SheepShuttle 双语数据处理基本流程

在 SheepComb 中，您可以按照顶部菜单的顺序逐步进行 SheepShuttle 的各项双语处理：

步骤	模式	概要说明
1a	数据提取	从各类 XLIFF、TMX、TBX、Excel、CSV 文件中提取双语语料。
1b	数据过滤与抽样	剔除重复行、锁定行或免译词句，并可生成用于质量评估的随机抽样集。
2	解析与结构化	匹配翻译记忆库（TM）与术语表（TB），并直观核算加权字数（WWC）。
3	数据管理与 QA 质检	直观确认匹配情况、执行自动 QA 检查（数字、标签、术语），并支持数据格式转换与分块。
4	构建回写	将调整后的双语数据重新注入回写至原始 XLIFF 文件中。
5	AI 请求（API 联动）	将分块数据与定制提示词批量发送至 AI 进行自动化翻译或质检。

各步骤详细操作指南

1a：数据提取

首先从目标文件中提取双语数据。

1. 从菜单中选择“提取”。
2. 将待处理文件拖放至左上角的上传区域，或点击选择文件。
3. 点击 “执行解析” 按钮。

单元格内换行处理

若 Excel 或 XLIFF 文本中包含换行符，默认会在换行处分割。若希望保留整单元格内容，请取消勾选“按换行分割解析”。

支持的文件格式

• XLIFF 系列：.xliff, .xlf, .sdlxliff, .mxliff, .mqxliff
• 翻译记忆库与术语表：.tmx, .tbx
• 表格类：.xlsx（A 列原文、B 列译文、C 列及以后备注）、.csv、.tsv、Word 表格、JSON/JSONL

字数统计与导出

列表上方会显示预估字符数（Chara）与词数（Word），可随时点击切换。点击右上角的 CSV 或 JSON 按钮即可下载提取出的数据。

1b：数据过滤与抽样

完成数据提取后，操作卡片中将展示 过滤 与 抽样 功能。

功能名称	概要说明
删除重复行	自动剔除完全相同的原文与译文配对（保留首个出现项）。
删除 LOCKED 锁定行	剔除被标记为锁定不可编辑的行（适用于 .mxliff / .mqxliff）。
无需翻译（DNT）过滤	自动识别并剔除无需翻译的行。

抽样评估

如需从海量数据中抽样进行质量评估，可设定目标字数与随机种子值，点击 “执行抽样” 导出子集。

2：解析与结构化

将提取并清洗后的数据转换为系统专用的结构化项目数据（ShWvData），并与翻译记忆库及术语表完成对齐关联。

1. 从菜单中选择“解析・结构化”。
2. 添加参考翻译记忆库（TM）或术语表（TB）文件。
3. 输入项目基础信息（项目名称、源语言、目标语言）。
4. 点击 “执行解析・结构化”。

加权字数核算（WWC）

根据相似度匹配区间直观计算并展示加权字数负担：

格式支持说明

• 翻译记忆库 (TM)：.tmx, .xlf, .sdlxliff, .mxliff, .mqxliff, .csv, .xlsx, .json, .jsonl
• 术语表 (TB)：.tbx, .xlf, .sdlxliff, .mxliff, .mqxliff, .csv, .xlsx, .json, .jsonl

3：数据管理与 QA 质检

数据可视化与匹配检查

在表格中直观查看术语表（TB）匹配高亮及翻译记忆库（TM）的相似度详情：

点击任意记录即可展开属性明细：

QA 自动化质检

快速排查原译文中的格式与逻辑错误：

QA 质检项	概要说明
数字不一致	检查原文与译文中的阿拉伯数字是否一一吻合。
标签 / 占位符	检查 <>、{}、[] 等标签和占位符配对是否完整一致。
术语表 (TB) 吻合	检查译文中是否正确采用了术语表指定的译名。
一致性 (100%匹配行)	检查相同原文在不同行之间是否存在译文不一致。
未修改机翻/下译遗留	在配合 SheepWeave 翻译时，排查是否遗留未确认修改的初翻行。

数据转换与分块

管理项目数据并为 AI 处理预先分块：

• 项目数据保存与读取：导出全量 .json 项目文件，或随时导入恢复进度。
• AI 分块（Chunk 化）：按原始文件或指定字数阈值自动均分数据。
• JSONL 导出与回写：导出为适合大模型批量处理的 .jsonl 格式，处理完毕后一键回写合并。

4：构建回写

将处理后的结构化数据回写还原为翻译工具专用格式（XLIFF 等）：

选择原始双语 XLIFF 文件与调整后的结构化数据，点击 开始构建，即可生成 <target> 内容已更新的 XLIFF 交付文件。

5：AI（LLM）调用

配合桌面客户端（SheepBobbin），批量向大模型发送翻译与质检请求。

1. 从菜单中选择“API”。
2. 输入连接密码建立通信连接。

3. 点击 “创建分块” 将数据拆解为合适片段。

4. 设置处理内容与参数：
   • 处理类型：选择 Check、Translate、Proof、Diff 或 Custom。
   • 语言设定：自动替换提示词中的 {source_lang} 与 {target_lang}。
   • 提示词：编辑发送给大模型的具体指令。
5. 点击 “处理所有分块” 批量排队执行。
6. 处理完毕后直接查看 AI 审校意见：

7. 点击 “导出 CSV” 导出完整报告。

单分块重新请求

点击分块右上角的刷新按钮，可单独针对该分块重新发起 AI 请求。

处理类型对照表

处理类型	发送字段	适用场景
Check	原文（src）、译文（tgt）、备注（note）	AI 翻译审校质检
Translate	原文（src）、备注（note）	全新翻译或参考翻译
Proof	译文（tgt）	单语母语润色
Diff	修改前（src）、带标记修改后（tgt）、备注（note）	文本修订评估
Custom	可自由勾选（src, tgt, note, history, terms）	高级上下文注入

TOON 支持（实验性功能）

虽然 JSONL 格式非常适合大语言模型（LLM），但重复的键名往往会导致 Token 消耗增加。 为此，TOON（Token-Oriented Object Notation）应运而生。 TOON 是一种专为 LLM 设计的数据格式，与传统 JSON 相比，预计可节省约 30%～60% 的 Token。

SheepShuttle 已支持使用 TOON 格式创建分块及发起 API 请求。

TOON 支持目前仍为实验性功能

虽然已确认在基础翻译和检查场景下可正常运行，但对于包含大量 history（历史记录）或 terms（术语）等辅助信息的复杂请求，尚未经过充分验证。 建议优先在检查、润色等相对简单的场景中尝试使用。