# 六美元翻译 447 篇文章：一个人的跨平台内容基础建设 > 一个非全职工程师如何用 Claude Sonnet 自动翻译 114 篇文章成四语版本（总花费 $5.99 USD）、用 Whisper + Haiku 建立 312 笔 Wiki 知识图谱、用 llms.txt 双层索引让 AI 爬虫直接读取全站内容。三条自动化管线的工程决策与踩坑纪录。 - Author: Paul Kuo（郭曜郎） - Date: 2026-05-28 - Pillar: 智能与秩序 / Intelligence & Order - Tags: 内容管线, AI 翻译, 知识图谱, AEO, Cloudflare Workers, 自动化, Claude - Canonical: https://paulkuo.tw/zh-cn/articles/cross-platform-content-infrastructure/ - Language: Simplified Chinese (简体中文) - Translation: AI-translated from the zh-Hant (Traditional Chinese) original - Original (zh-Hant): https://paulkuo.tw/articles/cross-platform-content-infrastructure.md - Site index for LLMs: https://paulkuo.tw/llms.txt --- > **TL;DR** — 114 篇文章 × 4 语言 = 447 个文件，翻译总花费 $5.99 美元。这篇记录三条内容管线的工程实践：Claude Sonnet 驱动的四语翻译管线、Whisper + Haiku 驱动的 Wiki 知识图谱、以及 llms.txt 双层索引的 AEO 策略。每条管线的设计核心都是同一个原则：manifest 驱动的幂等性。
▶ 听摘要
AI 合成语音・作者本人声线克隆
2026 年 5 月 14 日，我花了三个小时手动把一篇文章翻成英文、日文、简体中文三个版本。翻完之后才发现，repo 里早就有一支自动翻译脚本。 更惨的是，我的日文版用了「です/ます」敬体，但脚本内建的指引是「だ/である」常体。跟过去已经翻好的一百多篇文章的语气完全不一致。结果三个语言版本全部重翻。 三个小时的手工活，被一行 `node scripts/translate-article.mjs` 取代了。这个经验让我认真盘点了一次自己到底建了什么。然后发现，不知不觉间，一套还算完整的内容基础建设已经长出来了。 ## manifest 驱动的翻译管线怎么做到 $5.99 翻 447 篇？ paulkuo.tw 的每篇文章都有四个语言版本：正体中文（主版）、英文、日文、简体中文。114 篇主版 × 4 语言 = 447 个文件。全部由一支 400 行的 Node.js 脚本完成翻译，背后用 [Claude Sonnet](https://docs.anthropic.com/en/docs/about-claude/models) 的 Messages API。 整套系统的核心是一个 manifest 文件（`data/translation-manifest.json`），记录每篇文章的 body hash 和各语言版本的翻译状态。脚本每次跑的时候，先算主版文章的 body hash，跟 manifest 里的比对。hash 一样就跳过，不一样就翻。 这里有一个刻意的设计决策：hash 只算文章正文，不算 frontmatter。改封面图路径、改 readingTime、加 tags，都不会触发重翻。因为翻译的目标是正文内容，metadata 改了不影响翻译质量。这个小决定省了不少钱。我常常修 frontmatter 但不动正文，如果每次都重翻，成本会翻好几倍。 三个语言版本各有自己的翻译指引，写在 API prompt 里： 英文走 measured、philosophical 的语气，保留神学术语原文（Logos, Sarx, incarnation）。日文指定「だ/である」调（常体），不用「です/ます」（敬体）。这个决定是踩了前面说的那个坑之后才变成硬性规则的。简体中文以字符层繁简转换为主，加必要的用语调整（软件→软件、网络→网络），不大幅改句式。 费用呢？67 次 API 呼叫，总共 $5.91 美元。英文最便宜（输出 token 较少），日文最贵（输出 token 较多）。平均一篇文章三个语言版本加起来 $0.27 美元，大约台币九块。 有一个 bug 差点造成严重问题：早期版本在翻译循环里，每翻完一个语言就更新 manifest 的 sourceHash。结果翻完英文后，manifest 已经标记「已翻」，日文和简体版就被跳过了。修正后改成三个语言全部翻完才更新 hash，一个小小的时序问题差点让三分之二的翻译消失。 ## 从笔记和 YouTube 到知识图谱：Wiki ingest 管线做了什么？ 翻译管线处理的是「已写好的文章」。但内容的上游。那些还没变成文章的笔记、YouTube 视频、web clips，需要另一条管线。 paulkuo.tw 有一套 Wiki 系统，灵感来自 [Karpathy 的个人知识图谱模式](https://x.com/karpathy/status/1901289009390411834)。目前 312 笔已入库的知识节点，来自四个来源：得到 App 笔记（156 篇）、网站文章自身（93 篇）、YouTube 视频（38 篇）、web clips（25 篇）。另外还有 54 篇在待审区。 每笔知识节点都有 visibility 分级。公开的（public）可以直接进 Wiki；内部的（internal）需要去识别化；私人的（private）不进 Wiki。判定规则写在 `wiki_visibility.py` 里，有一条特殊规则：tags 带有「录音卡笔记」的笔记是会议录音转写，即使在公开文件夹里也要降级。 YouTube ingest 是技术上最有趣的一段。脚本追踪 5 个频道，用两层转录策略：第一层用 yt-dlp 抓字幕文件（优先手动字幕，其次自动生成字幕）；如果没有字幕，降到第二层，下载音频文件，送 [Groq 的 Whisper Large V3 Turbo](https://groq.com/) 做语音转文字。音频超过 24MB 的话，先用 ffmpeg 压成 mono 16kHz 32kbps opus 再送。 转录完的内容不直接进 Wiki。它先进 `sources_pending/` 待审区，等人工确认后才晋升。晋升之后还有一道 enrichment，用 Haiku 4.5（最便宜的 Claude 模型）补上 summary、key points、quotes（带时间戳）、concept links。这是刻意的模型选择：enrichment 不需要 Sonnet 等级的推理能力，Haiku 做摘要和关键字提取绰绰有余，成本是 Sonnet 的十分之一。 知识节点最终被 seed 到 [Cloudflare KV](https://developers.cloudflare.com/kv/)，供 Wiki 的搜索 API、知识图谱可视化、和 `/api/wiki/ask` 问答端点使用。 ## 让 AI 爬虫读懂你的网站：llms.txt 双层索引和 robots.txt 策略 这是三条管线里离「传统内容经营」最远的一条，但我认为它在 2026 年的重要性会越来越明显。 paulkuo.tw 的 `robots.txt` 里有 11 个被点名的 AI 爬虫 user-agent：GPTBot、ChatGPT-User、Google-Extended、PerplexityBot、ClaudeBot、Applebot-Extended、cohere-ai、Bytespider、OAI-SearchBot、Claude-SearchBot、Perplexity-User。全部允许爬内容页面，全部挡 `/api/`、`/auth/`、`/ws/` 和管理后台。 分成两个类别：训练用爬虫（GPTBot 等）和搜索用爬虫（OAI-SearchBot、Claude-SearchBot、Perplexity-User）。后面这组是 2026 年 5 月才新增的，因为 [Answer Engine Optimization（AEO）](https://searchengineland.com/answer-engine-optimization-aeo-seo-evolution-452290)的逻辑跟传统 SEO 不同。你要让 Perplexity、Google AI Overview、ChatGPT Search 能读到你的内容，它们才会在回答使用者问题时引用你。 robots.txt 只是门票。真正的 AEO 基础工程是 `llms.txt` 双层索引，灵感来自 [llms.txt 提案](https://llmstxt.org/)： 第一层 `llms.txt` 是轻量索引，按 pillar 分组的文章清单加上 Wiki 概念，AI 爬虫扫一遍就能理解这个网站在讲什么。第二层 `llms-full.txt` 是完整全文，每篇文章的 markdown body 全部倒出来，让需要深度理解的 AI 引擎可以一次读完。 两层都是 Astro build 时动态产生的。新文章上线、Wiki 新增概念，下次 build 就自动收录。不需要手动维护索引。 这套系统在「[AI 与人类秩序](/zh-cn/topics/ai/)」这个主题里代表一个很具体的立场：我选择对 AI 开放，而不是封闭。11 个爬虫全部 Allow，全站内容摊开来让它们读。因为在 AEO 的逻辑里，被 AI 引用是流量来源，不是威胁。 ## 三条管线共享的设计原则 回头看这三条管线，翻译、Wiki ingest、社群发布，它们看起来做的事情完全不同，但共享同一个设计地基：**manifest 驱动的幂等性**。 翻译管线的 manifest 追踪 body hash，确保同一篇文章不会被重翻。Wiki ingest 的 `raw_note_id` 比对确保同一篇笔记不会被重复入库。社群发布的 `social-logs/{slug}-*.json` 记录每篇文章的发布状态，确保同一篇不会被重复排程。 幂等性为什么重要？因为这三条管线全部可以中断重跑。翻译跑到一半断了？重跑一次，已翻的会被跳过。Wiki ingest 的 cron 每天跑一次，不管前一天有没有跑成功。社群排程如果 API 超时？重试机制自动 backoff 重送。 这是个人项目跟企业系统最大的差别：我没有 SRE 团队帮我顾管线，所以管线必须设计成「随时可以坏、坏了重跑就好」。manifest 就是这个设计的核心，它让每一步都知道自己上次做到哪里。 另一个共享原则是模型分层。翻译用 Sonnet（需要语言质量）、enrichment 用 Haiku（只需要摘要能力）、封面图用 gpt-image-1（视觉生成）、转录用 Whisper（语音识别）。不是所有任务都需要最强的模型。$5.99 的总成本，很大程度上是因为在每个环节都选了「刚好够用」的模型，而不是一律用最贵的。 ## 六美元和一个还在长的系统 把三条管线的成本加起来：翻译 $5.91 + 封面图 $0.08 = **$5.99 美元**。大约台币 195 元。 这个数字涵盖了 114 篇文章的三语翻译（447 个文件）、封面图生成、还有所有相关的 API 呼叫。Wiki 的 Haiku enrichment 和社群发布的 freeimage 图床是另外算的，但金额更低。Cloudflare 的 Workers、KV、R2、Pages 全部在免费额度内。 我不觉得 $5.99 这个数字本身有什么了不起。了不起的是管线设计让这个成本可预测、可追踪、可控制。每一笔 API 呼叫都记录在 `costs.jsonl` 里：时间戳、模型、token 数、美元成本、台币成本。任何一天的花费突然异常，我能在 JSONL 里一眼看到是哪条管线、哪篇文章造成的。 这套系统还在长。Wiki 的 38 笔概念页面还远远不够（目标是 200+），YouTube ingest 才追踪 5 个频道，社群发布只有 X 和 Threads 真正接通了 API。但基础建设已经在那里，manifest、cost tracker、visibility 分级、幂等性，新增一个来源或一个平台，接上去就好。 [我在 autoresearch 那篇文章里](/zh-cn/articles/autoresearch-degenesis-personal-ip/)说过，个人 IP 场景的 autoresearch 不是让网站自己懂机器，是让 agent 们一起懂你。这套内容基础建设就是「一起懂你」的具体载体：翻译管线让四种语言的读者懂你，Wiki 管线让你自己的知识结构被系统化，llms.txt 让 AI 引擎懂你。 六美元。447 篇文章。还在长。 --- ## 常见问题 **Q: 用 AI 翻译文章质量够吗？不需要人工校对？** 看语言和用途。英文版质量稳定，因为 Claude Sonnet 的英文输出本来就强。日文版是最大的坑。脚本指定用「だ/である」常体，但手动翻译时很容易滑进「です/ます」敬体，两者混用读起来很怪。简体中文版主要做字符层繁简转换加用语调整。Paul 会扫一眼翻译质量但不逐句校对，靠 manifest 系统确保源头改了就重翻。 **Q: llms.txt 是什么？为什么要做两层？** llms.txt 是一个新兴的标准，让 AI 爬虫能快速理解网站内容结构。paulkuo.tw 做了两层：llms.txt 是轻量索引（按 pillar 分组的文章清单 + Wiki 概念），llms-full.txt 是完整内容（每篇文章的全文 markdown）。两层都是 Astro build 时动态产生的，新文章上线自动收录。 **Q: Wiki 知识图谱的 ingest 来源有哪些？** 目前四个来源：Paul 的得到 App 笔记（156 篇）、paulkuo.tw 文章本身（93 篇）、YouTube 频道（38 篇，5 个频道自动追踪）、以及 web clips（25 篇）。加上待审区 54 篇，总共 366 笔知识节点。每笔都有 visibility 分级（public / internal / private）和 sensitivity 标记。 **Q: 整套管线的维运成本是多少？** 截至 2026 年 5 月：翻译 $5.91 + 封面图 $0.08 = $5.99 美元（约 NT$195）。这是 447 个翻译文件 + 封面图生成的总成本。Wiki enrichment 用 Haiku 4.5（最便宜的模型），社群发布用 freeimage（免费图床）+ OneUp（排程工具）。Cloudflare Workers/KV/R2 在免费额度内。