如何用 Hy-MT2-1.8B 翻译已登录网页中的工单

Hy-MT2-1.8B 负责翻译文本，不会操作浏览器。要翻译已登录的客服工单，请用 Tabbit Browser 和可运行 Tabbit CLI 的本地 Agent 读取获准查看的可见片段，再把片段交给模型。保留工单号和 URL，并在起草回复前对照原文。腾讯的模型卡将其描述为机器翻译模型；Models.dev 记录没有标记原生工具调用，因此不能据此推断它能访问浏览器。

要点

• 本地 Tabbit CLI Agent 读取已登录页面；Hy-MT2-1.8B 只翻译提供的文本。

• 保留编号、URL、姓名、日期、数字、金额和否定表达。

• 仅发送获准交给所选服务处理的文本。

• 起草回复前逐段对照译文和原文。

• 若客户端不能运行本地工具，使用获批导出文件或人工交接。

Hy-MT2-1.8B 与 Tabbit 一览

提交文本前核实模型服务

腾讯模型卡是核对模型任务和语言覆盖范围的主要来源。选题采用的Models.dev 记录列出 tencent/hy-mt2-1.8b，但没有标记原生工具调用。这说明的是翻译步骤，不是浏览器导航。提交文本前核实服务、许可、语言对和客户端支持。公开目录也不能证明你选择的服务当前提供该模型。

只读取需要的可见字段

安装 Tabbit Browser，自行登录支持网站。让可发现 Tabbit 技能并能运行 CLI 的本地 Agent 读取工单号、可见主题、相关片段和来源 URL。技能发现、tabbit-cli diagnose 的连接状态、网站登录状态应分别检查。具名 Tabbit 任务会使用自己的标签页，你仍可继续处理其他标签页。

仅翻译的提示词

以下是测试样例，不是真实客服工单。

只将每个获准片段中的 text 翻译成目标语言。不要浏览、总结、推断或执行操作。id 与 url 必须原样保留。保留产品名、工单代码、日期、数字、货币和否定表达。若句子有歧义，保留直译并添加复核标记。返回包含 id、url、translated_text、review_flags 的 JSON。

输入：{"id":"SUP-104","url":"https://support.example.test/tickets/SUP-104","text":"The replacement has not shipped. Do not close this ticket until the customer confirms delivery."}
返回结构：{"id":"SUP-104","url":"https://support.example.test/tickets/SUP-104","translated_text":"[所提供文本的译文]","review_flags":[]}

网页交给 Tabbit Browser，翻译交给模型

读取已登录工单需要使用你已登录的浏览器配置。本地 Agent 通过 Tabbit CLI 读取窄范围片段，Hy-MT2-1.8B 只翻译该片段。父任务的本地测试样例显示，在测试登录建立后，另一个具名任务可以读取测试页。这只验证本地 Tabbit CLI 会话流程，不代表测试过腾讯托管服务、模型质量或客服网站集成。

要求 Agent 创建具名草稿，例如“工单 SUP-104 译文回复 — 草稿 01”，并排展示原文和译文，在可见的人工复核节点停止。翻译步骤不得发送、关闭或更新工单。

起草回复前复核

流畅的译文也可能颠倒处理结论。对照原文检查“不”“仅”“直到”等限制词、日期、金额、姓名和工单号；遇到歧义就标记待核，不要猜。关于离线翻译的 Reddit 讨论目前仅是搜索线索，原帖访问受限，因此本文不引用其观点。可参考 Tabbit CLI 指南、Agent 连接说明、首次任务清单、Browser MCP 与 CLI 对比、登录会话复用指南、浏览器配置指南、Tabbit Browser 介绍、浏览器安全指南和浏览器自动化指南。

下一步

先确认服务支持所选模型和语言对，再让 Hy-MT2-1.8B 翻译。本地 Tabbit CLI Agent 读取已登录页面并保留来源信息，创建具名草稿。发送回复前由人工与原文核对。

Secholar.L

Tabbit 增长与内容

Secholar.L 专注 AI 浏览器与 Agent 工作流的实操写作,基于真实调研对比工具,引用可验证的一手来源。