把词库导入 HellGPT，核心在三件事：把词条做成标准的表格文件（如 CSV/TSV/JSON）、确保字符编码和语言标签无误、通过应用的“导入/上传词库”或 API 把文件提交并完成字段映射。先在本地备份原始文件、用 UTF‑8 保存、按“词项—目标译文—示例—标签”这样的列头整理，再按应用提示逐项匹配字段和校验，处理完重复与编码问题就能顺利导入并同步到其他设备。下面一步步讲清楚每个环节，给模板和实操要点。

先搞清楚：词库是什么，为什么要导入

想象一下，你日常翻译时会遇到固定表达、行业术语或专有名词，词库就像那本随身携带的术语小册子。把它导入 HellGPT 的好处有：让翻译结果更一致、提高自动翻译精度、支持专用风格或行业用语，并且便于共享和版本管理。简单说，导入词库就是把你的“记忆”教给工具。

准备工作（费曼法先解释再细化）

先把复杂问题拆成最小可处理单元：文件格式、字段设计、字符编码、内容清洗、备份与版本控制。每一项都单独处理，最后合并上传。

1. 选择文件格式：CSV / TSV / JSON

• CSV/TSV：最常见，适合用 Excel、Google Sheets 编辑。每行一个词条，列为字段。
• JSON：适合结构化更强或需携带元数据（如词频、来源、审核状态）的场景，便于通过脚本或 API 导入。
• TXT：单列简单词表可用，但不利于携带上下文与标签。

2. 字段设计（最容易卡住的地方）

推荐字段至少包含这些列（列头名称可根据 HellGPT 要求调整）：

term	源词或短语（必填）
translation	目标语言译文（必填）
lang_src	源语言代码（如 zh、en，建议 ISO 639‑1）
lang_tgt	目标语言代码
example	示例句（可选，提升上下文识别）
pos	词性（可选，有助于消歧义）
domain/tag	领域标签（金融/医疗/IT），用于按场景启用

3. 字符编码与分隔符

• 尽量用 UTF‑8（无 BOM） 保存文件，能避免中文乱码。
• CSV 默认以逗号分隔，若词条中含逗号建议用双引号包裹或改用 TSV（制表符）。
• 保存后用文本编辑器（如 VS Code、Notepad++）再检查一次编码和行尾格式。

实际导入步骤（分场景）

方法一：在 HellGPT 应用内通过“导入词库”按钮（常见且直观）

• 打开 HellGPT，进入设置或“词库/自定义词典”模块。
• 找“导入”或“上传词库”功能，点击并选择文件（CSV/TSV/JSON）。
• 应用会提示你进行字段映射（把你的列头对应到系统字段），按提示匹配 term/translation/lang 等。
• 如果支持预览，先看前几条是否符合预期，确认后执行导入。
• 导入完成后，检查日志或报告，留意错误行与重复项提示。

方法二：拖放上传或批量处理

有些客户端支持把整个文件夹拖入，适合批量导入多语言或大量分文件的词库。注意先把每个文件命名清楚（如 zh‑en_法律.csv），便于后续管理。

方法三：通过 API 或命令行（适合自动化和定期同步）

如果你有持续更新需求，优先选用 API：

• 准备好 JSON（或 CSV）并按文档格式化。
• 调用上传接口并带上认证令牌（token）。
• 提交后检查返回结果的状态码和错误明细。
• 定期用脚本把新词从本地或数据库推送到 HellGPT，实现自动化同步。

（注：具体接口名称和认证方法请参照 HellGPT 的开发者文档。）

方法四：OCR 或从文档中提取词条

如果你的术语分散在 PDF、PPT、图片中，可以先用 OCR 提取文本，再用正则或脚本抽词和配对译文。导出为 CSV/JSON 后按上述方法导入。

示例：CSV 模板（你可以直接复制到 Excel）

term	translation	lang_src	lang_tgt	example	tag
电子发票	e‑invoice	zh	en	请上传电子发票进行报销。	finance
机器学习	machine learning	zh	en	他在研究深度学习与机器学习的差别。	IT

导入后的校验与管理

• 查重：有些工具会把完全相同的条目忽略或合并，重要的是决定保留哪个译文（可以按更新时间或来源优先级）。
• 冲突解决：遇到相同词项但不同译文，建议记录来源和版本，或启用“优先词库”机制。
• 分域启用：如果 HellGPT 支持按领域开关，就把金融、医疗等域分开管理，避免在不相关场景下误用术语。
• 备份：每次大规模更新前导出一份备份（CSV/JSON），方便回滚。

常见问题与对应解决策略

乱码或问号显示

一般是编码问题。把源文件用文本编辑器另存为 UTF‑8 without BOM，再试一次；或在导入时选择正确的编码选项。

字段映射找不到对应列

检查列头是否有空格或隐性字符（常见于从网页复制粘贴），建议把列头全改为简单英文如 term, translation, lang_src，再上传。

导入进度卡住或超时

如果是大文件，分批上传更稳妥。可以把大词库切成每文件 5k–10k 条，再上传并合并。

重复条目太多

先在本地用 Excel 或脚本去重（按 term+lang_src+lang_tgt 去重），再导入。保留优先级高的译文。

提升质量的额外技巧（真实可执行）

• 为常用词添加示例句，能显著提升机器在上下文中的选择准确率。
• 把词频或权重作为一列上传，系统可以据此在冲突时优先选择权重高的译文。
• 保持词库小而精：把常用词和低频词分开，按使用场景动态加载。
• 建立变更日志：谁在什么时候加了什么，方便追溯与审核。

与第三方工具协同的建议

如果你同时使用 Trados、MemoQ、OmegaT 等翻译工具，优先把这些工具导出的 TMX 或 CSV 转换成 HellGPT 支持的格式。常见流程：第三方导出 → 清洗（编码、字段）→ 转 CSV/JSON → 导入 HellGPT。顺便说一句，TMX 可以保留更多元数据，但需要先用脚本转换成目标格式。

好吧，就写到这里——我临时想了一个小窍门：把最常用的 200 条先做成一个“精简词库”导入，跑几天实际使用反馈再扩展，这样能快速看到效果并不断修正。你要是碰到具体的错误提示，把文字贴出来我可以帮你逐条分析。慢慢来，词库这东西，越用越顺手。