翻译还不够：多语言伴侣实际测试了什么

关系练习可以被翻译得完全正确，却仍然失败，因为它没有承载情绪、敬语、肢体语言、节奏和文化上自然的修复。

人们很容易以为，只要把文字翻译好，一个关系产品就算走向全球了。

翻译按钮。翻译问候语。翻译练习标题。翻译“我感觉”和“我听到你说的是”。然后上线。

这还不够。

伴侣之间交流的不只是词汇。他们也在用节奏、礼貌、敬语、肢体语言、家庭角色、情绪词汇、沉默，以及“什么算太直接”的分寸来交流。一个关系练习可以被翻译得完全正确，却仍然失败，因为它在情感上并不本土、不贴近。

这就是为什么 CouplesGPT 的多语言测试，重点不只是看词语有没有换成正确语言，而是看那个治疗性的动作有没有在语言转换中保留下来。

更难的测试

在 exp0207-exp0215 中，我们做了一轮九种语言的练习测试，覆盖日语、德语、阿拉伯语、俄语、法语、韩语、西班牙语、印地语和葡萄牙语。这组测试把 CouplesGPT 的 17 个练习都各覆盖了一次。

重点不是证明 CouplesGPT 能输出非英语句子。那只是多语言支持里最容易的一层。

更难的问题是：

答案大体上是肯定的。真正有意思的是原因。

最强的多语言结果不是字面一致，而是结构一致。

在日语的说话者-倾听者练习中，CouplesGPT 并不是简单翻译英语里的“mirror back”。它很自然地解释了规则：先不要反应，先用自己的话复述你听到的内容。它持续使用合适的敬语，同时把协议本身保留下来，没有漏出英语表达。

在印地语的情绪词汇练习中，一位用户给出了一个很笼统的词：“糟糕”。CouplesGPT 做了这个练习本来应该做的事：把这个大伞撑开。它在印地语里区分了受伤、被忽视、被抛下、困惑和被拒绝，而且每个词都指向一种不同的关系需要。这比翻译一张情绪清单难得多。

在阿拉伯语的触发点和内在批评者风格练习中，关键也不只是语法。关键是对话能不能保持情感上的精确，同时不变得僵硬或像外来话。

这里的教训是：关系练习需要可迁移的结构，而不是僵硬的脚本。僵硬脚本一进入礼貌规范、性别习惯或情绪表达方式不同的语言，就很容易断裂。强结构则可以被自然地带过去。

这轮多语言测试里最严重的问题，不是某个练习失败了。是一个名字。

在韩语里，一位用户用拉丁字母写的名字，在一些会话中被正确呈现，在另一次会话中却被错误呈现。听起来像小事，直到你想象它发生在一段治疗式对话里。名字不是装饰。名字是最早被用来建立信任的东西。

这和“把这段字符串翻译一下”不是同一种国际化问题。有些语言需要为一个人的名字保留稳定的本地文字写法，而不是每次都重新音译。否则，产品可以在情感上很流畅，却在最基本的个人细节上犯下破坏信任的错误。

这个发现改变了我们对语言支持的看法。一个面向全球的关系产品，不只需要本地化文案。它还需要在不同文字系统之间稳定处理身份。

葡萄牙语暴露了另一个问题。用户写作时带有巴西葡萄牙语的标记，但 CouplesGPT 的回复更接近欧洲葡萄牙语的语域。内容是好的，练习也有效。可是巴西读者会立刻感觉到不匹配：这听起来像是另一个地方的人。

对天气应用来说，这也许不算大问题。对关系产品来说，语域本身就是照顾的一部分。在里斯本听起来温暖的一句话，在圣保罗可能显得有距离。西班牙语不同地区、阿拉伯语不同语域、印地语和 Hinglish 的不同场景，以及许多其他语言社群，也都有类似问题。

这并不意味着每一种地区变体都必须第一天就上线。它意味着产品不能把“技术上正确”和“情感上贴近当地”混为一谈。

测试令人鼓舞的一点是，当话题变复杂时，练习没有退回英语。说话者-倾听者、情绪签到、修复、冲突循环、爱的地图、依恋、情绪淹没恢复、焦虑拆解和情绪词汇，都在测试过的目标语言里保持住了。

但不漏英语只是底线。

更高的标准是，产品能不能用那种语言完成关系中的那个动作：

这就是我们所说的多语言质量。

这也改变了我们发布研究和指南的方式。

如果一篇文章被翻译成 26 种语言，标题不能只是机械转换。标签需要本地化。slug 需要可读。来源和相关阅读部分需要正确的标题。文章应该像是为那个读者写的，而不是被导出到那个读者面前。

因此，CouplesGPT Research 转向了基于文件、理解语言环境的文章库，而不是把翻译当成次要的数据库字段。这样，每篇文章都可以有稳定的英文主版本、本地化元数据、本地标签，以及可见的审阅历史。

编辑原则和治疗原则是一样的：翻译是必要的，但不充分。

一个多语言关系产品，应该用四个问题来判断：

大多数产品停在第一个问题。伴侣会注意到另外三个。

当人们把关系里的痛带进一个产品时，他们要的不是一本词典。他们想知道，这个东西能不能在痛真正存在的那种语言里接住他们。

这才是标准。