是 Real-time text translation。支持的语言数量仓库未标注视所选服务而定如果目标语种不常见先确认服务覆盖再投入开发。如果你的项目是 TypeScript 技术栈可以直接看microsoft/azure-ai-translation-ts它一个技能同时覆盖文本和文档两类翻译省得在两个技能之间切换。输入是整本书PDF/DOCX/EPUB用社区的deusyu/translate-book。它的做法是把书拆给多个子代理并行翻译并支持断点续传resume——长任务跑到一半断网重跑时从上次进度继续不用从头再来。整书翻译的耗时通常以小时计这个特性基本是刚需。两个容易看走眼的名字列表里不少技能也带 translate 字样但含义是转换而非多语言翻译比如 Figma 相关技能是把设计稿转成代码mongodb/mongodb-natural-language-querying是把自然语言转成数据库查询。判断依据是技能描述里的输入和输出别被单词带偏。踩坑实录密钥配置、格式丢失与字符上限 这节解决跑不通的时候先查哪里的问题。大多数翻译链路的失败集中在三类原因。第一类是密钥401/403 通常意味着 endpoint 和 key 不匹配或 key 没有开通对应服务——文档翻译和文本翻译在很多云服务里是分开计费的两种能力同一个 key 可能只开了其中一种排查时先确认 key 开通的能力与你要用的技能一致。第二类是格式文档翻译遇到版式复杂的文件多栏排版、图文混排可能出现格式降级试跑后必须人工比对首尾页而不是只看中间几段。第三类是限额单次请求的字符数、单文档大小、批次文件数都有上限具体数值视所选服务而定超限时服务通常返回明确的错误提示按提示把批次拆小即可。还有一个仓库层面要提醒的点README 的安全声明写得很直白——列表里的技能是精选而非审计原维护者可能随时更新技能内容。生产环境使用前把技能代码读一遍确认它如何读取密钥、把数据发往哪里。进阶与成本批量性能、缓存策略与质量校验这节解决量上来了以后怎么省、怎么稳的问题。性能上有一条简单原则文本接口给短文本文档接口给批量文件不要拿实时接口一篇篇喂长文档那等于把费用花在延迟上。重复内容做缓存同一句 UI 文案在十个页面出现只翻译一次。术语一致性靠前置的术语表解决在任务提示里固定产品名和核心术语的译法比翻译完成后逐条回改便宜得多。质量校验建议做成抽样而非全量——每批随机抽一小部分段落人工复核再对关键术语做全量检索microsoft/azure-ai-textanalytics-py描述为 NLP: sentiment, entities, key phrases可以用来做翻译后检查比如对比原文与译文的关键实体是否遗漏、情绪基调是否偏移。成本方面仓库里没有给出各服务的计费方式视所选服务而定。真正能控制的是调用量去重、缓存、批量合并是三个直接手段。另外评估社区技能时可以对照 README 的 Skill Quality Standards 一节描述用第三人称写清做什么、顶层元数据控制在约 100 token 以内、正文 500 行以内、不写死绝对路径、只申请必要的工具。达到这条线的技能后续维护成本通常更低。下一步按你现在的阶段选一条路刚起步的读者先用实时文本技能把一条链路跑通花一两天验证密钥配置和输出质量再决定要不要上批量能力。已经在做多语文档的团队拿最复杂的一份真实文档当试跑样本重点验收格式保留情况然后按批次拆分历史文档。做整书翻译的直接验证deusyu/translate-book的断点续传行为用一本结构复杂的书做完整测试通过后再考虑平台化。技能的新增和维护规则见 CONTRIBUTING.md想贡献新技能可以按其中的流程提交。【免费下载链接】awesome-agent-skillsA curated collection of 1000 agent skills from official dev teams and the community, compatible with Claude Code, Codex, Gemini CLI, Cursor, and more.项目地址: https://gitcode.com/GitHub_Trending/aweso/awesome-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考