Kokonaisen kirjan kääntäminen: Näin rakensin LLM-pohjaisen putkiston

Kirjailijaa motivoi venäjänkielisten käännösten puute kahdelle tieteiskirjalle, Sue Burken 'Usurpation' ja Paul Melkon 'Singularity's Ring'. Auttamisen ajatuksen pohjalta hän käytti pari viikkoa BookTransin kehittämiseen, joka on avoimen lähdekoodin putki, joka kääntää kirjoja maksullisia LLM-tilauksia käyttäen. Putki tukee Claude Codea, Antigravity CLI:tä ja Codexia, ja se käyttää kahta mallia agenttia kohden: vahvinta henkiseen työhön ja seuraavaksi vahvinta teknisiin tehtäviin. Ennen käännöstä se suorittaa halpoja tarkistuksia, kuten kielen tunnistuksen ja merkistön, ja käyttää halpaa mallia kartoittamaan tunnisteet ja tyylit sisältötyyppeihin. Käännösprosessissa on kolme päävaihetta: tiedustelu (malli skannaa kirjan luodakseen sanaston ja maailman referenssin), peräkkäinen käännös (luvut käännetään järjestyksessä edellisten lukujen kontekstin kanssa) ja sokea editointi (toimittajamalli tarkistaa käännöksen näkemättä alkuperäistä, keskittyen luonnolliseen venäjään). Putki käsittelee myös runoja, tunnistaa sitaatit ja käyttää alaviitteitä virheisiin ja vaikeisiin termeihin. Se jakaa luvut 2000–3000 sanan palasiin, ja jokainen kappale saa vakionumeron, jolla tarkistetaan puuttuvat tai keksityt kappaleet. Automatisoidut tarkistukset varmistavat kappaleiden eheyden, sanaston termit, numerot ja rakenteen. Turvallisuus on etusijalla: kirjan tekstiä käsitellään epäluotettavana datana, ja putki pysähtyy, jos se havaitsee prompt injection -yrityksiä. Agentit ajetaan työkalut poistettuina, hiekkalaatikoissa ja rajoitetulla tiedostojärjestelmän pääsyllä. Web-haku on poistettu käytöstä tietovuotojen estämiseksi. Kirjailija vertasi myös venäjän- ja englanninkielisiä kehotteita eikä havainnut merkittävää laatueroa, joten hän kirjoitti kehotteet venäjäksi.