dsh-cait
Verifieddsh-cait · v1.1.8 · Apache-2.0 · Web UI
CAIT — a CAT workbench for DeepSeek Harness with translation memory, glossary, document tabs, MT routes, and Office/EPUB/subtitle/localization formats.
Install
dsh plugin add dsh-cait Confirm the layer applied with dsh --profile default --dump-config — see the install guide.
Source
Tags
Creators
Readme
CAIT
在 DeepSeek Harness 中完成计算机辅助翻译。
翻译记忆 · 术语库 · 句段编辑器 · 机器翻译辅助 · 文档标签页 · Office / 字幕 / 本地化格式
CAIT 为 DSH Web UI 和 DSH 桌面端增加一个 CAT 翻译工作台。它从左侧栏入口打开, 工作台与二十一个 Agent 工具共用一个数据存储,覆盖从导入源文件到导出译文的完整流程。
已在 DSH
0.2.2-rc.1中验证。 CAIT 使用 DSH 自己的模型路由和凭据, 不会要求用户填写 API Key。内部回退提供方仍叫mock,界面显示为 术语替换(离线)。
为什么选择 CAIT
| 原生集成 DSH | 真正的侧栏入口、主工作台、DSH 主题令牌,以及人和 Agent 共用的同一份数据。不是 iframe,也不是另一个独立应用。 |
| 可解释的翻译记忆 | 支持多个 TM 库、仅检索已挂载库、上下文 101%、精确/近似精确/高/中/低模糊等级,确认句段时自动写回。 |
| 术语感知编辑 | 支持多个术语库、按源语言过滤、行内高亮、点击插入术语,以及按术语设置是否区分大小写。 |
| 完整文档流程 | 文档标签页、关闭/重新打开、最近文档清理、重复导入复用、逐文档进度。 |
| 真实格式覆盖 | TXT、Markdown、DOCX、EPUB、TMX、CSV、SRT/VTT、PO、XLIFF 1.2/2.0/SDLXLIFF、HTML、JSON、XLSX、PPTX、RTF。 |
| 面向 Agent | 二十一个工具共享当前文档和存储,Agent 可以与用户同时翻译。 |
快速开始
- 安装 CAIT,然后从左侧栏的 CAIT 入口打开。
- 选择 新开页面,拖入源文件或粘贴文本。
- 设置源语言和目标语言。
- 翻译当前句段;右侧面板会显示 TM 匹配、术语命中和 MT 建议。
- 点击 确认并下一句,句对会写入默认挂载的 TM。
- 导出纯译文、双语对照,或保留源格式的文档。
编辑器中的输入只是草稿,保存在内存里。确认句段(或执行明确的结构性修改)时 才会写入快照。打开的工作台每两秒轮询一次 Host revision,因此 Agent 触发的修改 无需手动刷新即可出现。
功能
1.1.7 新增
- DOCX 深度:表格、页眉、页脚、脚注和尾注里的段落都会作为普通句段导入,并写回原来的 part。
- 本地化字符串:Apple
.strings/.stringsdict、Androidstrings.xml/复数、.resx、.arb、嵌套 YAML、Java.properties可往返,保留 key、注释、复数变体、块标量和内联标签。 - 演讲者备注与多工作表:PPTX 备注页独立成段;XLSX 每个工作表保留名称、顺序和单元格引用;保留源文件时按原单元格回写,样式和合并区域不丢。
- 字幕时间轴:合并相邻 cue、按时间点拆分、整体平移时间码;重叠 cue 作为高风险 QA 提示,不自动改时间。
1.1.6 新增
- 查找替换:原文/译文预览、一次应用、撤销上次替换;已确认句段的译文被改动时自动回到待审状态。
- 命令面板(
Ctrl/Cmd+K)与Ctrl/Cmd+F查找替换。 - 句段备注,以及句段内的草稿撤销/重做(
Ctrl/Cmd+Z、Ctrl/Cmd+Shift+Z、Ctrl/Cmd+Y)。 - 合并、拆分、锁定文本句段;合并/拆分目前只开放 TXT 与 Markdown,Office 段落映射还不能安全回填。
- 单次专名术语发现:引号内术语、句中大写名、中文人名/地名/造物名即使只出现一次也会进入候选,并带类型、置信度和原句证据;不会自动入库。
- AI 审校:QA 标签页可以请求当前 DSH 模型给出结构化建议,跳到对应句段或把建议填入译文;Agent 可调用
cat_review,两者都不会直接写文档。审校默认跟随翻译模型,也可以在设置里单独选择 provider 和模型。
1.1.5 新增
- 每份文档可以继承全局 TM/术语库挂载,或绑定自己的库,并指定默认写入 TM;检索、术语命中、QA、预翻译和确认都按该作用域执行。
- 字数与匹配率分析:统计句段、词数、字符、重复、ICE/精确/模糊/新增分桶、匹配率和 leverage,可下载 CSV 或 JSON。
- 导出双语审校 DOCX(原文/译文/状态),给不使用 CAIT 的审校人。
- 导出并回填 XLIFF 1.2 审校包:按 uid、XLIFF id 或唯一源文匹配,源文不一致的条目拒绝回填,并报告未匹配数量。
- TM 维护:合并、去重、清理都先预览再确认。
1.1.4 新增
- 每份文档可以带一份翻译 brief:领域、读者、语气、备注、禁译词和风格样例;它会被注入 MT 请求,Agent 可用
cat_get_brief读取。 - 预翻译改为一次最多八段批量请求,带上 brief 和相邻原文;模型漏掉的句段逐段回退,不再整篇中断。
- 术语条目可以标记 forbidden(禁用译法)和 preferred(必用译法),CSV/JSON/TBX 导出与 CSV 导入都会保留。
- QA 按 high / medium / low 分级,新增禁用术语和长度漂移检查;QA 面板可跳转、复制原文、清空译文、插入必用术语,Concordance 可检索所有已挂载 TM。
- 已确认句段可以撤销确认,保留译文和 TM 条目;编辑已确认句段会自动退回
translated,再次确认时更新同一条 TM。 - 句段栏可以批量清理未确认的预翻译译文;清理前会显示句数以及 MT/TM/自动传播的构成,并说明已确认句段、人工草稿和已写入 TM 的内容不受影响。
翻译记忆
- 支持多个 TM 库,每个库有 id、名称、挂载状态和默认写入库。
- 上下文匹配(ICE)为 101%。 每次确认都会记录前后两句源文;之后相邻句相同的
句段得 101%,等级为
context;文本相同但相邻句不同仍为 100%。每个 key 最多保留 8 条上下文变体,并且始终保留无上下文的那一条。 - 支持精确、近似精确和三个模糊等级:
near_exact使用忽略数字、标点和空白后的 key 比较,不依赖分数阈值。high_fuzzy为>= 0.85,medium_fuzzy为0.75–0.85,low_fuzzy低于0.75(高于可配置下限,默认0.70)。
- 模糊评分是词法级的:72% 字符二元组 Dice + 28% token Jaccard。 拉丁文本按单词切分,CJK 文本按单字切分;不做词干、同义词或语义匹配。
- 检索只查已挂载的库。
cat_submit_translation支持可选targetTmId; 未挂载的目标库会以TM_NOT_MOUNTED拒绝写入。 bootstrap().tm.entries是已挂载条目的 40 条预览;bootstrap().tm.count是已挂载数量,bootstrap().tm.total是所有库的总数。 完整数据请使用cat_lookup_tm或库面板。- 支持 TMX 1.4
<tu>/<tuv>/<seg>导入/导出。TMX 内联占位符会扁平化为 纯文本,并给出明确警告。上下文以<prop type="x-context">往返,所以 CAIT 自己导出的文件再导入后仍保留 101% 匹配。
术语库
- 支持多个术语库,每个库有挂载状态和默认写入库。
- 源文行内高亮,点击术语 chip 即可插入。
- 支持 CSV/TSV 导入、术语备注、源语言过滤,以及工作台和
cat_lookup_glossary都遵循的caseSensitive标记。 - 语言代码会规范化(
EN→en,ZH_cn→zh-CN)。 - 任何库(无论是否挂载)里的条目都能编辑或删除;挂载状态只决定工作台搜索 和写入哪些库。
- 术语提取:术语库工具栏的「从文档提取术语」会列出候选词,带出现次数、 记忆库里已有的译法和「已有」标记。统计负责找候选并排序(拉丁 n-gram; 中日韩重复子串用左右邻接熵过滤),模型只判断一份短名单——这正是模型擅长 的部分。
库页面
顶栏的「文档 / 库 / 对齐」在三个工作区之间切换,库页面不需要打开文档。
- TM 一张表、术语一张表,支持分页(20/50/100/200,会记住)、语言筛选,以及 可限定在任意若干库内的搜索。
- 右侧边栏直接编辑选中的条目、新增条目,并在有未保存改动时提示。
- TM 导出 TMX;术语库导出 TBX、CSV 或 JSON。导入与清空仍在同一 个工具栏里。
- 右侧面板的库按钮会把面板当前的搜索词一起带进库页面,在面板里查到的东西 可以接着在完整列表里看。
对齐
顶栏的「文档 / 库 / 对齐」第三个视图用两份成品文件建记忆库:源文一份、 译文一份,可以是完全不同的语言,格式任选。
- 跨语言打分:共享锚点(数字、
{0}占位符、URL、首字母大写的名字)、按语言 归一化的长度比例、段落结构。刻意不用字面相似度,因为它比不了两种语言。 - 分块动态规划可以配对 1:1、1:0、0:1、2:1、1:2;每行分高置信 / 待确认 / 可疑 三档,只有高置信默认勾选。
- 写入前每行都能与下一行合并、按换行拆开或删除;目标库在工具栏里选,完全 相同的条目会被跳过而不是重复写入。
工作台
- 按段落/句子切分,并逐句编辑译文。
- 句段三态:待译 → 待审 → 已确认,同时记录每句译文的来源
(
tm、mt、agent、manual)。句段栏可按状态筛选,搜索覆盖原文、 译文和建议。 - 句段分页:句段栏按 20/50/100/200 的页大小分页,并有一个输入框可直接 跳到某个编号。如果目标句段被当前筛选隐藏,跳转时会先清空筛选。
- 预翻译 用 TM 精确命中加机器翻译把整篇铺底:按小块推进,显示
已完成/总数,可在块与块之间停止;已确认或已有译文的句段永远不会被覆盖。 - 上下排列的审校区:原文、机器/agent 基线、可编辑译文从上到下依次排列, 每一块都占满面板宽度。全部确认 在一次确认弹窗后接受所有待审句段。
- 支持保存草稿、确认并下一句、上一句/下一句导航和进度。当前句段与草稿会 防抖落盘,重启后能回到原位。
- 重复句段自动同步:确认一句后,本文档里其它相同原文的未确认句段会填上
同一译文(来源
auto),编辑草稿也会同步;「铺满重复句段」可一次性处理整篇。 已确认的句段永远不动。 - 句段栏里的 QA 提醒与导出前的汇总:占位符/标签缺失、数字不一致、 术语未使用、空译文、译文仍是原文、同一原文多种译法。只提醒,不阻挡导出, 也不写盘。
- 文档标签页;关闭标签页不会删除文档。
- 打开已有文档 可重新打开已关闭的文档。
- 设置 → 界面 提供界面语言切换:跟随 DSH 语言(默认)、简体中文、English、 日本語。工作台与侧栏名称立即生效,且只改 CAIT 界面,不会改动文档的源语言或 目标语言。
- 下拉框旁的垃圾桶按钮可删除一个或全部已关闭文档;删除是永久性的, 不会影响 TM、术语库或其他文档。
- 同格式、同内容的再次导入会复用已有文档,而不是新建重复文档。 指纹覆盖语言、源文、格式和交换元数据。
- 响应式密度:工作台测量自身 DSH 面板,并应用经过衰减的 1×–1.45×
--cait-u缩放系数。1600×900 面板约为 1.17×,最大化的 4K 面板停在 1.45×: 大窗口贴近 DSH 自带界面,不再比宿主明显放大。 - 工作台跟随 DSH 的亮/暗主题,包括原生控件(
color-scheme), 下拉框、复选框和滚动条都与面板一致。
预处理
导入的源文在切句之前会经过预处理阶段:
- 折叠重复空格与制表符、去掉行首缩进、合并连续空行。
- 移除零宽字符和多余的控制字符。
- 占位符 token(
{1}、{2}…)、标点、大小写和段落顺序保持不变, 因此 XLIFF/HTML/EPUB 的内联标记仍可正确往返。 - 三个步骤可在 设置 → 预处理 中分别开关,并随其他设置一起持久化。
它们作用于新导入和
createDocument调用,不会改写已有文档。
MT 辅助
CAIT 不持有 endpoint 或 key,选择器完全来自 DSH:
ctx.llm.listProviders()提供已注册的提供方路由。- 可用时通过
ctx.loader.entries()查询config.providers。 ctx.llm.listModels(provider)提供模型 id;CAIT 默认选择第一个模型。ctx.llm.stream({ provider, model, messages, temperature, purpose: 'cait-mt' })执行调用;CAIT 只拼接text-deltachunk。
如果没有可用路由、所选路由消失或没有模型,CAIT 会回退到离线术语替换,
并在 UI 和 cat_suggest_mt 结果中明确说明。流式调用失败时,Host 日志记录
provider/model/code/status,客户端只会收到 MT_PROVIDER_FAILED。
支持的格式
| 格式 | 导入 | 导出 | 说明 |
|---|---|---|---|
| TXT / Markdown | ✅ | ✅ | 按段落和句子切分 |
| CSV | ✅ | ✅ | 自动识别逗号、分号、制表符或竖线分隔;可通过表头名称或从 1 开始的列号指定源/目标列;现有双语导出 |
| DOCX | ✅ | ✅ | 正文段落;导入时排除表格块。导出会修改原包,保留样式、编号、图片、页眉、表格和版式。 |
| EPUB | ✅ | ✅ | 按 EPUB 3 spine 顺序读取 XHTML 文本块,内联标记保留为 token 并回写到保留的源包。不支持 DRM、固定版式和脚本化 EPUB。 |
| TMX 1.4 | ✅ | ✅ | 常见 <tu>/<tuv>/<seg> 子集;内联标记扁平化并警告;上下文用 <prop type="x-context"> 往返 |
| SRT / WebVTT | ✅ | ✅ | 一个字幕 cue 对应一个句段;保留时间轴/设置/标识;保留语义标签;非法时间范围会拒绝 |
| PO | ✅ | ✅ | 支持上下文、复数形式、译者注释和废弃 #~ 条目 |
| XLIFF 1.2 | ✅ | ✅ | 内联标签转换为 {n} token;缺少 token 时阻止确认 |
| XLIFF 2.0 | ✅ | ✅ | 基础 <unit><segment><source>/<target> 子集 |
| SDLXLIFF | ✅ | ✅ | 走基础 XLIFF 1.2 路径;SDL 专有扩展不会完整往返 |
| HTML | ✅ | ✅ | 保留文本块与内联标签;不重建文档级 CSS/版式 |
| JSON | ✅ | ✅ | 字符串路径子集;通过模板保留对象/数组结构;key 和数字不翻译 |
| XLSX | ✅ | ✅ | 全部工作表;识别源/目标列或表头;保留源文件时按单元格回写,样式、合并区域和其他工作表不丢;公式单元格跳过 |
| PPTX | ✅ | ✅* | 保留源格式导出;需要导入时保留的 .pptx 包。仅正文;备注/图表/SmartArt 不导入。 |
| RTF | ✅ | ✅ | 基础段落、\uN、\'hh、控制字;不往返原始样式 |
* 如果保留的源包不存在,PPTX 导出会以 PPTX_SOURCE_REQUIRED 失败,
而不是静默生成一个没有格式的演示文稿。
交换元数据(字幕时间轴、PO 上下文/复数/注释、XLIFF id 和内联 token 映射、 JSON 路径/模板、XLSX 行号、PPTX 幻灯片/段落位置、EPUB spine href 和块序号) 会保存在文档/句段上,并随快照持久化。
不支持 PDF
CAIT 不导入 PDF,后续版本也不会加入 PDF 支持。PDF 是固定版式的打印格式, 没有逻辑段落、阅读顺序或内联标记;从中提取的文本会散落在绘图指令之间, 丢失标题、表格和内联强调,切出的句段对翻译记忆和 MT 都是很差的输入—— 也就是说,PDF 极其不适合 AI 相关工作。
如果需要翻译 PDF 内容,请先转换成支持的格式,例如:
pandoc input.pdf -t docx -o output.docx # 或 -t html、-t markdown
也可以使用 Adobe Acrobat 的 导出为 Word/HTML、LibreOffice,或其他能生成 DOCX、HTML、EPUB 或纯文本的工具。扫描版 PDF 在转换前还需要 OCR; CAIT 没有图片 OCR 阶段。
安装
CAIT 以 DSH bundle 的形式安装;发布的 npm 包名为 dsh-cait,插件本身在左侧栏显示为
CAIT。desktop 配置档由应用的 plugin manager 管理,请通过它安装,不要手写配置档的
package.json。
从 npm 安装
在 DSH 桌面端(或任何带有 plugin_manager 工具的配置档)中:
plugin_manager install_bundle target: dsh-cait
需要固定版本时写 [email protected],需要最新版时写 dsh-cait@latest。管理器会解析 registry
上的包、应用 bundle patch 并激活插件,不需要手工在配置档里加行。
使用 CLI 管理的配置档:
dsh plugin --profile web add dsh-cait
将 web 替换为你的配置档名称。如果 Host 需要重启,请重启 dsh web。
从本仓库安装
GitHub:
plugin_manager install_bundle target: github:JoviLecca/dsh-CAIT
本地目录:
plugin_manager install_bundle target: /absolute/path/to/dsh-CAIT
然后重新加载 DSH。左侧栏会出现 CAIT 入口。
从源码安装
git clone <this-repository> dsh-CAIT
cd dsh-CAIT
npm run build:client
本地 --patch 覆盖层可以添加一行指向当前目录:
# _dev/cait.patch.yml
- insert:
- id: cait-dev
name: 'C:\absolute\path\to\dsh-CAIT'
dsh web --patch C:\absolute\path\to\dsh-CAIT\_dev\cait.patch.yml
--patch 是启动器选项;放在应用名(web)之后、应用自身参数之前。
覆盖层和配置档中已安装的 bundle 二选一,不要同时使用。
配置
| 选项 | 默认值 | 含义 |
|---|---|---|
dataDir |
"" |
store.json 和 sources/ 的目录。为空时使用 $DSH_HOME/cait。支持绝对路径、相对路径和 ~/...。 |
- id: dsh-cait
name: dsh-cait
config:
dataDir: 'D:\CAT\cait-data'
快照保存文档、打开的标签页、TM、术语库、库、挂载关系和非敏感设置。
导入的 DOCX/PPTX/EPUB 源包放在 sources/ 下。
界面内的设置保存在快照里,而不是上面的 YAML:源语言/目标语言、模糊阈值、
TM 返回条数、MT 路由/模型/温度,以及界面语言(uiLang:auto | zh | en |
ja,默认 auto 即跟随 DSH 语言)。
句段确认使用严格写入:如果快照无法写入,确认会以 PERSISTENCE_FAILED(503)
失败,并回滚内存中的确认。其他结构性修改采用尽力写入,并通过工作台横幅显示
bootstrap().storage.error。
如果快照损坏或版本未知,CAIT 会记录警告,将其移动到
store.json.corrupt-<timestamp>,然后以空状态启动,而不是让插件激活失败。
版本 1、2 快照会迁移到版本 3,并创建默认 TM 和术语库;版本 2 里「有译文但未
确认」的草稿会变成 translated,来源记为 manual。
Agent 工具
| 工具 | 用途 |
|---|---|
cat_get_segment |
获取当前句段及 TM 匹配、术语命中 |
cat_submit_translation |
确认译文,写入已挂载 TM(可选 targetTmId),前进到下一句 |
cat_lookup_tm |
在已挂载库中按等级检索 TM |
cat_lookup_glossary |
查询已挂载术语库;遵循 caseSensitive |
cat_list_documents |
列出文档和进度 |
cat_switch_document |
选择活动文档 |
cat_suggest_mt |
通过所选 DSH 路由调用 MT,或使用明确的离线回退 |
cat_pre_translate |
用 TM + MT 填一块,跳过已确认/已有译文的句段,返回 next |
cat_get_segments |
取一段有界句段窗口,含状态、来源和建议 |
cat_confirm_segments |
确认索引列表、一段窗口,或全部待审句段 |
cat_propose_translation |
只留下建议和理由,不动已确认的译文 |
cat_align |
对齐两段文本,报告高置信 / 待确认 / 可疑的配对 |
cat_consistency_report |
按原文分组列出译文不一致的句段 |
cat_term_candidates |
术语候选短名单:频次、例句、记忆库里已有的译法 |
cat_add_terms |
一次性把选中的术语写进术语库 |
cat_review |
请求模型给出结构化审校建议;不会直接写文档 |
因此 Agent 可以完全不点界面就把整篇铺底:反复调用 cat_pre_translate
(from: next)直到 next 为 null,用 cat_get_segments 查看,再用
cat_confirm_segments 批量接受。做术语时读 cat_term_candidates,判断这份
短名单,再用 cat_add_terms 写入。
工作台和工具共用一个 CatStore,因此 Agent 可以翻译用户当前打开的同一份文档。
架构
flowchart LR
UI["DSH Web UI<br/>(侧栏 + 工作台)"] --> Client["client.js<br/>生成的 Web bundle"]
Client --> API["/cait/api/rpc<br/>同源 JSON"]
Tools["21 个 Agent 工具"] --> Store["CatStore"]
API --> Store
Store --> Snapshot[("store.json<br/>+ sources/")]
- Host(
index.js、lib/)负责存储、持久化、导入/导出、工具和私有 API。 - Client(
client/)是通过 DSH 模块加载器加载的普通 React,渲染到sidebar.panellist和main。样式只使用--dsw-alias-*令牌。 client.js是生成文件;请修改client/*.js,然后运行npm run build:client。
项目结构
cait/
├─ index.js # Host 端:存储 + 工具 + 私有 API
├─ client.js # 生成的 Web bundle(不要手改)
├─ client/ # Client 端源码
│ ├─ index.js # slot 与 locale 装配
│ ├─ helpers.js # 纯函数,不 import 其他模块
│ ├─ rpc.js # fetch 封装与传输层错误
│ ├─ errors.js # 错误码 → 文案
│ ├─ react.js # 唯一 import React 的模块
│ ├─ styles.js # CSS + px→var(--cait-u) 缩放
│ ├─ locales.js # ZH/EN/JA 字典(各 621 键)
│ ├─ components/ # 一个界面区域一个模块
│ └─ workbench/ # controller.js(状态)+ workbench.js(视图)
├─ lib/ # Host 模块;完整地图见 docs/ARCHITECTURE.md §5
│ ├─ store.js # CatStore 门面,装配 store-mixins.js
│ ├─ store-mixins.js # store 模块的唯一注册表
│ ├─ api.js # 私有 RPC + 唯一的写操作清单
│ ├─ tools.js # 21 个 Agent 工具
│ └─ … # 文档、句段、库、格式、持久化
├─ scripts/ # 构建、契约检查、测试 runner、基准
├─ locale/{en,zh,ja}.json # 只放包元数据字符串
├─ docs/ # ARCHITECTURE.md、NEXT-ROUND.md
└─ _dev/ # 测试套件 + fixture
完整模块地图、依赖方向,以及「新增 store 方法 / RPC handler / 格式 / 错误码」
的规则都在 docs/ARCHITECTURE.md。这里只留一个短
草图,避免它再次过期。
开发
需要 Node.js 22+ 和 DSH 0.2.x。已在 DSH 0.2.2-rc.1、Node 26.7.0
中测试。
npm install # 只需一次
npm run check # CI 跑的整套:lint、格式化、契约检查、测试
npm test # 只跑 _dev/ 里的 51 个套件
npm run check 是唯一门槛,按顺序执行:
| 步骤 | 证明什么 |
|---|---|
lint |
ESLint 覆盖 lib/、index.js、scripts/、_dev/、client/ |
format:check |
Prettier 与仓库一致 |
check:locales |
ZH/EN/JA 键集相同(621 个),{占位符} 也相同 |
check:errors |
lib/ 里抛出的每个错误码都能查到文案 |
check:store |
每个 store mixin 都已登记,且没有重名覆盖 |
check:formats |
每个导出格式、每种导入扩展名都接通并在界面上可选 |
check:shared |
客户端与服务端的共享常量一致 |
check:api |
每个 RPC handler 在 store 上存在,客户端调用的方法也都存在 |
check:client |
磁盘上的 client.js 与 client/ 构建结果一致 |
test |
_dev/ 的 51 个套件,逐个进程运行 |
npm run bench 用来测量规模路径(默认 --segments 20000 --tm 10000);
改动与这些数字相关的东西之前先跑一遍。
导入/导出 fixture 为 _dev/sample.docx、_dev/sample-table.docx 和
_dev/sample-format.docx;可用对应的 python _dev/make-*.py 脚本重新生成。
发布
npm publish 会触发 prepublishOnly:先从 client/ 重建 client.js,
再跑完整的 npm run check,因此发布出去的既不会是过期 bundle,也不会带着
失败的契约检查。在仓库根目录执行:
npm publish
.github/workflows/publish.yml 会在 GitHub 发布 release 时做同样的事,使用
npm Trusted Publishing(OIDC)而不是保存的 token,并且当 release tag 与
package.json 的版本不一致时拒绝发布。
首次发布必须在本地完成,因为 Trusted Publishing 只能为已经存在的包配置:
npm login
npm publish
之后在 npmjs.com 打开该包,进入 Settings → Trusted publishing,添加仓库
JoviLecca/dsh-CAIT 和 workflow 文件 publish.yml。以后的版本就可以通过
GitHub release 发布。
安全模型
- Host API 挂载在
/cait/api,通过ctx.connection.requestRejection限制为同源/受信任请求。 - RPC 请求体为 JSON,上限 32 MB;超过时返回
413 BODY_TOO_LARGE。 clearTM/clearGlossary除了浏览器信任检查外,还要求params.confirm === true;UI 会在发送前询问。- CAIT 从不接收、存储或返回 API Key。DSH 凭据保留在所选提供方适配器内部。
- 持久化使用单个快照,语义为最后写入者获胜;它不是多用户日志。
已知限制与路线图
- 不支持 PDF 导入;PDF 已被明确排除在范围外(见 不支持 PDF)。暂不支持图片 OCR。
- EPUB 导入只覆盖 spine 中的正文 XHTML 文本块;不支持 DRM、固定版式、 脚本化以及大量使用 MathML 的电子书。
- DOCX 导入覆盖正文、表格、页眉、页脚、脚注和尾注;域、替代文本和修订删除 仍保持源语言。
- DOCX/PPTX 中混合 run 的段落会继承第一个 run 的格式。
- PPTX 导入覆盖正文和演讲者备注,不包含图表或 SmartArt。
- XLSX 导出需要目标列才能回写;公式单元格会跳过;1.1.7 之前导入的文档没有 保留源工作簿,只能重建新表。
- 嵌套 YAML 支持 mapping、sequence、scalar、块标量和注释;锚点、别名、
merge key 和 flow 集合会以
LOCALIZATION_YAML_UNSUPPORTED拒绝。 - HTML/RTF 导出不往返原始样式;JSON 只翻译字符串值。
- TM 匹配是词法级的,不是语义级;没有词干、同义词或向量。
- 每个上下文下,同一原文存一条译文:重复的句子会为每种相邻句组合保留一条变体, 每个 key 上限 8 条;相邻句不同时回落到无上下文的通用条目。
- 上下文只取前后两句源文,不包含文档、客户或项目元数据。
- TBX 与 JSON 术语导出是单向的;只有 TMX 和 CSV 能再导入回来。
- 工作台界面提供中文、English、日本語三种语言,可在设置中切换;README 提供英文、简体中文和日文三个版本,以英文版为准。
后续计划:通过多模态 DSH 路由支持图片/视觉输入、Office 段落映射后的合并/拆分, 以及字幕波形/播放头。
变更日志与版本
见 CHANGELOG.md。v1.0.0 是首个公开发布版本,v1.0.1 增加了
日语界面和界面内语言切换,v1.0.2 让「跟随 DSH 语言」真正跟随 DSH 的语言设置,
v1.0.3 把包发布到 npm,v1.0.4 起后续版本改由带 provenance 的发布流水线产出,
v1.0.5 增加 EPUB、导入预处理和 PDF 政策,v1.1.0 增加 agent 驱动的预翻译、
句段三态、上下排列的审校区和轻量 QA,v1.1.1 增加带 TMX/TBX/CSV/JSON 导出的
库页面、句段分页,以及从右侧面板跳进库页面,v1.1.2 增加带 101%(ICE)
匹配的上下文记忆,v1.1.3 增加双文件对齐、重复句段自动同步、术语提取,
以及 agent 写建议用的原语;项目在开发阶段使用 0.1.0,
发布到 GitHub 前统一改为 1.0.0。
License: Apache License 2.0,见 LICENSE。再分发时需保留 NOTICE 中的署名信息。