🌐 Initial translations for PR #631

Auto-generated translations for documentation changes in PR #631.

Last-Processed-Commit: a0e43e1
Original-PR: #631
Languages: Chinese (zh), Japanese (ja)

🤖 Generated with GitHub Actions

Author: github-actions[bot]

ja/api-reference/openapi_knowledge.json

@@ -2321,18 +2321,9 @@
           },
           "partial_member_list": {
             "type": "array",
-            "description": "'partial_members'権限でアクセスできるメンバーのリスト。",
+            "description": "'partial_members'権限のメンバーIDリスト。",
             "items": {
-              "type": "object",
-              "required": [
-                "user_id"
-              ],
-              "properties": {
-                "user_id": {
-                  "type": "string",
-                  "description": "メンバーのユーザーID。"
-                }
-              }
+              "type": "string"
             }
           }
         }
@@ -2945,4 +2936,4 @@
       }
     }
   }
-}
+}

ja/use-dify/nodes/ifelse.mdx

@@ -6,7 +6,6 @@ icon: "code-branch"
 
 <Note> ⚠️ このドキュメントはAIによって自動翻訳されています。不正確な部分がある場合は、[英語版](/en/use-dify/nodes/ifelse)を参照してください。</Note>
 
-
 If-Elseノードは、定義した条件に基づいて実行を異なるパスにルーティングすることで、ワークフローに意思決定ロジックを追加します。変数を評価し、ワークフローが従うべき分岐を決定します。
 
 <Frame caption="If-Else条件分岐の例">
@@ -29,11 +28,11 @@ If-Elseノードは、定義した条件に基づいて実行を異なるパス
 
 <Tabs>
   <Tab title="テキスト操作">
-    **Contains** / **Not contains** - テキストが特定の単語やフレーズを含むかチェック
+    **Contains** / **Not contains** - 値が特定の単語やフレーズを含むかチェック
 
     **Starts with** / **Ends with** - パターンマッチングのためにテキストの始まりや終わりをテスト
 
-    **Is** / **Is not** - 正確なテキスト比較のための完全値マッチング
+    **Is** / **Is not** - 正確な値のマッチング
   </Tab>
 
   <Tab title="値チェック">
@@ -59,18 +58,6 @@ If-Elseノードは、定義した条件に基づいて実行を異なるパス
 
 ## 変数参照
 
-条件で以前のワークフローノードからの任意の変数を参照します。変数は、ユーザー入力、大規模言語モデルのレスポンス、API呼び出し、または他のワークフローノード出力から取得できます。
-
-変数セレクターを使用して利か、`{{variable_name}}`構文を使用して変数名を直接入力します。
-
-## 共通パターン
-
-**コンテンツルーティング** - カテゴリ、言語、または複雑さに基づいて、異なるタイプのコンテンツを専用の処理ノードに振り分けます。
-
-**ユーザー役割管理** - ユーザー権限、サブスクリプションレベル、またはアカウントタイプに基づいて異なるワークフロー動作を実装します。
-
-**エラーハンドリング** - レスポンス状態コード、データ妥当性、または処理結果をチェックして、ワークフローを適切にルーティングします。
-
-**動的処理** - 入力特性、処理結果、または外部条件に基づいてワークフロー動作を調整します。
+条件で以前のワークフローノードからの任意の変数を参照します。変数は、ユーザー入力、LLMレスポンス、API呼び出し、または他のワークフローノード出力から取得できます。
 
-**マルチパスワークフロー** - アプリケーションのさまざまなシナリオやエッジケースを処理する洗練された分岐ロジックを作成します。
+変数セレクターを使用して利用可能な変数から選択するか、`{{variable_name}}`構文を使用して変数名を直接入力します。

ja/use-dify/nodes/list-operator.mdx

@@ -6,9 +6,10 @@ icon: "filter"
 
 <Note> ⚠️ このドキュメントはAIによって自動翻訳されています。不正確な部分がある場合は、[英語版](/en/use-dify/nodes/list-operator)を参照してください。</Note>
 
-
 リスト演算子ノードは、配列のフィルタリング、ソート、特定の要素の選択を行います。混合ファイルアップロード、大規模なデータセット、または下流処理の前に分離や整理が必要な配列データを扱う際に使用します。
 
+サポートされる入力データ型には、`array[string]`、`array[number]`、`array[file]`、`array[boolean]`があります。
+
 <Frame caption="リスト演算子ノードインターフェース">
   <img src="https://assets-docs.dify.ai/dify-enterprise-mintlify/en/guides/workflow/node/522a0c932aab93d4f3970168412f759e.png" alt="リスト演算子インターフェース" />
 </Frame>
@@ -23,16 +24,6 @@ icon: "filter"
   <img src="https://assets-docs.dify.ai/dify-enterprise-mintlify/en/guides/workflow/node/812d1b2f167065e17df8392b2cb3cc8a.png" alt="配列処理の例" />
 </Frame>
 
-## サポートされるデータ型
-
-ノードは適切なフィルタリングオプションを使用して、さまざまな配列タイプを処理します：
-
-**Array[string]** - テキストリスト、カテゴリ、名前、または任意の文字列コレクション
-
-**Array[number]** - 数値データ、スコア、測定値、または計算結果
-
-**Array[file]** - 豊富なメタデータフィルタリング機能を持つ混合ファイルアップロード
-
 ## 操作
 
 ### フィルタリング
@@ -79,7 +70,7 @@ icon: "filter"
 
 **result** - バルク処理用の完全なフィルタリングおよびソート済み配列
 
-**first_record** - 先頭からの単一要素、「プテム選択に最適
+**first_record** - 先頭からの単一要素、「プライマリ」または「最新」アイテム選択に最適
 
 **last_record** - 末尾からの単一要素、「最新」または「最終」選択に有用
 
@@ -95,31 +86,9 @@ icon: "filter"
 
 1. **混合アップロードの設定** - 複数のファイルタイプを受け入れるファイルアップロード機能を有効化
 2. **タイプ別に分割** - 異なるフィルターを持つ別々のリスト演算子ノードを使用：
-   - `type = "image"`でフィルタリング → ビジョン機能を持つ大規模言語モデルにルーティング
+   - `type = "image"`でフィルタリング → ビジョン機能を持つLLMにルーティング
    - `type = "document"`でフィルタリング → 文書抽出器にルーティング
 3. **適切に処理** - 画像は直接分析され、文書はテキスト抽出が行われる
 4. **結果を結合** - 処理された出力を統一されたレスポンスにマージ
 
-このパターンは、異なるファイルタイプを適切なプロセッサーに自動的にルーティングし、シームレスなマルチモーダルユーザーエクスペリエンスを作成します。
-
-## 一般的な使用例
-
-**ファイルタイプルーティング** - 混合アップロードをコンテンツタイプに基づいて専門的な処理パイプラインに分離
-
-**データフィルタリング** - 特定の基準に基づいて大規模なデータセットから関連するサブセットを抽出
-
-**コンテンツ優先順位付け** - コレクションから最も重要または最新のアイテムをソートして選択
-
-**品質管理** - 処理前に無効、過大サイズ、またはサポートされていないコンテンツをフィルターで除外
-
-**バッチ準備** - 下流の反復処理や並列処理のためにデータを管理可能なチャンクに整理
-
-## ベストプラクティス
-
-**フィルター基準の計画** - 下流処理要件に基づいて明確なフィルタリングルールを定義
-
-**適切な出力タイプの使用** - 下流ノードがデータをどのように使用するかに基づいて、完全な配列、最初のレコード、または最後のレコードを選択
-
-**空の結果の処理** - フィルターが一致しない場合の対処法を検討し、適切なフォールバックロジックを計画
-
-**実データでのテスト** - 本番環境での信頼性のある動作を保証するために、実際のユーザーアップロードでフィルタリング動作を検証
+このパターンは、異なるファイルタイプを適切なプロセッサーに自動的にルーティングし、シームレスなマルチモーダルユーザーエクスペリエンスを作成します。

ja/use-dify/nodes/llm.mdx

@@ -6,25 +6,26 @@ icon: "brain"
 
 <Note> ⚠️ このドキュメントはAIによって自動翻訳されています。不正確な部分がある場合は、[英語版](/en/use-dify/nodes/llm)を参照してください。</Note>
 
+
 LLMノードは大規模言語モデルを呼び出してテキスト、画像、ドキュメントを処理します。設定されたモデルにプロンプトを送信し、その応答を取得します。構造化出力、コンテキスト管理、マルチモーダル入力をサポートしています。
 
 <Frame caption="LLMノード設定インターフェース">
   <img src="https://assets-docs.dify.ai/dify-enterprise-mintlify/en/guides/workflow/node/85730fbfa1d441d12d969b89adf2670e.png" alt="LLM Node Overview" />
 </Frame>
 
 <Info>
-  LLMノードを使用する前に、**システム設定 → モデルプロバイダー**で少なくとも1つのモデルプロバイダーを設定してください。
+  LLMノードを使用する前に、**システム設定 → モデルプロバイダー**で少なくとも1つのモデルプロバイダーを設定してください。セットアップ手順については[モデル設定ガイド](/en/guides/model-configuration/readme)をご覧ください。
 </Info>
 
-## モデル選択とパラメータ
+## モデル選択とパラメーター
 
 設定したモデルプロバイダーから任意のモデルを選択できます。異なるモデルはそれぞれ異なるタスクに適しています。GPT-4とClaude 3.5は複雑な推論を得意としますがコストが高く、GPT-3.5 Turboは機能と価格のバランスが取れています。ローカル展開には、Ollama、LocalAI、Xinferenceを使用してください。
 
-<Frame caption="モデル選択とパラメータ設定">
+<Frame caption="モデル選択とパラメーター設定">
   <img src="https://assets-docs.dify.ai/dify-enterprise-mintlify/en/guides/workflow/node/43f81418ea70d4d79e3705505e777b1b.png" alt="LLM Node Configuration" />
 </Frame>
 
-モデルパラメータは応答生成を制御します。**温度**は0（決定的）から1（創造的）の範囲です。**Top P**は確率によって単語選択を制限します。**頻度ペナルティ**は繰り返しを減らします。**存在ペナルティ**は新しいトピックを促進します。プリセットも使用できます：**精密**、**バランス**、**創造的**。
+モデルパラメーターは応答生成を制御します。**温度**は0（決定的）から1（創造的）の範囲です。**核サンプリング**は確率によって単語選択を制限します。**頻度ペナルティ**は繰り返しを減らします。**存在ペナルティ**は新しいトピックを促進します。プリセットも使用できます：**精密**、**バランス**、**創造的**。
 
 ## プロンプト設定
 
@@ -39,7 +40,7 @@ User: {{user_input}}
 
 ## コンテキスト変数
 
-コンテキスト変数はソース帰属を保持しながら外部知識を注入します。これにより、大規模言語モデルがあなたの特定のドキュメントを使用して質問に答えるRAGアプリケーションが可能になります。
+コンース帰属を保持しながら外部知識を注入します。これにより、大規模言語モデルがあなたの特定のドキュメントを使用して質問に答えるRAGアプリケーションが可能になります。
 
 <Frame caption="RAGアプリケーションでのコンテキスト変数の使用">
   <img src="https://assets-docs.dify.ai/dify-enterprise-mintlify/en/guides/workflow/node/5aefed96962bd994f8f05bac96b11e22.png" alt="Context Variables" />
@@ -54,7 +55,7 @@ User: {{user_input}}
 質問：{{user_question}}
 ```
 
-知識検索からのコンテキスト変数を使用する場合、Difyは自動的に引用を追跡するため、ユーザーは情報源を確認できます。
+知識検索からのコンテキスト変数を使用する場合、Difyは自動的に引用と帰属を追跡するため、ユーザーは情報源を確認できます。
 
 ## 構造化出力
 
@@ -93,23 +94,28 @@ User: {{user_input}}
 
 ## メモリとファイル処理
 
-![](/images/llm-memory.png)
-メモリを有効にすると、チャットフロー会話内の複数のLLM呼び出しでコンテキストを維持できます。有効にすると、以前のインタラクションがフォーマットされたユーザー - アシスタント出力として後続のプロンプトに含まれます。`USER`テンプレートを編集することで、ユーザープロンプトに入力される内容をカスタマイズできます。メモリはノード固有であり、異なる会話間では持続しません。
+**メモリ**を有効にすると、ワークフロー実行内の複数のLLM呼び出しでコンテキストを維持できます。ノードは以前のインタラクションを後続のプロンプトに含めます。メモリはノード固有であり、ワークフロー実行間では持続しません。
 
-**ファイル処理**では、マルチモーダルモデル用にプロンプトにファイル変数を追加します。GPT-4Vは画像を、ClaudeはPDFを直接処理しますが、他のモデルでは前処理が必要な場合があります。
+**ファイル処理**では、マルチモーダルモデル用にプロンプトにファイル変数を追加します。GPT-4Vは画像をaudeはPDFを直接処理しますが、他のモデルでは前処理が必要な場合があります。
 
 ### ビジョン機能設定
 
 画像を処理する際、詳細レベルを制御できます：
 - **高詳細** - 複雑な画像でより良い精度を提供しますが、より多くのトークンを使用します
 - **低詳細** - シンプルな画像でより少ないトークンでより高速な処理
 
-ビジョン機能のデフォルト変数セレクターは`userinput.files`で、ユーザー入力ノードからファイルを自動的に取得します。
+ビジョン機能のデフォルト変数セレクターは`sys.files`で、開始ノードからファイルを自動的に取得します。
 
 <Frame caption="マルチモーダル大規模言語モデルでのファイル処理">
   <img src="https://assets-docs.dify.ai/2024/11/05b3d4a78038bc7afbb157078e3b2b26.png" alt="File Processing" />
 </Frame>
 
+補完モデルでの会話履歴については、マルチターンコンテキストを維持するために会話変数を挿入します：
+
+<Frame caption="会話履歴変数の使用">
+  <img src="https://assets-docs.dify.ai/dify-enterprise-mintlify/en/guides/workflow/node/b8642f8c6e3f562fceeefae83628fd68.png" alt="Conversation History" />
+</Frame>
+
 ## Jinja2テンプレートサポート
 
 LLMプロンプトは高度な変数処理のためにJinja2テンプレートをサポートしています。Jinja2モード（`edition_type: "jinja2"`）を使用すると、次のことができます：
@@ -122,9 +128,9 @@ LLMプロンプトは高度な変数処理のためにJinja2テンプレート
 
 Jinja2変数は通常の変数置換とは別に処理され、プロンプト内でループ、条件文、複雑なデータ変換が可能になります。
 
-## ストリーミング出力
+## ストリーミングレスポンス
 
-LLMノードはデフォルトでストリーミング出力をサポートしています。各テキストチャンクは`RunStreamChunkEvent`として生成され、リアルタイムの応答表示が可能になります。ファイル出力（画像、ドキュメント）はストリーミング中に自動的に処理され保存されます。
+LLMノードはデフォルトでストリーミングレスポンスをサポートしています。各テキストチャンクは`RunStreamChunkEvent`として生成され、リアルタイムの応答表示が可能になります。ファイル出力（画像、ドキュメント）はストリーミング中に自動的に処理され保存されます。
 
 ## エラーハンドリング