目前的思路是：将输入的原始文本结构化，尽量从数据角度多挖一些背景上下文（理想情况是出现位置、说话人等，但老游戏+逆向挖不出来那么多信息…基本只有index:content的键值对了），再辅以术语库，交给多个LLM进行初翻，由旗舰模型（目前只有条件用astra，没A/的号）进行裁决，最终人工审校 
随着Agent能力的增强，现在出现了非常多的AI汉化，但大多都还局限在单一模型甚至直接让干活的agent来翻译，质量良莠不齐。私认为这套思路跑通后，还可以完善一下，开源给其他汉化人员使用？ 
但在LLM选型上目前还没拿定主意
在机器翻译专用模型方面，本地部署了Hy-MT2-30B-A3B Q4KM，但尚不清楚翻译专用模型的质量是否会好于旗舰模型 
考虑选旗舰国模（4.1flash/qwen3.8max?)以及基础外模luna（grok和gemini没用过也没号） 
曾听闻gpt-4o最会说人话，但...