다국어 웹 애플리케이션의 현지화는 전통적으로 수동으로 번역된 정적 .json 파일이나 느리고 비용이 많이 드는 외부 번역 API 호출에 의존해왔습니다. Portelcore Web에서는 DJB2 암호화 해싱과 Cloudflare Workers AI의 로컬 언어 모델 추론을 결합한 완전 자동화된 파이프라인을 구현했습니다.
1. 결정론적 번역 흐름
시스템은 프로세스를 세 단계로 나눕니다:
[ HTML con Textos ] ---> [ Hash DJB2 de 64 bits ] ---> [ ¿Existe en KV? ] │ ┌────────────────────────────────────────┴───────────────────┐ ▼ SÍ ▼ NO [ Cache Hit: 0 ms ] [ Workers AI LLM ] [ Guarda en KV ] [ Entrega Traducción ]- 컴파일 타임 / SSR 추출: 텍스트는
<AITranslate>컴포넌트로 감싸거나 HTML에 태그됩니다. - 고유 키 생성: 스페인어 문자열(예:
msg-1085732109)에 대해 결정론적 DJB2 해시를 계산합니다. - KV 글로벌 캐시: AI 모델에 쿼리하기 전에
PORTELCORE_KV_CORE네임스페이스를 검사합니다. 대상 언어에 키가 존재하면 5ms 미만으로 응답이 전달됩니다.
2. DJB2 알고리즘 구현
해시 계산 속도는 Astro SSR의 서버 응답 시간을 저해하지 않기 위해 필수적입니다:
/** * Calcula el hash DJB2 optimizado para cadenas de texto. * Produce un identificador numérico determinista e inmutable. */export function djb2Hash(str: string): string { let hash = 5381; for (let i = 0; i < str.length; i++) { hash = ((hash << 5) + hash) + str.charCodeAt(i); hash |= 0; // Conversión forzada a entero de 32 bits con signo } return Math.abs(hash).toString(36);}3. Workers AI에서의 LLM 모델 추론
새로운 키가 엣지 캐시에 존재하지 않을 때, Satellite Worker는 요청을 Workers AI 런타임으로 전달합니다:
/** * Invoca el modelo Llama 3.3 en Workers AI con un prompt de sistema rígido. */export async function translateText(text, targetLanguage, env) { const systemPrompt = `Eres un traductor técnico profesional.Traduce el siguiente texto técnico exactamente al idioma '${targetLanguage}'.Conserva términos técnicos de programación (ej: WAF, Cloudflare, KV, SSR, TypeScript).Devuelve ÚNICAMENTE la traducción limpia sin explicaciones ni comillas.`;
const response = await env.AI.run("@cf/meta/llama-3.3-70b-instruct-fp8-fast", { messages: [ { role: "system", content: systemPrompt }, { role: "user", content: text } ], temperature: 0.1 });
return response.response.trim();}4. 결론
이 설계를 통해 플랫폼은 동기화되지 않은 수동 사전을 유지할 필요 없이 14개 국제 언어를 지원하며, 전 세계적으로 유동적이고 빠르고 일관된 경험을 제공합니다.


