从巴西葡语到印尼语，32种语言再也不用手动翻页面了
大家好，我是快手国际化业务质量保障团队的一名技术负责人，负责Kwai海外版的本地化质量保障工作。
今天聊一个我们去年跑通的项目——用AI做多语言UI的自动化LQA（语言质量保证）测试。
先上结果：LQA测试周期从每版本7天压缩到了20分钟，覆盖语种从5个扩展到32个，UI截断、文本溢出这类本地化问题线上漏出率下降了91%。
不是标题党。下面我把这个方案的完整思路和踩过的坑都讲一遍。
一、LQA为什么是出海产品最磨人的环节？
先解释一下LQA是什么。
LQA，全称Linguistic Quality Assurance，也就是语言质量保证。它跟功能测试完全不是一回事——功能测试看的是“功能能不能用”，LQA看的是“翻译放进UI里好不好用”。
翻译在表格里正确，不代表在UI里可读；单句翻译自然，不代表和前后句连贯。
Kwai覆盖全球几十个国家和地区，支持32种语言——巴西葡语、印尼语、西班牙语、阿拉伯语、泰语、越南语……每种语言都有自己的坑。
以前我们的LQA流程是这样的：
第一步：翻译团队把文案翻译好，生成多语言资源文件。
第二步：测试同学手动切换App语言，逐页截图。
第三步：逐页检查——文本有没有被截断？有没有溢出按钮？有没有换行混乱？阿拉伯语的RTL布局对不对？
第四步：发现问题→截图→提交Bug→开发修复→重新截图验证。
一个版本测下来，少则5天，多则7天。而且每改一个文案，可能就要重跑一轮。
更坑的是——32种语言，每个语言都要重复这套流程。测试同学手动切语言、手动翻页面、手动截图、肉眼找茬。测到第10种语言的时候，眼睛已经花了，漏检率直线上升。
每个版本7天，是硬磨出来的。
二、转折：让AI“替我们看”所有语言
去年Q3，我们启动了一个项目——用AI视觉校验做多语言UI自动化LQA。
核心思路来自一个很朴素的观察：翻译在表格里没问题，但放进UI里可能出问题——文本溢出、截断、换行混乱、RTL布局错位。这些问题靠人工逐页翻找，效率太低。
我们决定让AI来干这件事。
具体来说，我们做了三件事。
三、技术方案：三层架构
第一层：自动化UI遍历层 —— 让AI“替人翻页”
LQA的第一步是“把所有页面都翻一遍”。以前是测试同学手动翻，现在我们用自动化UI遍历来做。
我们的方案基于Kwai的UI自动化框架，集成了一个智能页面遍历引擎：
自动启动App，按预设路径遍历所有核心页面
对每个页面，自动切换语言并截图
支持32种语言的全自动切换和截图
关键设计是“一次遍历，多语言截图”——引擎用一种语言（通常是英语）走完所有页面路径，记录下每一步的操作序列，然后用同样的操作序列在其他31种语言上重放一遍，分别截图。
这样一来，测试同学只需要维护一套遍历脚本，AI负责在32种语言上各跑一遍。
一个版本跑下来，生成几百张多语言UI截图——这些截图就是LQA的“原材料”。
第二层：AI视觉校验层 —— 让AI“替人找茬”
截图有了，但几百张图让测试同学一张张看，跟手动翻页没什么区别。
核心是第二层——用多模态大模型做UI视觉校验。
我们把所有截图喂给多模态模型，让它自动检查以下几类问题：
第一类：文本截断和溢出
这是LQA最高频的问题。中文短，很多语言更长——德语、俄语、西班牙语、葡萄牙语经常让按钮、标签、弹窗标题变长。
AI要做的，是自动检测UI元素里的文本是否超出了容器边界——按钮里的文字有没有被切掉一半？标签有没有溢出到下一行？弹窗标题有没有被省略号截断？
传统方案需要人工逐页看，AI现在秒级完成。
第二类：RTL布局错位
阿拉伯语、希伯来语是从右向左书写的（RTL）。UI在LTR（左到右）语言下正常，切到RTL语言下整个布局会镜像翻转。
问题是——大部分测试同学根本不懂阿拉伯语，看不出RTL布局对不对。
AI不同。多模态模型经过训练，能自动识别RTL布局下的文本对齐、图标位置、按钮顺序是否正确。
第三类：翻译上下文错误
翻译在表格里是对的，但放在UI的特定语境下可能很别扭。
比如一个“Start”按钮，在游戏里可能是“开始战斗”“开始匹配”“开始建造”，不同场景需要不同译法。
AI会结合页面上下文判断翻译是否合适——不只是看单词对不对，还看放在这个按钮上、这个位置、这个语境下合不合适。
第四类：占位符和变量错误
多语言文本里经常有变量——{username}、{count}、{item_name}。不同语言的语序不同，变量的位置如果没处理好，就会出现语法错误。
AI会自动检测变量是否被正确替换、位置是否合理、复数形式是否正确。
第三层：智能报告层 —— 让AI“替人写报告”
AI校验完所有截图后，自动生成一份LQA报告：
页面
语言
问题类型
问题描述
严重程度
建议修复
首页-标题栏
葡萄牙语
文本截断
"Recomendados"超出容器
中
缩小字号或缩短文案
设置页-按钮
阿拉伯语
RTL错位
返回按钮位置错误
高
调整RTL布局适配
个人中心-标签
印尼语
翻译错误
"Profil"应为"Profil Saya"
低
更新翻译
测试同学不需要一张张看图了，只需要看这份报告，确认问题是否属实，然后一键提交Bug。
四、真实案例：AI发现了什么？
系统上线后，我们发现了很多手工LQA发现不了的问题。
案例一：巴西葡语的“隐形截断”
Kwai的首页有一个“热门话题”标签栏。英语下显示正常，巴西葡语下也“看起来正常”——但AI检测发现，“Tendências”这个词的最后一个字母“s”被切掉了1个像素。
肉眼几乎看不出来，但AI的像素级检测抓到了。开发排查后发现是容器的padding少了2px。这个Bug如果上线，几十万巴西用户每天看到的都是一个“缺胳膊少腿”的热门话题标签。
案例二：阿拉伯语的“镜像噩梦”
Kwai的直播功能在阿拉伯语下测试时，AI发现送礼物按钮的位置完全错了——它应该在右侧，但实际显示在左侧。
原因是RTL适配只做了文本方向，没有做UI组件的镜像翻转。测试同学手动测的时候，因为不认识阿拉伯语，根本没发现按钮位置反了。AI一眼就看出来了。
案例三：印尼语的“变量爆炸”
印尼语有一条文案：“{user} memberi {count} hadiah”——意思是“{user}送了{count}个礼物”。
AI在验证时发现，当{count}超过999时，数字会超出容器，导致UI错位。原因是设计时只考虑了{count}是1-3位数的场景，没考虑4位数以上。
这个Bug如果手工测，需要专门构造“送了1000个礼物”的测试数据——几乎不可能想到。AI在视觉校验时自动发现了文本溢出，直接报告。
五、踩过的坑（说三个最痛的）
坑一：截图质量参差不齐
初期，UI遍历引擎在弱网环境下截图经常失败——页面还没加载完就截图了，导致AI拿到的是“空白页”或“加载中”的截图，误报率极高。
解法：在截图前加入页面加载完成检测——监控网络请求完成、DOM稳定、图片加载完毕，再触发截图。同时加入重试机制，截图失败自动重试3次。
坑二：多模态模型的“误杀”
初期AI太敏感了——稍微有点像素偏差就报“文本截断”。比如某些语言的字体会比英语粗一点，看起来“好像贴着边”，但实际并没有溢出。
解法：建立宽松的判定阈值——只报告“明确溢出”（文本明显超出容器边界）的问题，对“疑似溢出”标记为低优先级，由人工复核。同时用大量人工标注的数据持续微调模型，让AI学会“什么算真截断、什么算正常”。
坑三：32种语言的字体渲染差异
不同语言、不同系统版本、不同设备上，同一个UI的渲染效果可能不一样。AI在测试机上看到的截图，和生产环境上用户看到的可能不同。
解法：在多种设备和系统版本上并行执行截图，覆盖主流机型。同时建立“基准截图库”——每个页面在英语下的正常截图作为基准，其他语言与基准对比，只报告明显偏离的情况。
六、效果数据
说几个硬数据：
指标
优化前（人工LQA）
优化后（AI LQA）
LQA测试周期
5-7天
20分钟
覆盖语种
5个
32个
覆盖页面
~50页
全量遍历
UI截断漏测率
基线
↓91%
AI自动发现问题
-
累计400+
人工复核时间
7天
<1小时/版本
最关键的变化：LQA从“测试团队的噩梦”变成了“CI流水线里的一环” 。现在每次代码合入，AI自动跑一遍LQA，20分钟出报告。有问题立即拦截，不需要等到测试阶段才发现。
七、给同行的一些建议
如果你也在做出海产品的多语言测试，我有几点实在的建议：
- LQA一定要在UI里做，不能在表格里做
翻译表格里再完美，放进UI里都可能出问题。UI截断、RTL错位、上下文错误——这些只能在真实的UI渲染中发现。一定要做UI级别的LQA，不能只看翻译文件。
- “一次遍历，多语言截图”是最省力的方式
不要为每种语言单独写遍历脚本。用一种语言走完所有路径，然后用同样的操作序列在其他语言上重放。维护一套脚本，覆盖所有语言。
- 多模态模型是LQA的“神兵利器”
传统OCR只能识别文字，但多模态模型能理解“文字放在哪里、有没有超出边界、布局合不合理” 。LQA的核心是“看UI”，多模态模型正好擅长这个。
- 阿拉伯语和希伯来语单独建“RTL专项”
RTL语言的测试和LTR语言完全不同。不要混在一起测。我们专门为阿拉伯语建立了一套独立的RTL校验规则——文本右对齐、按钮镜像翻转、布局水平翻转，每一项都有独立的检查逻辑。
- 先跑核心页面，再扩展全量
别一上来就让AI遍历所有页面。先从首页、设置页、个人中心这些核心页面开始，跑通了再逐步扩展到全量页面。
最后
AI做LQA，本质上是把“让测试同学翻32种语言的几百个页面”这件事自动化了。
以前我们做不到全覆盖——32种语言、几百个页面，靠人工翻一遍，7天是下限。现在AI在20分钟内完成遍历、截图、校验、报告全流程。
Kwai还在扩展新的国家和地区，语种只会越来越多。如果没有这套AI方案，我们的LQA团队规模至少要翻两倍。但现在，一个人加一套AI工具，20分钟全覆盖。
出海产品的本地化质量，从此不再是靠“肉眼找茬”来保证的了。
本文系作者基于快手国际化业务真实项目经验的总结，文中数据已做脱敏处理。欢迎同行交流讨论。
本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。
