去年，我完整翻译了一本英文书《Build a Large Language Model (From Scratch)》。
这是一本实操性极强的教程，能帮我们深入理解 GPT 类大模型的底层原理。在翻译时，我也加入了很多自己的思考和解读。
没想到，这份中文版电子书在 GitHub 上发布后，收获了许多朋友的关注。
“
前两天，有朋友发来一本 Google DeepMind 近期发布的电子书《How to Scale Your Model》，问能否帮忙快速翻译成中文。
我快速翻了一下，全书共 12 章，干货满满。
它系统地讲解了大语言模型如何做系统级优化。内容涵盖 TPU/GPU 的工作与通信原理，大模型在硬件上的真实运行方式，以及训练和推理中的并行化策略。
对于经常需要自己部署和调优开源模型的开发者来说，这本书的价值不言而喻。同时，我想着它也可以衔接《Build a Large Language Model (From Scratch)》，作为进阶的学习资料。
于是，我周末 Vibe Coding 了一下，搭建了一套工作流，快速完成了翻译任务，交付给朋友。接下来，我也会抽时间好好研读一下。
“
翻译项目地址（开源） ：github.com/skindhu/How…
中文版本在线阅读地址：skindhu.github.io/How-To-Scal…
接下来，花点时间和大家分享一下这次快速翻译的工作流。
我是如何快速翻译的
原书是一个在线网站，为了保证翻译后格式完全一致，我把整个流程拆解为四个步骤：
- 书籍章节批量获取：这部分比较简单，需要注意的点是原书页面中所有的内容都是动态的，所以要等完全加载结束后再去获取。
- 核心内容智能翻译：细节点较多，需要有选择性翻译，聚焦于文章内容，像代码、公式、人名等不应该翻译，在不同的章节中，专业术语的翻译需要保障一致性。同时译文和原文格式要完全一致。
- 链接本地化：翻译后的文章中，诸多的外链需要批量转换为内部相对路径。
- 版权信息注入：尊重版权，译文中的每个章节必须附带原文链接，以及翻译者的联系方式。
下面，我来逐一拆解。
第一步：批量获取网页内容
这部分我选用了开源框架 crawl4ai。
它支持丰富的抓取策略，无论是静态还是动态页面，都能轻松搞定。
原书网站的内容是动态加载的，所以必须等页面完全渲染后才能获取。因此，我设置了一个滚动到底部并等待 3 秒的策略，确保抓取到完整的 HTML。
# 核心代码：滚动到底部，等待3秒，确保动态内容加载完毕
js_code = [
"window.scrollTo(0, document.body.scrollHeight);",
f"await new Promise(resolve => setTimeout(resolve, {int(wait_time * 1000)}));"
]
# 执行抓取
result = await crawler.arun(
url=url,
bypass_cache=True,
wait_for="body",
delay_before_return_html=wait_time,
js_code=js_code,
css_selector="body",
page_timeout=60000 # 60秒超时
)
要抓取全书，只需提前配置好所有章节的链接列表即可。
第二步：书籍的智能翻译
翻译是整个流程中最核心、也最复杂的一环。
我选择Gemini 2.5 Pro来执行翻译。为了确保翻译质量，我面临两个挑战：
- 准确性：专业术语不同的章节要统一，不能出现偏差。
- 选择性：只翻译文章内容，像代码、公式、人名、链接等必须保持原样。
我的解决方案是：专业术语表 + 精心设计的 Prompt。
你是一个专业的技术文档翻译专家，专门翻译机器学习和深度学习相关的技术文章。
请将以下HTML内容从英文翻译成中文，要求：
1. **格式保持**：完全保持原HTML结构、标签、属性、CSS类名、ID等不变。
2. **内容翻译**：只翻译HTML标签内的文本内容，不翻译HTML标签本身。
3. **术语一致性**：使用以下专业术语对照表保持翻译一致性：
{terminology_list}
4. **翻译质量**：
- 准确传达原文技术含义
- 保持中文表达的流畅性和自然性
- 数学公式、代码片段、URL链接保持不变
5. **特殊处理**：
- 不翻译HTML注释、JavaScript代码、CSS样式
- 不翻译属性值（如class名、id等）
- 不翻译锚点链接（#开头）
- 不翻译数学公式占位符（MATH_PLACEHOLDER_XXX）
请只返回翻译后的完整HTML内容，不要添加任何解释或额外信息。
原HTML内容：
{html_content}
其中terminology_list就是专业术语表，我从这12章中提取了大概50多个专业术语，由于内容较多，就不贴在这里，感兴趣的读者可以去开源项目中查看。
本以为这样就万事大吉了，但很快就遇到了新问题：Token 数量超限。
Gemini 2.5 Pro的输入Token很长（1,048,576个），但输出却有8192个Token的限制。对于内容较多的章节，翻译结果会直接被截断。
我第一时间想到的方案就是分块处理。
为了设计合理的分块策略，我分析了下网页结构，大致如下：
<html>
<head>
<title>...</title>
<meta content="..." name ="description" />
/* 各种样式和脚本 */
</head>
<body>...</body>
</html>
可以看到，我们需要翻译的是head标签中title、description，以及body标签中的内容，中间大段的样式和脚本代码完全不用发送给大模型。
于是，我使用python的BeautifulSoup库对HTML页面进行了解析，单独提取出了上述需要翻译的标签内容，分成两部分分别发送给Gemini进行翻译。
问题有缓解，但有些章节的<body>部分依然太长，还是会超出Token限制。我继续分析，发现里面包含了大量由<mjx-container>标签包裹的数学公式，这些是不需要翻译的。
最终我的解决方案是：提取 → 占位 → 翻译 → 还原。
- 提取：在翻译
<body>前，先用脚本将所有数学公式（<mjx-container>）提取出来。 - 占位：在原文中，用
MATH_PLACEHOLDER_XXX这样的占位符替换掉公式。 - 翻译：将处理过的、不含公式的
<body>内容发给大模型翻译。 - 还原：翻译完成后，再将占位符替换回原来的数学公式。
# 核心思路：提取 → 占位 → 翻译 → 还原
# 遍历所有 <mjx-container> 数学公式标签
mjx_containers = soup.find_all('mjx-container')
for i, container in enumerate(mjx_containers):
# 创建一个唯一的占位符
placeholder = f"MATH_PLACEHOLDER_{i:03d}"
# 将原始公式存起来
self.math_content_store[placeholder] = str(container)
# 在HTML中用占位符替换公式
container.replace_with(placeholder)
通过这套“分块 + 占位”的精细化操作，比较好的解决了 Token 限制问题。最后，再将翻译好的各部分拼接成一个完整的HTML文件，这样，既准确地翻译了所有核心的内容，又保障了格式的完全一致性。
第三、四步：链接本地化与版权保障
这两部分工作比较简单，本质上是文件内容的批量查找和替换，用一个脚本就能快速搞定。
最终，每个翻译章节的顶部都会附上原文链接和译者信息，确保对原作者的尊重。
将以上所有模块组合起来，就构成了一套自动化翻译流水线。加上大模型API的调用耗时，整个流程可以在半小时内完成一整本书的翻译。
结语
这次全书翻译工作尽管很快，其实属于粗翻，因为我还没有完整的看完全书，也不知道翻译得是否准确。
尽管现在大模型的能力越来越强，但好的翻译往往需要在深刻理解的基础上，才能做到通俗易懂且精准无误（正如我在翻译《Build a Large Language Model (From Scratch)》时所付出的努力）。
接下来，我会在研读原文的过程中，逐步去校正初版译文中的各种细节。欢迎Star。
“
翻译项目地址（开源） ：github.com/skindhu/How…
