translate-content
정보
이 스킬은 기술 문서(스킬, 에이전트, 팀, 가이드)를 대상 언어로 번역하며, 코드 블록, ID, 구조를 보존합니다. 스캐폴딩, 프론트매터, 본문 번역, 최신 상태 추적을 처리합니다. 새로운 콘텐츠 현지화, 원본 변경 후 오래된 번역 업데이트, 또는 전체 도메인 일괄 번역에 사용하세요.
빠른 설치
Claude Code
추천npx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/translate-contentClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
譯容
譯英源容於目地、留技正與構完。
用
- 地化技、代、隊、導於支語→用
- 更陳譯後源變→用
- 域或容類中多項批譯→用
- 為新地建初譯→用
入
- 必:容類——
skills、agents、teams、guides - 必:項 ID——容名/識(如
create-r-package) - 必:目地——IETF BCP 47 碼(如
de、zh-CN、ja、es) - 可:批列——多 ID 序譯
行
一:讀英源
1.1 定源檔路:
- Skills:
skills/<id>/SKILL.md - Agents:
agents/<id>.md - Teams:
teams/<id>.md - Guides:
guides/<id>.md
1.2 讀全源檔以解境、構、容。
1.3 識當留英之段:
- 諸碼塊(三反引圍)
- 內碼(反引裹)
- YAML 前題域名與技值(
name、tools、model、priority、skills列項、allowed-tools、tags、domain、language) - 檔路、URL、命例
- 隊中
<!-- CONFIG:START -->/<!-- CONFIG:END -->塊
得:源容全解、明心分可譯文於留技。
敗:源檔不在→驗 ID 於登在。察容類或 ID 拼。
二:架譯檔
2.1 行架腳本:
npm run translate:scaffold -- <content-type> <id> <locale>
2.2 檔已在→讀以察是否需更(陳)或已新。
2.3 驗架檔有譯前題域:
locale——配目地source_locale——ensource_commit——當 git 短雜translator——歸字串translation_date——今日
得:架檔於 i18n/<locale>/<content-type>/<id>/SKILL.md(或 .md 為他類)含正前題。
敗:架腳本敗→以 mkdir -p 手建目而複源檔。手加前題域。
三:譯描
3.1 譯 YAML 前題之 description 域於目地。
3.2 技:描於頂前題。代/隊/導:亦於頂前題。
3.3 譯保簡——配原長式。
得:描含意譯準傳原義。
敗:描歧→留近字譯而非冒誤釋險。
四:譯文段
4.1 段段譯諸文容:
- 段頭(如「## When to Use」→「## Wann verwenden」於德)
- 段文
- 列項文(非列項碼/路)
- 表格文(非表格碼/值)
4.2 留此元如原:
- 碼塊(``` 圍與縮)
- 內碼(
反引裹) - 檔路與 URL
- 跨參中之技/代/隊 ID
- YAML/JSON 配例
- 命行例
**Expected:**與**On failure:**標(譯標、留構)
4.3 技:譯標段名:
- 「When to Use」→ 地等
- 「Inputs」→ 地等
- 「Procedure」→ 地等
- 「Validation」→ 地等
- 「Common Pitfalls」→ 地等
- 「Related Skills」→ 地等
4.4 代:譯:
- Purpose、Capabilities、Available Skills(唯段名——技 ID 留英)、Usage Scenarios、Best Practices、Examples、Limitations、See Also
4.5 隊:譯:
- Purpose、Team Composition(唯文——ID 留英)、Coordination Pattern、Task Decomposition、Usage Scenarios、Limitations
4.6 導:譯:
- 諸文段、調文、表述
- 命例、碼塊、配片留英
得:諸文段意譯。碼塊同英源。跨參用英 ID。
敗:技詞不確→留英含括譯。例:德「Staging-Bereich (Staging Area)」。
五:驗構完
5.1 確譯檔同源段數。
5.2 技:驗諸需段在:
- YAML 前題含
name、description、allowed-tools、metadata - When to Use、Inputs、Procedure、Validation、Common Pitfalls、Related Skills
5.3 驗碼塊同英源(差圍塊)。
5.4 察行數:技必 ≤ 500 行。
5.5 驗 name 域精配英源(為 ID、永不譯)。
得:構效之譯檔過驗。
敗:段段比於英源。復諸缺段。
5.5:驗文已譯
5.5.1 自譯檔體取 3 文段。擇異段——非頭、非碼、非前題。
5.5.2 確各取段書於目語、非英。
5.5.3 取段仍英→譯不全。歸步四譯餘英文乃進。
得:3 取文段皆於目語、確體文已譯——非唯頭與前題。
敗:識何段仍含英文。譯之乃續入步六。
六:書譯檔
6.1 用 Write 或 Edit 工書全譯容於目路。
6.2 驗檔於期路:
- Skills:
i18n/<locale>/skills/<id>/SKILL.md - Agents:
i18n/<locale>/agents/<id>.md - Teams:
i18n/<locale>/teams/<id>.md - Guides:
i18n/<locale>/guides/<id>.md
得:譯檔書於碟正路。
敗:察目在。需則 mkdir -p 建。
驗
- 譯檔於
i18n/<locale>/<type>/<id>在 -
name域精配英源 -
locale域配目地 -
source_commit域為效 git 短雜 - 諸碼塊同英源
- 諸跨參 ID(技、代、隊)為英
- 檔 < 500 行(為技)
-
npm run validate:translations此檔報無患 - 文於目語意讀
忌
- 譯碼塊:碼、命、配當留英。唯譯圍文
- 譯
name域:name為典 ID。永不譯 - 譯標值:
metadata.tags中標留英為跨地一 - 詞不一:技詞於檔內與同地他檔皆用同譯
- 字譯成語:譯義非字。「Common Pitfalls」當為地自然等、非字字譯
- 缺
source_commit:無此域、新追斷。常含 - 批量過質:唯架出——頭譯而體留英——非效譯。少全譯勝多部
- 過 500 行:譯或脹 ~10-20% 於英。近限→緊文勿除容
參
- create-skill — 解所譯之 SKILL.md 構
- review-skill-format — 驗譯技構
- evolve-skill — 更譯後變之技
GitHub 저장소
연관 스킬
content-collections
메타이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.
polymarket
메타이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.
creating-opencode-plugins
메타이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.
sglang
메타SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.
