Mengembangkan workflow terjemahan dokumentasi resmi – Terjemahan dan pencarian dokumentasi resmi Spring & MySQL
(devrunner.dev)Perkenalan
Halo.
Kali ini saya membuat workflow untuk menerjemahkan seri dokumentasi resmi, dan telah merilis hasil terjemahan Mysql dan Spring boot dalam bentuk yang dapat dicari.
Saya sendiri cenderung menelusuri dokumentasi resmi sebelum dan sesudah wawancara, jadi saya harap ini juga bisa membantu orang lain yang ingin menggunakannya untuk tujuan serupa.
Prompt yang sebenarnya, tautan layanan, dan artikel blog OpenAI yang saya jadikan referensi saat menggunakan 5.1 kali ini saya letakkan di kumpulan tautan di bawah.
Setelah GPT-5.1, kesan terhadap performa penalaran llm
Saya mencatat perbedaan performa yang saya rasakan saat mencoba mengotomatisasi terjemahan sejak era GPT-3.5.
Berdasarkan GPT-3.5, bahkan pada teks yang relatif pendek sekitar 5.000~10.000 karakter, sering kali pekerjaan kecil seperti perapian format Markdown pun tidak dapat dilakukan dengan kualitas yang baik.
Sebaliknya, di GPT-5.1 pekerjaan seperti di bawah ini dapat dilakukan dengan cukup stabil.
- Dari HTML lebih dari 100.000 karakter, mengekstrak secara stabil lebih dari 1.000 informasi TOC (6 kolom) sambil mempertahankan urutannya
- Bahkan jika keputusan tentang istilah mana yang dibiarkan dalam bahasa Inggris dan istilah mana yang diterjemahkan diserahkan ke LLM, dokumen yang dikembalikan tetap mudah dibaca (contoh: dalam dokumentasi Spring, bean tetap dalam bahasa Inggris, factory ditulis dalam bahasa Korea)
Jika selama proses ada bagian yang rusak atau perlu dilengkapi, saya menanganinya dengan menambahkan aturan ke system prompt, dan fakta bahwa kualitas hasil tidak banyak goyah meskipun system prompt menjadi panjang adalah hal yang sulit diharapkan dari model-model sebelumnya.
Kumpulan tautan
Di bawah ini saya merangkum materi referensi yang terkait dengan pekerjaan kali ini.
Saya membagikannya karena menurut saya ini bisa menjadi referensi yang bermakna untuk menunjukkan bahwa bahkan pada permintaan prompt seberat ini, hasil pada tingkat layanan saat ini pun bisa dihasilkan.
(Saya sendiri tidak merasa prompt-nya ditulis dengan sangat baik, haha. Tips prompt seperti ini banyak ada di blog anthropic dan OpenAI, jadi saya lampirkan salah satu yang representatif.)
2 komentar
Sepertinya jumlah dokumen pada hasil pencarian selalu 0.
Wah! Terima kasih atas laporannya.
Untuk saat ini, di sisi saya hasilnya tampil dengan baik. Meski begitu, untuk berjaga-jaga saya sudah mengecek deployment sekali lagi.
Agar saya juga bisa memastikannya, saya akan berterima kasih jika Anda bisa memberi tahu kata pencarian apa yang Anda gunakan.
Saat ini, karena belum ada kamus sinonim untuk padanan Korea <-> Inggris, bisa jadi hasilnya tidak muncul karena benar-benar tidak ada kecocokan.