AI Translation Challenge V2 - Web Application

這是 2026 資訊營 AI 大地的其中一關--翻譯挑戰。

遊玩流程

本遊戲需要在有人監督下進行。 首先，互相對戰的雙方填上小隊代號後準備完成。 系統隨機抽取一個主題，主題中有四篇性質相似的文章。雙方需要在其中選擇一篇作為攻擊文本。 雙方選擇完成後，小隊可以選擇使用手上的技能卡片來修改攻擊文本：

1. 增字：在所選位置增加一個字
2. 刪字：使指定的字元被刪除
3. 搬移：選擇一個字元，並選擇另一個位置。該卡片會將該字元後方 n 個字元選取並移動到指定位置插入。n 可以透過後臺設定，預設值為 10 。

修改完成後按下準備完成。

接下來，語言模型會將雙方編輯好的攻擊文本翻譯 20 次 (同樣可以後臺調整數值)。

當文本被翻譯完成，會先送到管理員介面，確認模型沒有報錯、生成不該生成的指示或補充詞語等等。若管理員發現翻譯出現錯誤，可以退回該翻譯重新生成。

當雙方的翻譯內容都被通過，會將翻譯汙染過的攻擊文本送給敵方小隊。同時自身也要從四個原文中，猜出敵方受翻譯汙染後的原文為何。

猜對者得一分，該輪遊戲結束。

---

AI 生的。

🌟 核心特點

1. 即時雙團對戰 (Symmetric Dual-Team Gameplay)
   • 支援 Team A 與 Team B 對稱對決，透過 WebSocket 實現遊戲狀態毫秒級同步。
2. 字元級技能干擾機制 (Character-Level Skills)
   • ✍️ 增字：可在文字任意位置插入字元。
   • ✂️ 刪字：可任意刪除文字中的單個字元。
   • 🔀 搬移：可將指定長度（預設為 10 字）的連續文字搬移至其他位置。
3. 強大的 AI 翻譯後端 (Ollama Integration)
   • 即時透過本地/遠端 Ollama 服務進行翻譯。
   • 思維過濾：自動清除 DeepSeek 等推理模型產生的 <think>...</think> 標記，提供乾淨的翻譯結果。
   • 動態掃描與切換：支援從 ollama_ports.json 掃描多個主機上的模型，管理員可在後台即時切換使用的 Ollama 端點與模型。

---

📁 目錄結構

• app_v2.py：Flask 伺服器主入口，整合 Socket.IO 進行實作連線與路由分發。
• game_state_v2.py：記憶體內的遊戲狀態管理器，包含技能邏輯與狀態機。
• ai_service.py：與 Ollama 連線的同步客戶端，處理翻譯與模型掃描。
• ollama_ports.json：多 Ollama 服務端點掃描設定檔。
• requirements.txt：此 Web 專案的 Python 依賴包清單。
• data/
  • questions_v2.json：翻譯挑戰賽題庫。
• templates/：HTML 網頁模板。
  • team.html：隊伍（A/B）對戰操作介面。
  • admin.html：管理員主控台。
• static/：前端 CSS 樣式與即時互動 JavaScript。

---

🛠️ 安裝與環境建置

1. 安裝依賴包

請確保您已安裝 Python 3.10+，並在 web_v2 目錄下執行：

pip install -r requirements.txt

2. 設定 Ollama 服務

確保您的 Ollama 服務已在本地（http://localhost:11434）啟動，且已下載您想使用的模型（如 qwen3:8b）。

• 若有其他 Ollama 伺服器，可在 ollama_ports.json 中配置主機列表以進行掃描。

---

🚀 啟動與執行

在 web_v2 目錄下執行：

python app_v2.py

啟動後，可在瀏覽器開啟以下網址：

• A 隊介面：http://localhost:5000/team/a
• B 隊介面：http://localhost:5000/team/b
• 管理員後台：http://localhost:5000/admin (預設密碼為 admin123)

---

⚙️ 環境變數自訂 (選用)

此服務預設會連線至本地 http://localhost:11434 並使用 qwen3:8b 模型。若您想自訂，可以在執行前設定以下環境變數，或是在 web_v2 目錄下新增 .env 檔案（需在 app_v2.py 中呼叫 load_dotenv()）：

# Ollama 伺服器網址
OLLAMA_URL=http://localhost:11434

# 預設使用的模型名稱
OLLAMA_MODEL=qwen3:8b