国际化不只是把界面翻译了
把界面翻译成多语言只是第一步 ✔。AI 功能的国际化还会遇到四类问题 ✗：
**输入语言、模型能力、文化与合规、以及数据可及性** ✔。
一、输入语言：别假设用户用英文提问
**自动检测语言**并选择合适回应语言 ✔（不要强制 ✔）；
**混排输入**很常见（中文 + 英文术语 ✔）→ 不要因为"检测到英文"就切成英文回复 ✗；
**明确语言偏好设置**（用户可指定 ✔），并在首次使用时不打断 ✔。
二、模型能力：不同语言的能力并不相同
同一个模型，在某些语言上表现明显更弱 ✔（尤其小语种 ✔）。
**做法**：
**分语言测**（每个目标语言都要有评测样本 ✔ —— 见评测那几篇 ✔）；
**能力不足就明说**（"该语言支持有限" ✔ —— 见能力区间那篇 ✔）；
**别用"英文测通过"推导"所有语言都能用"** ✗（这是最常见的误判 ✔）。
三、文化与合规：同一个表述在不同地区含义不同
**敏感话题与禁忌**逐地区确认 ✔（不是翻译问题，是文化问题 ✔）；
**法规差异**（数据本地化、保留期限、内容限制 ✔ —— 见数据保留那篇 ✔）；
**语气与礼貌级别**（某些语言有敬语层级 ✔ —— 与术语表一起维护 ✔）。
四、数据可及性：资料本身就是瓶颈
**资料是否覆盖该语言**？（往往只有英文/中文文档 ✔）；
**检索是否分语言**？（跨语言检索要么做好，要么明说只检索同语种 ✔）；
**时间与格式本地化**（日期、数字、币种 ✔ —— 见多语言工程坑那篇 ✔）。
五、该观测什么
**各语言的调用量、成功率、负反馈率**（分语言看 ✔）；
**语言检测准确率**（检测错会导致答错语言 ✔）；
**跨语言检索命中率** ✔；
**按地区的合规事件数**（应为 0 ✔）。
六、一条务实建议
```
不要一次上十种语言 ✔
先选 1~2 个目标语言，把"评测集 + 术语表 + 检索资料 + 合规确认"四件事做齐 ✔
再逐语言复制这套流程 ✔
```
一条判据
> 你的评测集里，**每个上线语言**都有样本吗 ✔？
> 没有，说明上线语言的"能用"还没有证据 ✗。