来自：Python大数据分析 费弗里
大家好我是费老师，今天要给大家分享的案例是纯开发的「AI翻译工具」
之所以可以完全基于轻松开发出这个应用，要得益于生态中非常强大的网页应用开发框架，以及其相关生态中的（官网地址：https://fac.feffery.tech/ ）等组件库，使得我们可以轻松调用不同的功能组件，并编写相应的回调函数来实现各种用户交互反馈功能：
下面我们对这个应用实现的主要过程做简短介绍，具体技术细节欢迎扫描「文章末尾二维码」，即刻加入Dash技术学习交流群一起交流：
1 启动应用
首先，按照文章开头提示下载好本项目完整源码解压后，在项目根目录打开终端，激活你的环境（推荐使用版本），接着执行，完成当前项目依赖库的安装。
注意在文件中将你的合法密钥赋值给，然后直接在终端执行即可启动应用，按照控制台提示的信息，浏览器访问本地地址即可访问应用：
2 应用主要功能
本应用通过交互界面，接受用户输入的待翻译内容，后台基于的大模型对话补全服务，对用户输入的待翻译内容进行自动语种检测，当检测到语种在英语、汉语之间时，进行相应的英汉互译计算，并将翻译结果更新到页面中：
由于是调用了大模型执行的翻译任务，因此在对很多「特殊用语」在当前语境下进行翻译时，会比常规的翻译更加的「准确」，譬如同样的输入内容，上面的例子中正确的将“懂王”翻译为了“Trump”，而有道翻译中则进行了错误的翻译：
在对大模型服务的调用方面，本应用为了「稳定」得到输入内容对应的语种、翻译结果信息，使用到对应大模型服务的功能，通过构建恰当的提示词，来约束大模型能够给出具有稳定键值对结构的返回结果：
当用户输入的内容，经大模型检测后不在英语、汉语之中时，页面中会给出相应的提示信息，从而约束本应用的功能使用范围：
3 应用开发重点思路
作为一个轻量的应用，其项目结构非常简单：
-
中构建了应用的页面内容及交互计算逻辑
-
中对调用大模型执行翻译结果的返回进行了封装
-
目录是应用默认的静态文件目录，用于存放应用的logo图片等文件