10分钟搞定一个翻译软件：我的 AI 编程实战分享

昨晚睡前突发奇想：能不能用本地大模型做一个牛逼的翻译软件？

市面上的翻译工具要么要联网、要么要付费、要么有隐私顾虑。

既然 Google 开源了 TranslateGemma 这个专门做翻译的模型，为什么不自己撸一个？

于是我打开 Claude Code，预计应该要折腾两天吧。

从想法到可用软件，用了多久？

说出来你可能不信——三轮对话+10分钟。

不是一周，不是一天，不是几个小时，就是几轮连续的对话，大概十几分钟。

从需求文档、技术方案、UI 设计、代码实现、到最后打包成可分发的 .msi 和.exe 安装包，全程不写一行代码，只用语音输入加回车。

最终产物：一个 2MB 不到的桌面翻译软件，支持 55 种语言，完全本地运行，速度极快。（模型另算哦）

我是怎么开始的

一开始我只说了一句话：

“translategemma + ollama api + Tauri 开发一个本地的翻译软件。请帮我做一个简单开发方案。写一个需求文档和技术文档。”

Claude 立刻开始工作：

• 先去 ollama.com 抓取了 TranslateGemma 模型介绍信息
• 整理出完整的语言代码列表（100多种语言变体）
• 写了 PRD（产品需求文档）
• 写了技术设计文档

这些文档不是那种敷衍的模板，是真的可以直接用的。

比如语言代码，它按国家/地区分类整理，还带上了国旗 emoji 和本地语言名称，直接复制到代码里就能用。

如果让我自己做的话，55种语言，几百个国家 ，整理和验证，都得消耗巨多的时间。

写需求文档和技术文档，也是一个特别吃经验和消耗脑力的活！

开发过程中的几个有意思的点

1. UI 设计的迭代

最开始 Claude 给的是上下布局（输入框在上，输出框在下）。我说：

“用户界面设计部分，我希望改成左右结构”

它立刻重新设计，不只是改了布局，还主动加上了：

• 国家选择器（带国旗）
• 语言选择器
• 交换按钮
• 复制和朗读按钮
• 底部状态栏显示 Ollama 连接状态

这种”理解意图然后超预期交付”的感觉，真的很爽。

2. 自动翻译 vs 手动翻译

第一版实现的是自动翻译——输入文字后 800ms 自动触发翻译。但我试了一下，发现没有翻译按钮总觉得少了点什么，于是问：

“好像没有点击翻译的按钮”

Claude 秒懂，立刻加上了一个蓝色的翻译按钮，同时保留了自动翻译功能。两种模式并存，用户想怎么用都行。

3. 构建发布包的小插曲

打包的时候报错了：icons/icon.ico not found

这种问题以前要自己去查文档、找原因。现在 Claude 直接：

1. 用 npx tauri icon 从 SVG 生成了全套图标
2. 更新了 tauri.conf.json 配置
3. 重新构建

全程没让我操心。

技术栈选择

最终的技术栈：

层级	技术	为什么选它
桌面框架	Tauri 2	比 Electron 轻 10 倍，安装包才 2MB
前端	Vue 3 + TypeScript	组合式 API 写起来舒服
样式	Tailwind CSS	原子化 CSS，不用写 class 名
AI 运行时	Ollama	本地跑大模型的事实标准
翻译模型	TranslateGemma	Google 开源，专门做翻译

这套组合的好处是：完全本地化，多平台， 开发快，界面漂亮。

有了Ollma和TranslateGemma的加持，可以做到翻译请求不出本机，隐私有保障，几乎实时翻译，而且翻译能力很强。

最终的项目结构

fanyi/
├── docs/                    # 文档（PRD、技术文档、模型说明）
├── src/                     # 前端 Vue 代码
│   ├── composables/        # 组合式函数
│   │   ├── useTranslate.ts # 翻译逻辑（流式输出）
│   │   └── useOllama.ts    # Ollama 状态管理
│   ├── config/
│   │   └── languages.ts    # 语言配置
│   └── App.vue             # 主界面
├── src-tauri/              # Rust 后端
└── package.json

代码量不多，但五脏俱全。流式输出、防抖、状态管理都有。

一些感悟

最近尝试了Claude Code和Codex，真的是感觉奇点已至，写了十几年代码，从来没有感觉到写代码可以这么轻松，这么充满乐趣。

本质上已经不是在写代码，而是在写需求。

瞬间从码农升级到架构师了！

当然这个时候你的经验，也就是你人生的上下文，行业的上下文，专业的上下文，也变得特别重要，特别有价值。

下面根据这段时间的体验，做几个浅薄的总结。

AI 编程的正确姿势

用 AI 编程不是让它写一行一行的代码，而是用自然语言描述你想要什么，让它去实现。

你要做的是：

1. 描述清楚需求
2. 提供必要的上下文（比如技术栈偏好）
3. 在关键决策点给出反馈

剩下的交给 AI。

什么样的项目适合这样做？

• 有清晰的需求
• 技术栈成熟（有足够的训练数据）
• 不涉及复杂的业务逻辑

翻译软件刚好符合这三点：需求明确（输入文字，输出翻译），技术栈成熟（Tauri + Vue），业务逻辑简单（调 Ollama API）。

这不是”无代码”

虽然全程我没怎么写代码，但我需要：

• 理解技术选型的 tradeoff
• 能看懂生成的代码
• 知道什么是合理的、什么是有问题的

AI 只是放大器，绝对不是替代品。它放大的是你已有的能力。

如果你的输入本身就不靠谱，最后的结果必然不靠谱。

最后

这个项目已经开源，安装包也打包好了。如果你感兴趣：

• MSI 安装包：LocalTranslator_0.1.0_x64_en-US.msi（2.2 MB）
• EXE 安装包：LocalTranslator_0.1.0_x64-setup.exe（1.5 MB）

前提是你需要先装一下 Ollama 和 TranslateGemma 模型。具体怎么装，下篇文章会写。

郑重声明：本文全部由Opus编写，我只是稍微润色！

所以它说的开源，你让它开源去，我可还没push！

它说的具体怎么装，下篇文章会写，也让它写去！

🤣一种奇妙的体验，第四次工业革命的号角已经吹响！