Hackathon提交披露:我为进入Google Cloud Agentic Hackathon创建了这段内容.
它详细介绍了**langPeanut背后的建筑、现实世界基准和云基础设施。
如果您曾经尝试过使用 LLM 来本地化一个已有的应用程序, 你可能注意到同样的令人沮丧的模式: 您输入了500行的 React, Flutter, 或 Swift 代码, 要求它提取字符串, 并用本地化的钩子替换它们, 并获取在第一眼看来令人信服的代码 —— 直到您运行编译器 。
引用错误地逃出, JSX 儿童树被乱砍, ICU复数语法中断, 当我们开始建造Lang Peanut时, 我们的目标不是建造另一个“AI代码生成器 ” 。
它是作为AST边界问题而不是文本生成问题来解决本地化问题.
由双子座 3.7 Flash提供动力, 并用Google Cloud Pub/Sub可靠地部署在Google Cloud计算引擎(GCE)上。 1."零基因"原则.
单速 LLM 重构的基本缺陷是让模型写入访问整个文件结构.
在 .
中, LLM 绝不允许重写完整源文件.
相反,我们把工作流程分成严格的决定界限和狭义的AI判断:AST Scout(决定主义): 使用树保姆语法(Go, TypeScript, TSX, Dart, Swift, Kotlin),以0个令牌成本确定精确的字节形字符串.
背景与文化翻译(Gemini 3.7 Flash):我们通过官方Go GenAI SDK()称双子座只用于语言判断:分歧: 是按钮动词还是形容词?
ICU保存:确保复杂的复数标记()在策略上在各地保持相同的.
AST 补丁引擎(Deterministic):以精确的字节相抵来切换原始文件并注入本地化的钩子(或.
白空间,评论,以及非目标代码仍然100%未被触及.
在我们的10个案例对抗基准(已取消的 JSX 表达式, Dart 字符串插值, SwiftUI 视图修改器)上, 这种方法实现了百分之百的 AST 编译通过率, 格式化漂移率为 0 。
2.
三相结构而不是单一的单相脚本,协调三个共享一个单相上盘项目状态的专门系统: System A-本地化引擎: 具有自修正的4级验证器和边缘大小写编译器错误的有界ReAct修复回路的核心6代理管.
B系统 — Central AI Copilot (: 配备有19个注册工具的谈话控制平面.
如果网络访问减少,则会自动回落到决定性的关键字路由器.
System C-SEO & Growth Studio (:SERP Scout → Keyword Intelligence → Copy Weaver → SERP模拟器 → Growth Critic) 5个代理管道,可针对同一地域文件对本地搜索引擎的能见度进行最优化翻译复制.
3.
生产部署:Google Cloud计算引擎 & Pub/Sub locally,运行为零依赖CLI,TUI(Bubble Tea),或零建设Web Studio.
但对于团队工作流程,我们建造了langPeanut Cloud——一个主机GitHub App,它可以监视寄存器,在推上提取字符串,并自动打开干净的拉出请求.
运行一个针对任意用户寄存器的自动代理机器人,带来了两个主要的基础设施挑战:webhook可靠性和执行沙箱.
挑战1:被"被淹"的Webhook"问题(被Cloud Pub/Sub所包围) GitHub以非常短的超时和最小的再试持久性来提供推取webhooks.
如果云服务器在部署期间重启,点击数据库锁,或者在多个寄存器之间突然收到承诺的爆发,进入的webhooks可以被悄悄地放下.
我们把Google Cloud Pub/Sub放在我们的网路摄取网关和工人排队之间: 当一个webhook到达时,摄取处理器验证了HMAC的签名,并立即将原始事件发布到一个Google Cloud Pu