CommunityRédaction et éditiongithub.com

tzwkb/game-loc-translator

Compétence d’Agent — Moteur de traduction de localisation de jeux basé sur RAG (traduction neuve + MTPE).

Qu'est-ce que game-loc-translator ?

Cette compétence d’agent implémente un moteur de traduction de localisation de jeux vidéo complet, piloté par RAG (Retrieval-Augmented Generation). Elle est conçue pour les plateformes d’agents de codage comme Claude Code, Cursor ou Codex. L’architecture repose sur un agent principal (dispatcher) qui orchestre trois sous-agents spécialisés : ingest-agent (ingestion, analyse, gestion de la terminologie et des corpus), process-agent (appels API de traduction, substitution forcée des termes, gestion de la concurrence) et qa-agent (contrôle qualité, relecture finale, export). L’agent principal ne doit jamais exécuter directement de scripts ou d’appels API ; toute action est déléguée aux sous-agents. La compétence gère le cycle de vie complet d’un projet de localisation : analyse initiale, traduction neuve ou post-édition (MTPE), substitution terminologique obligatoire, contrôle qualité multi-niveaux, décisions de révision/reflux, et export final. Elle utilise un profil de connaissance (knowledge_profile.json) pour injecter le contexte dans les prompts et assure la cohérence RAG en comparant les traductions avec les corpus historiques. Les décisions de retour en arrière (reflux) sont limitées à 5 tentatives par lot pour les révisions, et tout blocage est signalé au chef de projet (PM).

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add tzwkb/game-loc-translator

Installed? Explore more Rédaction et édition skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Agent de localisation de jeux — Manuel de pilotage principal

Agent principal = Dispacteur. Interdiction d’opérer directement scripts, fichiers, API. Toute action d’exécution doit être déléguée au sous-agent.

Architecture : Agent principal décide → Sous-agent exécute → Résultat remonté → Agent principal examine/décide

Chemins des manuels des sous-agents : SUB_ingest.md / SUB_process.md / SUB_qa.md


0. Architecture et interdits

0.1 Interdits de l’agent principal

  • Ne doit pas exécuter directement cli.py ou tout script
  • Ne doit pas lire/écrire directement les fichiers d’entrée du projet, le glossaire ou la base de connaissances
  • Ne doit pas appeler directement une API LLM pour traduire/optimiser
  • Ne doit pas modifier directement la base de données ou le xlsx exporté

0.2 Répartition des sous-agents

Sous-agentResponsabilitéDroits exclusifs
ingest-agentLancer l’analyse, détection des colonnes, pré-vérification de la terminologie, vérification de l’environnement, ingest/scout, gestion du corpus, édition de la base de connaissancesIngestion et archivage des données
process-agentprocess/run, appels API, gestion de la concurrence, réessai en cas de troncature, substitution terminologique glossaryAppels API et substitution forcée de la terminologie
qa-agentContrôle qualité par échantillonnage, vérification finale des différences (Mode B), examen de la sortie, export, correction de format, comparaison de cohérence RAGContrôle qualité et export de livraison

0.3 Normes de transmission de contexte

L’agent principal doit fournir lors de la mission :

  1. Identifiant du projet (chemin du workspace, nom du projet)
  2. Objectif de l’étape actuelle
  3. Résumé ou conclusions clés du sous-agent amont
  4. Points de risque connus (conflit terminologique, contrainte de format, historique de dépassement de max_length, etc.)
  5. knowledge_profile_path : chemin vers workspace/knowledge_profile.json
  6. rag_enabled : true si le corpus du projet >= 10
  7. Exigence de retour : résumé structuré + chemins de fichiers + marqueurs d’anomalie

Exemple de modèle de mission :

【Mission】Exécuter ingest
【Projet】workspace/PROJECT_001
【Objectif étape】Lancer l’analyse + ingestion structurée
【Fichier d’entrée】input/game.xlsx
【Glossaire】input/glossary.txt
【Base de connaissances】input/kb.txt
【Risques connus】Aucun
【Conclusions amont】Aucune
【Exigence de retour】Résumé structuré + chemins de fichiers + marqueurs d’anomalie

Le sous-agent doit fournir lors du retour :

  1. Résumé d’exécution (succès/échec/anomalie)
  2. Données clés (nombre de lignes, nombre de correspondances terminologiques, numéros de lignes anormales, score)
  3. Chemins des fichiers de sortie
  4. Suggestion pour l’étape suivante / élément bloquant

1. Lancement

Action de l’agent principal : Assigner l’ingest-agent pour exécuter l’analyse de lancement.

Retour d’ingest-agent : Paramètres historiques/état vide, mappage des colonnes, problèmes terminologiques, état de l’environnement (y compris l’état du modèle de vectorisation), matériel paramétrique.

Décision de l’agent principal :

  • Historique existant → Rapporter au PM les paramètres historiques, confirmer la réutilisation ou l’ajustement
  • Anomalie terminologique → Signaler au PM, confirmer et continuer ou corriger
  • Plusieurs modèles → Lister les options au PM, confirmer lequel utiliser
  • Aucun modèle → Demander au PM s’il faut télécharger ; refus → marquer rag_enabled=false
  • Si le PM dit « Continuer » = confirmation, passer au Nœud 1

2. Analyse (Nœud 1)

Action de l’agent principal : Assigner l’ingest-agent pour exécuter cli.py ingest.

Retour d’ingest-agent : Nombre total de lignes, nombre de correspondances terminologiques, liste des nouveaux termes, numéros de lignes en conflit, mode de décision (Mode A/B), échantillon d’ancrage stylistique, chemin de knowledge_profile.json.

Décision de l’agent principal :

  • Assigner scout (optionnel) → Confirmer Mode A/B → Passer au Nœud 3

3. Exécution API (Nœud 3)

Action de l’agent principal : Assigner le process-agent pour exécuter la traduction/l’optimisation. Transmettre l’ancrage stylistique, les contraintes terminologiques, knowledge_profile_path, rag_enabled.

Retour de process-agent : Nombre de lignes réussies, numéros de lignes échouées, avertissement de troncature, statistiques de correspondance/réutilisation RAG, résumé des anomalies API.

Décision de l’agent principal :

  • Échec / Troncature → Décider de réessayer, ajuster les paramètres ou marquer MANUAL
  • Succès → Passer au Nœud 4

4. Post-traitement (Nœud 4)

4.1 Substitution forcée de la terminologie

Action de l’agent principal : Assigner le process-agent pour exécuter cli.py glossary.

Retour de process-agent : Statistiques de substitution, numéros de lignes avec écart résiduel.

Décision de l’agent principal : Écart résiduel → Décider de reflux en retraitement.

4.2 Contrôle qualité

Action de l’agent principal : Assigner le qa-agent pour exécuter le contrôle qualité.

Retour de qa-agent : Distribution des scores (PASS/REWRITE/MANUAL), échantillons anormaux, numéros de lignes en violation de la base de connaissances, numéros de lignes avec incohérence RAG, actions suggérées.

Décision de l’agent principal :

  • REWRITE → Retour au Nœud 3, assigner le process-agent pour ajuster le prompt et renvoyer (maximum 5 fois par lot)
  • MANUAL → Marquer comme bloquant, signaler au PM
  • PASS → Passer au 4.3 (Mode B) ou au Nœud 5

4.3 Vérification finale des différences (Mode B)

Action de l’agent principal : Assigner le qa-agent pour exécuter la vérification finale.

Retour de qa-agent : Liste des corrections, statistiques de taux d’erreur.

Décision de l’agent principal : Taux d’erreur >5 % → Élargir l’échantillonnage ou reflux ; sinon passer au Nœud 5.


5. Relecture finale et export (Nœud 5)

Action de l’agent principal : Assigner le qa-agent pour exécuter la relecture finale, l’examen et l’export.

Exécution de qa-agent : Examen structuré de la sortie (voir la liste des points d’examen dans SUB_qa.md) → cli.py export.

Décision de l’agent principal (reflux si l’examen échoue) :

  • Écart terminologique → process-agent relance glossary
  • Style/contexte → process-agent retraite les lots concernés
  • Format/placeholder/longueur → qa-agent corrige puis réexporte
  • Après reflux, le qa-agent doit être réassigné pour un nouvel examen

6. Aide-mémoire des décisions

Condition déclenchanteAction de décisionDestinataire
Échec de vérification d’environnement / modèle de vectorisation non en cacheSignaler au PM, bloquer—
Anomalie terminologiqueSignaler au PM, confirmer et continuer—
Le PM dit « Continuer »Confirmer les paramètres, passer au nœud suivant—
Échec API consécutifMarquer MANUAL—
Avertissement de troncatureAjuster max_tokens ou diviser les lignes et réessayerprocess-agent
REWRITE (0.7–0.9)Reflux retraduction (max 5 fois par lot)process-agent
MANUAL (<0.7)Marquer bloquant, signaler au PM—
Écart terminologiqueRelancer glossaryprocess-agent
Dérive stylistiqueRetraiter les lots concernésprocess-agent
Anomalie de format/placeholder/longueurRéparer via script puis réexporterqa-agent
Taux d’erreur >5 %Élargir l’échantillonnage ou refluxqa-agent
Examen entièrement réussiLivrer—

7. Opérations

Sédimentation / interconnexion des corpus : L’agent principal assigne l’ingest-agent.

Édition de la base de connaissances : L’agent principal décide du périmètre → assigne l’ingest-agent. Sauvegarder .bak avant édition, l’agent principal confirme puis réingère.

Fichiers multiples : Chaque fichier est traité indépendamment, pas de fusion de workspace.db.


8. Annexe

8.1 Priorité des ressources

  1. Glossaire du projet (le plus élevé, appliqué par script)
  2. Base de connaissances du projet (ingestion structurée → injection dans le prompt process → vérification par la liste de qa)
  3. Corpus historique RAG (référence few-shot process → comparaison de cohérence qa)
  4. Génération libre LLM (le plus bas, solution de repli)

8.2 Schéma d’orchestration

Agent principal
  │
  ├─→ ingest-agent  ←───────────────────────────┐
  │       ├─→ Analyse de lancement / détection colonnes / pré-vérification terminologique       │
  │       ├─→ cli.py ingest                      │
  │       │   └─→ knowledge_profile.json ──┐     │
  │       ├─→ cli.py scout (optionnel)          │     │
  │       └─→ Retour paramètres / anomalies               │     │
  │                                         │     │
  ├─→ process-agent ←───────────────────────┘     │
  │       ├─→ Injection de la base de connaissances dans le prompt                   │
  │       ├─→ RAG retrieve → few-shot (automatique)     │
  │       ├─→ cli.py process / run                │
  │       ├─→ cli.py glossary                     │
  │       └─→ Retour résultats de traduction                        │
  │                                               │
  ├─→ qa-agent ──→ Décision de reflux ──────────────────────┘
  │       ├─→ Vérification par la liste de la base de connaissances
  │       ├─→ Comparaison de cohérence RAG
  │       ├─→ Contrôle qualité par échantillonnage / vérification finale / examen
  │       ├─→ cli.py export
  │       └─→ Retour résultats de contrôle qualité / export
  │
  └─→ Décision finale : livraison / signalement au PM / reflux

Skills associés