Как построить автоматизированный многоязычный конвейер перевода для Markdown-блога с GitHub Copilot Agents

Author: Yauheni Kurbayeu
Published: Mar 20, 2026

TL;DR

Это руководство показывает, как превратить простой блог на основе Markdown в автоматизированный многоязычный конвейер публикации с помощью GitHub Copilot Agents, Skills и Hooks. Главный агент-оркестратор координирует языковые субагенты для перевода контента, обновления локализованных сводок в README и генерации согласованных результатов. Hooks обеспечивают guardrails и журналирование, а skill инкапсулирует рабочий процесс. В результате получается воспроизводимая, масштабируемая и дружественная к governance система, которая превращает Git-коммиты в provenance-ориентированный контентный конвейер.

Почему этот подход

Я хотел рабочий процесс, в котором:

• я пишу одну статью на английском в Markdown.
• система автоматически:
  • извлекает метаданные,
  • генерирует TL;DR,
  • обновляет глобальный README,
  • переводит статью на несколько языков,
  • обновляет локализованные README,
  • проверяет результаты,
  • и формирует сводку.

Одновременно мне были важны:

• воспроизводимость (всё живёт в Git),
• аудируемость (что произошло, когда и почему),
• и расширяемость (легко добавить больше языков или шагов позже).

GitHub Copilot Agents дали нужную абстракцию:

• Agents для ролей,
• Subagents для параллельной специализации,
• Skills для переиспользуемых workflow,
• Hooks для guardrails и управления жизненным циклом.

Финальная архитектура

root/
├─ README.md
├─ my-article.md
├─ de/
│  └─ README.md
├─ fr/
│  └─ README.md
├─ es/
│  └─ README.md
├─ pl/
│  └─ README.md
├─ ru/
│  └─ README.md
└─ .github/
   ├─ copilot-instructions.md
   ├─ agents/
   │  ├─ article-orchestrator.agent.md
   │  ├─ translate-de.agent.md
   │  ├─ translate-fr.agent.md
   │  ├─ translate-es.agent.md
   │  ├─ translate-pl.agent.md
   │  └─ translate-ru.agent.md
   ├─ skills/
   │  └─ article-translation/
   │     └─ SKILL.md
   └─ hooks/
      ├─ hooks.json
      ├─ session_start.py
      ├─ pre_tool_guard.py
      ├─ post_tool_validate.py
      ├─ session_end.py
      └─ error_occurred.py

Шаг 1 — Инструкции на уровне репозитория

Создайте .github/copilot-instructions.md.

Этот файл определяет глобальные правила системы.

Пример

# Copilot Instructions

This repository processes English Markdown articles and produces:

- Root README summary
- Localized README summaries (de, fr, es, pl, ru)
- Translated article files

## Source rules

- Source article is a root-level `.md` file
- Ignore README.md and language folders

## Metadata extraction

Extract:
- title
- author
- date

Normalize date to dd.mm.yyy

## Output format

# Title
Author: Name
Date: dd.mm.yyy
**TL;DR summary**

## Translation rules

- Preserve markdown structure
- Preserve meaning
- Do not translate title/author/date in localized README
- Translate only TL;DR in localized README

Шаг 2 — Skill (мозг workflow)

Создайте:

.github/skills/article-translation/SKILL.md

Это переиспользуемая логика конвейера.

Пример

---
name: article-translation
description: Process markdown article and generate translations
---

1. Find source article
2. Extract metadata
3. Generate TL;DR
4. Update root README
5. Trigger subagents
6. Validate outputs

Шаг 3 — Главный агент-оркестратор

Создайте:

.github/agents/article-orchestrator.agent.md

Пример

---
name: article-orchestrator
tools: ['agent', 'read', 'search', 'edit']
agents: ['translate-de', 'translate-fr', 'translate-es', 'translate-pl', 'translate-ru']
---

Use article-translation skill.

1. Find article
2. Extract metadata
3. Generate TL;DR
4. Update README.md
5. Run subagents
6. Verify outputs
7. Write translation-summary.md

Это ваша диспетчерская башня.

Шаг 4 — Языковые субагенты

У каждого языка есть свой агент.

Пример: translate-de.agent.md

---
name: translate-de
user-invocable: false
---

Translate article into German.

Create:
- /de/README.md
- /de/<article>.md

Rules:
- keep title unchanged
- keep Author and Date unchanged
- translate TL;DR only in README
- preserve markdown

Повторите для FR, ES, PL, RU.

Шаг 5 — Hooks (guardrails и жизненный цикл)

Создайте:

.github/hooks/hooks.json

Пример

{
  "version": 1,
  "hooks": {
    "sessionStart": [{ "bash": { "run": "python3 .github/hooks/session_start.py" } }],
    "preToolUse": [{ "bash": { "run": "python3 .github/hooks/pre_tool_guard.py" } }],
    "postToolUse": [{ "bash": { "run": "python3 .github/hooks/post_tool_validate.py" } }],
    "sessionEnd": [{ "bash": { "run": "python3 .github/hooks/session_end.py" } }],
    "errorOccurred": [{ "bash": { "run": "python3 .github/hooks/error_occurred.py" } }]
  }
}

Назначение

• preToolUse → предотвращение небезопасных изменений
• postToolUse → проверка результатов
• sessionEnd → уведомление о завершении
• errorOccurred → логирование ошибок

Шаг 6 — Запуск конвейера

Вариант 1 — Вручную

copilot

Затем:

Use article-orchestrator to process my-article.md

Вариант 2 — Триггер от Git-коммита

Добавьте pre-commit или GitHub Action:

on push:
  - "*.md"

Триггер:

copilot -p "Run article-orchestrator on new article"

Шаг 7 — Пример результата

После выполнения:

Root README

# My Article
Author: John Doe
Date: 10.03.2026
**TL;DR Short summary**

German README

# My Article
Author: John Doe
Date: 10.03.2026
**TL;DR Kurze Zusammenfassung**

Переведённый файл

/de/my-article.md

Шаг 8 — Чем мне помог GPT

Эта система не была полностью собрана вручную с нуля.

GPT помог с:

• проектированием архитектуры
• определением ролей агентов
• написанием всех конфигураций агентов
• проектированием skills и hooks
• созданием guardrails
• генерацией готового репозиторного набора
• уточнением лучших практик на основе документации Copilot

Ключевой сдвиг, который обеспечил GPT:

От «скриптов, которые переводят файлы»
→ к «агентам, которые координируют трансформацию знаний»

Шаг 9 — Ключевые инсайты

1. Git становится событийной системой

commit → agent → transformation → commit

2. Агенты лучше скриптов

• проще расширять
• проще рассуждать о системе
• ближе к тому, как мыслят люди

3. Provenance встроен по умолчанию

На каждом шаге:

• кто инициировал
• что изменилось
• какой результат получен

Шаг 10 — Следующие шаги

Вы можете расширить это до:

• перевода на основе diff
• AI-оценки качества
• SEO-оптимизации по языкам
• конвейеров публикации
• загрузки в граф provenance

Финальные мысли

Это больше, чем перевод.

Это операционная система для контента:

• детерминированная
• объяснимая
• расширяемая

И она естественно масштабируется до:

• систем знаний
• происхождения решений
• AI-native workflow

Хотите улучшить это?

Если хотите, я могу помочь вам:

• добавить инкрементальный перевод (только изменённые абзацы)
• интегрировать с вашим движком блога (Astro, Jekyll)
• добавить уведомления в Slack/email
• превратить это в SaaS-ready архитектуру