该翻译软件通过术语库、占位符、强制译出、上下文保护和神经网络约束等多层机制来保留关键词，用户可导入词表或在文本中标注关键词，系统在翻译时优先匹配并同步格式，必要时提供回译与人工校对接口以确保专业名词不被替换。并提供可导出的术语列表、锁定标记与优先级设置以便持续管控。并支持多人协同与审计可全程追溯链。
一句话先把机制说清楚（费曼法第一步：先简化到能讲给孩子听）
要保留关键词，说白了就是“告诉机器哪些词不能随便改”，然后机器按这个清单去翻译，同时保证词形、大小写、格式等不被破坏。就像你做菜前把重要的调料放在一边，其他东西随便搭，最后再把这些调料按顺序放回去，味道就不会跑偏。
核心方法：软件如何在技术层面保护关键词
1. 术语库（Terminology / Glossary）
什么是它：一个用户可编辑的词表，包含原词、推荐译文、上下文说明、优先级等信息。软件在翻译时把它当作“硬规则”或“高优先级建议”。
- 优势：简单直观，用户可控制；适合品牌名、专业术语。
- 局限：需要维护，遇到多义词或新词时需要人工确认。
2. 占位符与锁定标记（Placeholders / Tags）
把关键词用特殊标记包起来，比如<keep>关键词</keep>或{KEYWORD}，翻译器在翻译前会把这些标记当成不可拆分的单元，或在译后把原始词回填进去。
- 适合含有变量、电话、产品编号等不应翻译的内容。
- 注意：如果占位符里有语言成分（如复数变化），回填时要处理语法一致性。
3. 强制译出 / 强制保留（Forced Translation / Copy mechanism）
这里有两种做法：一种是强制使用词表里的翻译（forced target），另一种是完全复制源词（copy）。现代神经模型常用“copy mechanism”在生成端优先选择复制源词，尤其针对专有名词。
4. 上下文保护与窗口约束
有时只是保留关键词还不够，需要保护前后文不被误译。软件会把关键词及其左右若干词作为一个整体输入模型，或在解码时加入约束，避免模型因为句子整体翻译而改变关键词表达。
5. 术语优先级与冲突解决
多个词表或不同规则同时存在时，软件用优先级、最近使用或上下文匹配度来决定最终采取哪个翻译。用户一般可以设置“强制优先”“高优先”“低优先”三档。
实现细节（对开发者或高级用户有用）
神经网络里的保留技巧
在Transformer等模型中，常见做法包括：
- 输入端加入占位符标记，模型学会在输出中保留或复制对应位置。
- 解码端加入约束（constrained decoding），在束搜索（beam search）时禁止输出某些词或强制插入指定词。
- 训练时加入术语约束样本，让模型学会在给出术语表时优先采用表中译法。
文件格式和流程支持（用户角度很重要）
常见支持的格式有XLIFF、TMX、CSV、Excel、JSON等。专业流程通常包含：
- 上传原文（可附带术语表）
- 系统预处理（识别占位符、标注可疑术语）
- 自动翻译并按照术语表锁定词汇
- 回译或人工校对
- 导出并同步术语库与记忆库（TM）
用户实践指南：如何在HelloWorld/LookWorldPro里把关键词“钉死”
下面给出一步一步的操作建议，既有即刻能做的，也有利于长期维护的。
步骤一：先列清单
- 把品牌名、产品型号、专有名词、术语和常用缩写做成表格，写清楚“原文→目标译文”。
- 标注优先级：高（必须保留或固定译法）、中（建议但可调整）、低（可由翻译决定）。
步骤二：用占位符保护结构化字段
对于数字、代码、URL、用户名称等，使用占位符格式上传。很多工具支持自动识别并提示“此处为占位符”，不纳入翻译。
步骤三：导入术语库并选择策略
导入后选择“强制优先”或“推荐优先”。强制优先适合法律、医疗、品牌标签等不能变的词；推荐优先适合风格灵活但希望一致性的场景。
步骤四：启用回译（Back-translation）或人工校对
回译能快速发现关键词被改动的情况，人工校对能处理语法一致性等复杂问题。*别完全信任机器*，尤其是多语种组合或行业术语。
步骤五：把结果同步回术语库与翻译记忆
合格的译法应进入术语库或TM，供未来自动生效，避免重复校对成本。
一个小表格：常见保留方法对比
| 方法 | 优点 | 缺点 |
| 术语库 | 可控、可导出、易管理 | 需维护、多义词需人工判断 |
| 占位符 | 对结构化内容效果好 | 占位符内语法需额外处理 |
| 强制译出 | 可确保一致性 | 语言流畅度可能受影响 |
| 模型约束 | 自动化高、与NMT结合紧密 | 实现复杂，需额外计算 |
常见问题与坑（用过的人会踩的）
- 多义词误判：仅靠词表可能错用译法，建议把上下文也上传或注明示例句。
- 格式破坏：术语替换后大小写或复数不对，需要后处理脚本或人工审校。
- 版本冲突：多人同时更新术语库会出现覆盖，启用回溯审计和版本控制很重要。
- 语言结构差异：某些语言需要词形变化（如格或性别），简单复制会出错，需设置后处理规则。
给产品经理和翻译主管的建议（落地可执行）
- 把关键词保留作为质量门槛之一，建立接受标准（比如：术语符合率≥95%）。
- 定期清理和归类术语库，设置词条的责任人和更新时间。
- 培训译者与内容创作者，让他们在源头就标注关键词和上下文示例。
- 把术语执行结果作为KPI的一部分，衡量系统和人工的协同效率。
技术一瞥（如果你想更深入）
对于喜欢钻研的人，可以关注这些方向：
- constrained decoding、finite-state acceptors 在解码时强制输出特定词序列；
- pointer-generator 和 copy mechanism 用于在生成时从源文本复制片段；
- 数据增强：在训练集中加入术语样本，提高模型对术语的敏感性；
- 端到端的术语约束学习：把术语优先级作为loss的一部分，使模型在训练时就学习“不要改这个词”。
举个例子，聊着写出来更直观
比如你有一句英文广告文案：”UltraClean 3000 delivers unmatched results.” 你想保留产品名 UltraClean 3000，不要被译成“超清洁3000”或拆开。流程可以是：在源文里把它标注为{PRODUCT:UltraClean 3000}，在术语库里加入 UltraClean 3000→UltraClean 3000（不译），设置为强制优先。翻译时系统识别占位符并在输出中保留原词，同时为动词短语做地道语言转换，最终译文既自然又不丢品牌。
其实写到这儿我也想到，很多团队只做了术语库，却忽略了后续维护和回溯审计，结果越来越乱。把机制和流程一起设计，才是长期有效的办法。
