AI帮做国际化：抽文案能省事，占位符和复数最容易被悄悄改坏
数据截至 2026-07。文中的复数类别、格式化行为按 CLDR 与各运行时的通用规范描述，具体版本差异与各产品的能力边界以官方最新说明为准。
国际化上线后炸的那一下，八成不是翻译不准，而是占位符和消息格式的契约在翻译环节被改坏了。 翻译生硬是体验问题，可以下个版本慢慢磨；{count} 被译成了别的词、ICU 消息里的花括号少了一只、俄语的复数分支缺了一档，这些是运行时错误，轻则界面显示 undefined，重则整页渲染失败。把这类事故归到「AI 翻译质量不行」，方向就错了——它们本质上是代码改动事故，该用治代码改动的办法治。
站内另外两篇讲的是相邻但不同的层：字符集与乱码那篇（存进去是中文，取出来是一串问号）管的是字节到字符这一层，时间戳与时区那篇（时间对不上）管的是时间数据怎么存、怎么带时区。本篇只管中间那一段：文案怎么从代码里抽出来、交给 AI 处理、再安全地回填回去，以及回填坏了怎么查。三篇不重叠，出问题时先判断自己踩的是哪一层。
一、先把这件事拆成四层，AI 只在其中两层可信
国际化不是一件事，是四件性质完全不同的事被打包在一个需求里。分不清层，就会用错工具、也会问错人。
第一层，抽取。 把散落在代码里的硬编码字符串挖出来、归到资源文件、起 key 名。这层是纯机械劳动，AI 干得又快又好，它能一次扫完几十个文件，还能顺手给出 key 的命名建议。人需要做的只有一件事：先把 key 的命名规范定死（按页面分组还是按功能分组、层级多深、复数用什么后缀），再让 AI 照着做。规范不定，它每个文件都会给你换一种风格。
第二层，文案本体的翻译。 AI 可用，但输入决定质量。只把一句孤零零的字符串丢给它，它译出来的东西大概率脱离语境——Save 是保存还是节省，Post 是发布还是帖子，光看词无解。你得连同这句话出现在哪个页面、旁边有什么控件、变量代表什么、UI 上大概能放多宽一起给。术语表必须由人拍板，AI 只负责查表照用；让它自己生成术语表，它会给你一份自洽但没有依据的东西，而自洽的编造恰恰是最难被发现的一类。
第三层，占位符、复数、性别与富文本嵌套。 这层是事故高发区，也是本篇的重点。因为在模型眼里 {userName} 和普通单词没有本质区别，它有相当概率把它当成待翻译内容处理掉；ICU 的 {count, plural, one{...} other{...}} 结构对它来说也只是一段文本，改着改着括号就不配对了。这层不能靠肉眼审，必须上机器校验。
第四层，日期、数字、货币、排序。 这层根本不该翻译。正确做法是它们压根不进资源文件，运行时由格式化 API 按 locale 生成。人要定的是策略——日期显示用用户设置的时区还是数据本身的时区、货币显示是否换算、排序按什么规则——策略定完，实现是死的。凡是在资源文件里看到 YYYY-MM-DD 这种字面量，就是这层漏了。
二、现象到成因的判别表
界面出了问题，先别改文案，按现象对号入座。下面这张表覆盖了这类事故里绝大多数的形态。
| 现象 | 大概率成因 | 怎么验证 | 处置动作 |
|---|---|---|---|
某语言界面显示 undefined，或直接显示 {count} 原文 | 占位符被翻译、被改名或被吞 | 脚本比对源语言与目标语言同一 key 的占位符集合 | 该 key 立即回退到源语言兜底，再单独修 |
| 切到某语言整页白屏或渲染报错 | ICU 消息语法括号不配对，解析器抛错 | 用消息解析器批量 parse 整个 catalog，不依赖人眼 | 修语法；把 parse 加进构建门禁 |
| 俄语、波兰语等语言下，数量取 2、5、21 时词形不对；或同一个 key 无论数量多少都输出同一句 | 目标语言只填了 one/other，缺 few/many 等该语言必需的档；或整条复数结构被压平成了一条普通字符串 | 先按目标语言的 CLDR 复数类别列出它必需的分支名，再逐 key 检查分支是否齐全、plural 结构是否还在 | 补分支或还原结构；分支不齐时让构建失败，不要静默落到 other |
| 日期显示成对方看不懂的顺序，月和日被读反 | 日期格式在文案里硬拼进去了 | 在 catalog 里搜日期格式字面量与月份英文缩写 | 改由运行时格式化 API 输出 |
| 句子语序古怪，变量前后是半截话 | 源码用字符串拼接组句，不是整句消息 | 搜代码里对文案变量做加号拼接和模板串的地方 | 合并成单条完整消息，变量走命名参数 |
| 某语言整块内容回退到源语言 | key 缺失，或资源文件层级被重排丢了嵌套 | diff 两侧的 key 集合，要求完全相等 | 补齐 key；把 key 集合相等作为硬性检查 |
| 富文本区域标签错乱、链接失效 | 文案里的 HTML 标签被翻译或吞掉 | 校验标签的数量与配对是否与源一致 | 改用组件插值，不让裸标签进 catalog |
| 本机好好的，容器里非英语 locale 全变英文 | 运行环境的本地化数据是精简版，或 locale 环境变量是 C/POSIX | 在目标环境里分两步：先打印 locale 相关环境变量，再实测一次非英语 locale 的格式化输出。变量为空或是 C/POSIX，是环境变量问题；变量正常但输出仍退回英文，是本地化数据被裁掉了 | 前者显式设置环境变量，后者补装对应的本地化数据，别在本机下结论 |
最后一行值得单独说一句：格式化行为依赖运行环境的本地化数据和 LANG/LC_ALL 这类环境变量，而容器镜像为了瘦身经常把它们裁掉。这类问题的排查思路和运行环境不一致那类故障是同一套，判据是「本机对、线上错，且代码没差异」。
三、三段流水线与每一段的验收动作
把流程固定成三段，每段结束跑一个能出 0/1 结论的验收动作，AI 参与的风险就被框住了。
第一段，抽取。 让 AI 扫代码列出硬编码字符串并给出 key 建议，人审 key 规范。验收动作：抽取完成后在源码里搜被抽走的字面量，应该搜不到残留；再走查几个关键页面，确认没有漏抽的动态拼接串。
第二段，翻译。 每条输入都带上下文，同时给一份不翻译清单：品牌名、占位符、代码片段、单位符号、协议名。更稳的做法是翻译前把占位符替换成不可译的哨兵标记，译完再还原，还原不上就是这条出了问题。验收动作是一段脚本，这段脚本值得直接放进仓库：
import json, re, sys
PAT = re.compile(r"\{[A-Za-z0-9_]+\}")
with open("locales/en.json", encoding="utf-8") as f:
src = json.load(f)
with open(sys.argv[1], encoding="utf-8") as f:
dst = json.load(f)
bad = []
for k, v in src.items():
if k not in dst:
bad.append((k, "missing key"))
continue
if sorted(PAT.findall(v)) != sorted(PAT.findall(dst[k])):
bad.append((k, "placeholder mismatch"))
for k, why in bad:
print(why, k)
sys.exit(1 if bad else 0)
这段只处理扁平结构的资源文件，嵌套结构自己先拍平；正则也只认最简单的花括号占位符，用 ICU 完整语法的项目要换成对应的消息解析器。但形状是对的：校验必须能返回非零退出码，能被构建流程拦住，靠人看 diff 拦不住。
第三段，回填与格式化。 日期、数字、货币交给运行时 API，人只定策略。回填之后跑一遍伪本地化——把源语言字符串自动加长三到四成、加上重音符号、两端加边界标记，然后肉眼过关键页面。这一招能同时暴露三类问题：文案截断、UI 溢出，以及还没被抽出来的硬编码字符串（因为它不会被加长，一眼就能挑出来）。
回填的动作本身要可回滚。每种语言一个文件、每次一个语言单独提交，出事时一条命令就能退回去：
# 改动还没提交时，看这次碰了哪些语言文件、各改了多少行
git diff --numstat -- locales/
# 已经提交了就看那次提交本身
git show --numstat <commit> -- locales/
# 只退某一个语言：先查它自己的提交历史，再从最后一个正常的提交里把它取回来
git log --oneline -- locales/de.json
git checkout <最后一个正常的 commit> -- locales/de.json
注意别顺手写成 git checkout HEAD~1 -- locales/de.json：只有当这个文件最近一次被改动恰好就发生在 HEAD 这次提交里，HEAD~1 拿到的才是它的正常版本；如果坏改动是好几次提交之前混进来的，HEAD~1 里存的同样是坏版本。按语言分开提交之后，各语言文件的「上一个正常版本」落在不同的提交上，所以得先 git log -- <文件> 查清楚它自己的历史再取。
如果一次提交里 diff 大到读不动，那不是效率高，是把回滚成本抬上去了。让 AI 改动文件的范围必须被明确框住，这一点在控制 AI 改动范围里有更一般的讨论，国际化只是它最容易失控的场景之一——因为资源文件又长又规整，模型特别喜欢顺手「整理」一下。
四、什么情况下别再折腾
修国际化问题容易上头，因为每个 bug 看起来都只差一点点。给自己设几条硬线。
线上正在报错时，先兜底再修。 把出问题的语言整体回退到源语言，或把出问题的 key 单独回退，让页面先能用。不要在生产环境上一条条调翻译，那是把排查过程暴露给用户。
同一个 key 改到第三轮还在报格式错，停手改结构。 说明这条消息的结构本身太复杂——嵌套复数、嵌套选择、里面还带标签。拆成两句，或者改写成规避句式（把「你有 3 条新消息」改成「新消息：3」），语法难题直接消失。为了保住一句漂亮的话去搏一个跨语言的语法结构，投入产出不划算。
AI 一次改动的 diff 超出你能通读的范围，直接整文件回滚重来。 不要在一个读不懂的 diff 上做局部修补，那样你永远不知道它还顺手动了什么。回滚，然后按语言、按模块切小批次重跑。
遇到复数分档多的语言、有语法性别或敬语层级的语言，别指望一次到位。 这类语言的规则和语境绑定很深，机器给的结果通过了语法校验也可能读着别扭。要么找母语审校把关，要么在源文案阶段就规避掉这些结构。
有几类文案不该让 AI 定稿： 法律条款、合规与风险提示、隐私政策、涉及金额与计费的表述。前三类错了是法务问题，最后一类的坑还叠加了金额本身的浮点精度问题。这些交给人写、人审，AI 最多做初稿参考。
顺带一句选型上的前置约束：如果你打算把海外的翻译或模型服务接进这条流水线，先去读它的服务条款和地区可用性说明——不少海外产品对中国大陆有明确的区域限制、不支持直连使用，账号主体和结算方式也可能一并受限。这类限制本文不讨论任何规避办法；能不能合规使用、待翻译的文案里是否含有不便出境的数据，都要在动手前跟法务和合规确认。确认下来接不上，就换成境内可合规采购的服务，或者把这段改成人工加术语表的做法，别等整条流水线搭完了才发现跑不通。
五、避坑清单
占位符被当词翻译。 为什么会踩：模型没有「这段是代码」的概念，{userName} 在它眼里就是一个陌生词，翻译是本能。怎么避：翻译前用哨兵标记替换占位符，译后还原并比对集合；把比对脚本挂进构建流程，让它能拦住合并。
资源文件被顺手重排。 为什么会踩：模型倾向于输出「整洁」的完整文件，于是 key 顺序变了、缩进变了、嵌套层级也可能被压平。怎么避：只让它输出变更条目（key 加译文），回填动作由脚本执行；文件级 diff 行数超预期就当作事故处理。
复数只给了 one 和 other。 为什么会踩：源语言多半是英语或中文，两类分支足够用，模型就照着源的形状填目标。怎么避：按目标语言的 CLDR 复数类别先生成分支骨架再让它填空；缺分支时构建失败，不要静默回退到 other。
日期和货币被硬拼进文案。 为什么会踩：源文案本来就是拼的，抽取时原样搬进了资源文件，后面所有环节都以为它是文案。怎么避：抽取阶段就把格式化字面量单列出来，禁止进 catalog，一律改走运行时格式化。
用字符串拼接组句。 为什么会踩：写源码时觉得「前半句 + 变量 + 后半句」很自然，而这个语序只在源语言成立。怎么避：一句话一个 key，变量用命名参数，让译者能整体调整语序。
按中文或英文的长度估 UI 宽度。 为什么会踩：本地开发只看源语言，视觉上没有压力。怎么避：伪本地化跑一遍，再挑一个明显更长的目标语言过一遍关键页面和按钮。
改文案时顺手改了 key。 为什么会踩：key 名和内容不匹配看着难受，改了显得整洁。怎么避：把 key 当接口对待，只增不改；确实要重命名就走一次显式的映射迁移，并保留旧 key 一个版本。
只测了界面，忘了别的出口。 为什么会踩：邮件、导出文件、短信、PDF 往往走另一条渲染链路，用的是服务端 locale，跟前端不是一套。怎么避：把所有会向用户输出文案的出口列成清单，每次国际化改动按清单过一遍。
RTL 语言只翻不改布局。 为什么会踩：翻译完看着字都对，但整个界面的方向没镜像。怎么避：布局用逻辑方向属性而不是写死左右，并保留至少一个 RTL 冒烟页面。
六、收束
这件事的分工其实很清楚：AI 擅长的是「量」——扫代码、抽字符串、逐条翻译、批量补分支骨架；人要守的是「契约」——key 的稳定性、占位符的完整性、消息结构的合法性、格式化的归属。契约不靠人眼守，靠脚本守，人只负责把脚本写对、把它挂进构建。
上线前过一遍这份自检：
- 所有语言的 key 集合与源语言完全相等，缺失会让构建失败；
- 每条消息的占位符集合与源语言一致，哨兵标记全部还原；
- 整个 catalog 能被消息解析器完整 parse，没有括号不配对；
- 目标语言的复数分支按其 CLDR 类别齐全，缺分支会让构建失败；
- catalog 里搜不到日期格式字面量与货币符号硬拼；
- 伪本地化跑过一遍，关键页面无截断、无未抽取的硬编码；
- 目标运行环境里实测过一次非英语 locale 的日期与数字输出；
- 邮件、导出、通知这些非界面出口都过了一遍；
- 每种语言的资源文件是独立提交，能单独回滚。
九条都能打勾，剩下的问题就只是翻译润色了——那类问题不会让你半夜被叫起来。