二连浩特的商户和蒙古国客商能当面砍价，却常常卡在同一件事上：产品信息写不下来。口头蒙古语能过境，书面文字却过不去——蒙古国用西里尔蒙古文，内蒙古用传统蒙古文，任何要落到纸面或手机上的商品说明，都得找专业翻译。慢、贵，还有商户提到过的另一种风险：翻译可能把你的客户带走。

一位开发者为此做了一个离线命令行工具 merchant-ai-draft，思路很克制：AI只负责起草，人负责决定。

它解决的不是“翻译”，而是“起草”

工具读取一份商户信息文件（中文内容），用本地开源模型填入西里尔蒙古文初稿，并把所有内容标记为草稿。如果某个商户已被标记为“已审核”，整个文件原样不动。

这个规则写在代码里，而不只是写在说明里。作者的原话是：AI提议，人决定。

对不熟悉技术的读者，可以这样理解：它不是替你发出去，而是先帮你写一版，再由懂行的人改。

选模型比写代码更费劲

作者用同一批商户风格的中文句子测试了四种方案，结果值得记录：

通用大模型（qwen3:8b、aya-expanse:8b）：输出看起来通顺，语义却是错的。aya-expanse 官方声称支持蒙古语，测试中却混入了吉尔吉斯语词汇。

翻译专用模型 Hunyuan-MT-7B：质量很好，但只输出传统蒙古文。作者没能拿到可用的西里尔文；要求它转写时，它反而翻回了中文。

转写链路（传统文转西里尔文）：成熟工具多为在线服务或个人未验证项目，不适合离线命令行工具，放弃。

NLLB-200-3.3B：原生输出西里尔蒙古文，被选中。但在 Apple Silicon 上每句约需3秒，术语、货币单位和从句仍不可靠。

真实输出暴露了边界

作者用两个虚构商户做了端到端演示，输出未经人工修改。

面馆：营业时间和地址翻得干净。“每天09:00至21:00营业”正确输出了西里尔蒙古文；“提供打包服务”却被译成了“采矿行业服务”。

围巾批发商：这是压力测试。阶梯价格里的数字保住了，产品名没保住——“纯色羊绒围巾”变成了类似“浅蓝色板子”的东西，羊绒成了“山羊皮”，元成了图格里克。

作者还试了一条“拍照生成描述”的流程：视觉模型用22个汉字描述了一张产品图，人工目检未发现编造内容，耗时31秒（含模型加载和图像处理）。但把这段描述翻成蒙古文后，关键商品词被弄坏了：“领带”被人工复核认定为“疯子”，“夹克”成了“穿戴者”。

这些不是失败案例的陈列，而是使用边界：数字、时间、地址相对可靠；商品名、材质、货币单位必须人工核对。

谁会为它付费：一个尚未验证的假设

作者很坦白：面馆老板不会去装命令行工具。

他的判断是，愿意付费的可能是运营跨境商户目录的一方。相比按字符计费的翻译接口和等翻译的时间，他们能拿到即时的本地初稿，而且商户数据（价格、电话、地址）不离开自己的机器。

这里有一个关键前提尚未被证明：改草稿是否真的比从零翻译更快。如果成立，人力就从“翻译”转向“审核”；如果不成立，这套流程的价值会大打折扣。作者把它明确标为待验证的假设，而不是结论。

工具本身有11个自动化测试，覆盖审核保护、ID保留和离线失败处理。代码已开源。

这件事对普通人的意义

如果你不做边贸，这个故事仍有三点可迁移：

第一，涉及钱、地址、规格、材质的机器翻译，不能直接对外使用。时间、数字相对稳，名词和单位最容易出错，必须人工过一遍。

第二，离线加人工审核的设计，适合对隐私敏感的小生意。数据不出本机，错误由人兜底，比“全自动”更接近可用。

第三，小语种的AI能力远没有宣传中均衡。同一个模型可能“支持”某种语言，却在真实句子里混入别的语种。选型要靠自己的样本测试，不能只看支持列表。

作者在文末提到，这次是他第一次真正上手 Ollama 和 Transformers 这套工具链，此前只是读过相关资料。让他印象更深的不是模型本身，而是一种可能性：低成本、尊重隐私的数字基础设施，或许能让跨境交易更开放一点。

这个工具目前还只是初稿引擎，术语表、更多边境语言的复用都还在计划中。它没有解决所有问题，但它把“哪里会坏”写清楚了——对想用AI做小生意的人来说，这比一个漂亮的演示更有用。

看完可以做的几件事

1. 如果要对外发布机器翻译的商品信息，先列出“不能错”的字段：价格、规格、材质、地址、电话，逐项人工核对后再发出。
2. 选翻译模型时，用自己行业的10到20条真实句子做测试，重点看专有名词和货币单位，不要只看官方支持语言列表。
3. 对隐私敏感的商户数据，优先考虑本地运行、数据不出机器的方案，并保留“人工审核后才生效”的流程。
4. 如果你运营跨境商户目录或对接翻译需求，可以先小范围测试“改草稿”是否真的比“从零翻译”省时，再决定是否投入。
5. 关注开源项目时，先看它的测试覆盖和已知失败案例，比看演示效果更能判断能不能用。

适合转给谁

如果你身边有人做边贸、跨境电商，或者正在为小语种商品信息发愁，可以把这篇转给他——尤其是那些以为“AI翻译直接能用”的人，文中的真实错误案例能帮他少踩一次坑。