Automātiska čatbota valodas noteikšana: preferences, fallback opcijas un lietotāja izvēle

Daudzvalodu tīmekļa vietnes čatbotam nevajadzētu nosūtīt apmeklētāju nepareizajā valodā jau ar pašu pirmo atbildi. Tomēr automātiska čatbota valodas noteikšana nozīmē ko vairāk kā tikai pirmās pārlūka vērtības pārņemšanu. Pārlūka iestatījumi var būt novecojuši, ierīce var tikt dalīta ar citiem, un cilvēks var dot priekšroku tehniskā satura lasīšanai angļu valodā, lai gan viņa operētājsistēma ir vācu valodā.

Tādēļ robusta stratēģija uztver automātisko noteikšanu tikai kā sākuma signālu. Lietotāja tiešajai izvēlei ir prioritāte, saskarnes, zināšanu bāzes un nodošanas procesa pieejamība nosaka robežas, bet redzams fallback mehānisms novērš to, ka šķietami piemērota valoda novestu pie nepilnīgām vai izdomātām atbildēm.

Kāpēc pārlūka valoda ir tikai norāde

Pārlūki bieži nosūta HTTP galveni Accept-Language. Tā satur valodu apgabalus un ar tā sauktajām kvalitātes vērtībām var izteikt secību, piemēram, de-AT,de;q=0.9,en;q=0.7. Standarts RFC 9110 apraksta šīs preferences kā palīglīdzekli attēlojuma izvēlei, nevis kā drošu apgalvojumu par konkrēto personu.

Pārlūkprogrammā navigator.languages sniedz sakārtotu vēlamo BCP-47 valodu birku sarakstu. Saskaņā ar MDN pārlūki privātuma apsvērumu dēļ var atklāt mazāk preferenču. Turklāt pārlūks nepieciešamības gadījumā var pievienot vispārīgākus variantus: no de-AT salīdzināšanai papildus var kļūt būtisks arī de .

Praktiskā sekas čatbotiem ir šādas: Accept-Language un navigator.languages ir labi kandidāti pirmajam ieteikumam. Taču tie nedrīkst aizstāt ne atrašanās vietu, ne valstisko piederību. IP adrese neatklāj uzticamu valodas vēlmi. Arī domēns vai lapas valoda vien nav pietiekama, ja apmeklētājs ir apzināti pārgājis uz citu valodas versiju.

Skaidra prioritāšu ķēde novērš pārsteigumus

Izvēlei jābūt deterministiskai. Praksē par labu atzīta secība, kurā katrs avots ir skaidri izsvērts:

1. Tieša izvēle pašreizējā sesijā: Ja lietotājs noklikšķina uz franču valodas, nākamajai čatbota atbildei jābūt franču valodā.
2. Saglabāta, joprojām derīga preference: Iepriekšējā izvēle var būt spēkā nākamajā apmeklējuma reizē, ja vien saglabāšana ir caurskatāma un tehniski pieļaujama.
3. Pašreizējās lapas valoda: Čatbotam nevajadzētu bez iemesla novirzīties no apzināti atvērtās valodas versijas.
4. Pārlūka preferences: Saraksts tiek salīdzināts ar faktiski atbalstītajām čatbota lokālēm.
5. Dokumentēts standarts: Ja nekas neatbilst, seko apzināti izvēlēta pamatvaloda, nevis nejaušs rezultāts.

Šī ķēde nošķir noteikšanu no lēmuma pieņemšanas. To var reģistrēt un testēt: source=user, source=stored, source=page, source=browser vai source=default. Analītikai parasti pietiek ar avotu un izvēlēto lokāli. Pilno pārlūka valodu sarakstu nav nepieciešams saglabāt, jo RFC 9110 norāda uz iespējamiem privātuma un digitālā nospieduma (fingerprinting) riskiem, ko rada detalizētas valodu preferences.

Normalizēt BCP-47 birkas, nezaudējot nozīmi

Valodu birkas nesastāv tikai no diviem burtiem. pt-BR un pt-PT dala vienu valodu, taču tās var atšķirties tonālajā ziņā, vārdu izvēlē, formātos un juridiskajos jēdzienos. Būtiskas var būt arī rakstības sistēmas. Tādēļ lietotnei ienākošās birkas būtu sintaktiski jānormalizē un pēc tam jāpārbauda pret atbalstīto lokāļu sarakstu.

No specifiskas birkas līdz drošam fallback

Jēgpilna atbilstības meklēšana vispirms mēģina atrast precīzo variantu. Ja de-AT nav pieejams, var sekot de . Pēc tam var tikt izmantota zināma, redakcionāli pārbaudīta standarta lokāle. Vienkārša visu apakšbirku nogriešana ne vienmēr ir droša. Valodās ar vairākām rakstības sistēmām vai būtiski atšķirīgiem variantiem produktam ir nepieciešama apzināti definēta piesaiste.

Fallback mehānisms ir jāpārbauda atsevišķi trim līmeņiem: Vai tērzēšanas saskarne ir iztulkota? Vai ir pieejami atbilstoši zināšanu avoti? Vai klientu atbalsta komanda var pārņemt šo valodu? Lokalizēta poga vēl nav pierādījums tam, ka zināšanu bāzei ir tāds pats pārklājums. Kā avoti tiek nošķirti pēc valodas, versijas un piekļuves, parādīts rakstā par RAG metadatu filtriem AI čatbotiem.

Piedāvāt automātiku, saglabāt lietotāja izvēli redzamu

W3C internacionalizācijas ieteikumi apvieno automātisku valodas starpniecību ar viegli atrodamām saitēm uz alternatīvām valodu versijām. Ja lietotājs pats nomaina valodu, šai izvēlei jāaizstāj pārlūka preference un pēc vēlēšanās jāsaglabājas nākamajām lapām.

Čatbotam tas nozīmē: aktīvajai valodai jābūt redzamai tērzēšanas galvenē vai viegli pieejamā izvēlnē. Valodas maiņa nedrīkst nepamanīti nosūtīt nepabeigtu tekstu. Tā vietā ievadītais teksts saglabājas, bots īsi paskaidro valodas maiņu un kontrolēti turpina sarunu. Ja iepriekšējie ziņojumi ir citā valodā, sistēmai jāsaglabā to nozīme kontekstam, taču tā nedrīkst bez prasīšanas iztulkot visu saraksti.

Labs formulējums varētu būt: „Latviešu valoda tika pārņemta no šīs lapas. Mainīt valodu.“ Fallback gadījumā norāde var būt konkrētāka: „Par šo tēmu latviešu valodā nav pārbaudītas informācijas. Es varu izmantot avotu angļu valodā vai nodot sarunu atbalsta dienestam.“ Tādējādi lietotājs saprot, kāpēc mainās valoda vai atbildes detalizācija.

Nošķirt lapas valodu, čata valodu un satura lokāli

Trīs vērtības bieži kļūdaini tiek apvienotas vienā laukā:

• Lapas valoda: HTML dokumenta pamata valoda;
• Čata valoda: valoda, kurā parādās saskarne un atbildes;
• Satura lokāle: variants, no kura čatbots drīkst iegūt pamatotu informāciju.

Šīs vērtības var būt vienādas, taču tām tādām nav jābūt. Latviski runājošs lietotājs angļu valodas produkta lapā var uzdot jautājumu latviski. Bots drīkst atbildēt latviski un vienlaikus caurskatāmi norādīt uz oriģinālo avotu angļu valodā. Taču tas nedrīkst apgalvot, ka izmantojis avotu latviešu valodā, ja ir iztulkota tikai atbilde.

Piekļūstamības nolūkos dokumenta un satura valodai jābūt pareizi marķētai. W3C paņēmiens H57 apraksta langatribūtu pie htmlelementa, lai cita starpā ekrānlasītāji varētu atbilstoši apstrādāt izrunu un sintaksi. Ja atsevišķa sadaļa maina valodu, arī šai zonai nepieciešams atbilstošs marķējums. Papildu pārbaudes apkopotas WCAG kontrolsarakstā tīmekļa vietņu čatbotiem.

Kešatmiņai un URL ir jārespektē valodas izvēle

Tiem, kas atlasa saturu servera pusē pēc Accept-Language , jāņem vērā kešatmiņas stratēģija. RFC 9110 skaidro, ka Vary: Accept-Language signalizē kešatmiņai, ka galvene ir ietekmējusi attēlojumu. Ja šāda nošķīruma nav, kešatmiņa var pasniegt latvisko variantu apmeklētājam, kurš lieto angļu valodu.

Publiskam, indeksējamam saturam stabilus, valodai specifiskus URL bieži ir vieglāk pārbaudīt un kopīgot. Tādējādi automātiskā noteikšana var novest pie atbilstoša URL, neslēpjot dažādu saturu zem vienas adrese. Pašā čatā lokālei jābūt daļai no sesijas stāvokļa un katra servera puses pieprasījuma. Valodas maiņai kopīgi jāatjaunina kešatmiņas atslēgas, ieguves filtri un atbilžu ģenerēšana.

Arī formatētās vērtības ietilpst šajā līgumā. Datums, skaitlis, valūta un laika josla automātiski neseko teksta valodai. Ceļvedis Čatbota atbilžu lokalizēšana parāda, kā šie dati tiek apstrādāti atsevišķi un konsekventi.

Fallback nedrīkst slēpt satura robus

Bīstamākā kļūda ir klusa zināšanu bāzes maiņa. Ja uz jautājumu latviešu valodā nav raksta latviski, bots var izmantot avotu angļu valodā, ja produkts šādu ceļu pieļauj. Taču tam ir jāpārbauda avots, aktualitāte un piekļuves tiesības tieši tāpat kā tiešas atbilstības gadījumā.

Droša fallback matrica satur vismaz: pieprasīto lokāli, pieejamo UI lokāli, pieejamo satura lokāli, pieļaujamo aizstājējlokāli, tulkošanas režīmu un nodošanas mērķi. Rezultāts ne vienmēr ir atbilde. Jutīgās vai no konteksta atkarīgās tēmās norāde „šajā valodā nav pārbaudītas informācijas“ ir labāka par tekošu, bet nepamatotu tulkojumu. Raksts par fallback variantiem zināšanu robu gadījumā apraksta, kā mijiedarbojas nenoteiktība un sarunas nodošana.

Mēģinājumu scenāriji valodas loģikai

Nedaudzu, bet sistemātisku testu kopa atklāj vairāk kļūdu nekā viena pārlūka pārbaude. Tai vajadzētu nosegt vismaz šos gadījumus:

• de-AT tiek piedāvāts, bet atbalstīts ir tikai de;
• pirmā pārlūka preference nav pieejama, bet otrā ir;
• lietotāja izvēle ir pretrunā ar lapas un pārlūka valodu;
• saglabātā preference norāda uz starplaikā dzēstu lokāli;
• UI ir pieejams, bet zināšanu bāze vai nodošana nav;
• valodas maiņa notiek sarunas vidū ar nenosūtītu tekstu;
• kešatmiņa pēc maiņas tiešām nodrošina jauno lokāli;
• ekrānlasītājs pareizi atpazīst lapas un sadaļas valodu;
• analītika fiksē izvēles avotu un fallback, bet ne pārmērīgi detalizētu preferenču sarakstu.

Katram apvienojumam komandām vajadzētu fiksēt paredzamo lokāli, lēmuma avotu, redzamo norādi un atļauto satura telpu. Papildus katrai valodai ir nepieciešamas nozares izlases pārbaudes. Pilnīgumu un atbilžu kvalitāti nevar noteikt tikai pēc tā, vai pastāv tulkojuma rindiņa.

Praktisks ieviešanas kontrolsaraksts

1. Atsevišķi inventarizēt visas atbalstītās UI, satura un nodošanas lokāles.
2. Dokumentēt skaidru prioritāšu ķēdi lietotāja izvēlei, saglabātajai izvēlei, lapai, pārlūkam un standartam.
3. Definēt BCP-47 atbilstību, tostarp reģionālos un rakstības izņēmumus.
4. Izveidot valodas maiņu redzamu un bez teksta ievades zaudēšanas.
5. Ierobežot fallback iespējas atbilstoši avotu pārklājumam, aktualitātei un piekļuves tiesībām.
6. lang, pārbaudīt valodai specifiskos URL, kanoniskās saites un kešatmiņas darbību.
7. Saglabāt tikai nepieciešamos analītikas datus un noteikt to uzglabāšanas termiņu.
8. Testēt darbvirsmu, mobilo ierīci, tastatūru un ekrānlasītāju ar reālistiskiem preferenču sarakstiem.

Galvenais produkta lēmums tātad nav: „Kāda valoda ir šim apmeklētājam?“ Tas ir: „Kāda valoda tika pieprasīta, kāds saturs tai ir uzticami pieejams un kā mēs paskaidrojam nepieciešamo alternatīvo ceļu?“ Atbildot uz šiem trim jautājumiem atsevišķi, jūs iegūsiet čatbotu, kas automātiski sāk darbu lietderīgi, taču saglabā kontroli lietotāja rokās.

Avoti

• RFC 9110: Accept-Language, Vary un datu aizsardzība
• MDN: Navigator.languages
• W3C Internationalization: Lietotāju novirzīšana uz iztulkotām lapām
• W3C WAI: Dokumenta valodas apzīmēšana ar lang