我用 AI 翻譯的三個(gè)階段：提示詞時(shí)代 → 推理模型時(shí)代 → Agent 時(shí)代

我做 AI 翻譯這件事，前前后后折騰了快兩年。從最早手寫提示詞，到現(xiàn)在用 Agent 自動(dòng)分塊、并行翻譯、審校潤色，中間踩了不少坑，也攢了不少經(jīng)驗(yàn)。最近把這些經(jīng)驗(yàn)整理成了一個(gè)可復(fù)用的翻譯 Skill，這篇文章聊聊這個(gè) Skill 是怎么一步步迭代出來的。

翻譯這個(gè)場(chǎng)景比看上去復(fù)雜。提示詞本身很簡(jiǎn)單，"把這段話翻譯成中文"誰都會(huì)寫。但要做成一個(gè)通用的 Skill，你得考慮：輸入千奇百怪，有人貼一句話，有人丟一篇萬字長文，還有人給個(gè) Markdown 文件；每個(gè)人常用的語言對(duì)不一樣；有時(shí)候只想快速看個(gè)大意，有時(shí)候要求翻譯質(zhì)量必須高。

太長的內(nèi)容模型處理不了或者效果變差，需要分塊，分塊了又不好保證前后一致。這些問題不是一次想清楚的，是一輪輪迭代踩出來的。

我用 AI 翻譯的三個(gè)階段
第一個(gè)階段是推理模型出來之前。

那時(shí)候翻譯質(zhì)量全靠提示詞，角色設(shè)定、語氣要求、術(shù)語表，能塞的都塞進(jìn)去。我應(yīng)該是最早公開提出用"兩步翻譯"和"三步翻譯"來提升翻譯質(zhì)量的。

兩步翻譯就是先直譯再意譯，原理類似推理鏈，讓模型先老老實(shí)實(shí)把原文意思對(duì)上，再用更自然的方式重新表達(dá)。效果確實(shí)好，但費(fèi) Token。三步翻譯多了一個(gè)中間的審校環(huán)節(jié)，先直譯，再審校找問題，最后意譯，效果更好，但上下文占用很大。第二個(gè)階段是推理模型出來之后。

有了推理能力，不需要我手動(dòng)設(shè)計(jì)推理鏈了，模型自己會(huì)"想"。這時(shí)候翻譯提示詞的核心變成了一個(gè)詞："重寫"。不是讓模型"翻譯"，而是讓它用目標(biāo)語言"重寫"這段內(nèi)容。"翻譯"這個(gè)詞會(huì)讓模型惦記著原文的每個(gè)字，"重寫"給了它更大的自由度去處理隱喻、重組句式。這個(gè)思路轉(zhuǎn)變帶來的質(zhì)量提升很明顯。

第三個(gè)階段是 Agent。

到了 Agent 時(shí)代，翻譯工作流可以做得更精細(xì)。之前所有決策都是我做的：要不要分塊、分多大、用什么術(shù)語表、翻譯質(zhì)量夠不夠好。現(xiàn)在很多決策可以交給 Agent，但關(guān)鍵節(jié)點(diǎn)由人來確認(rèn)。

具體來說，我的 Agent 翻譯工作流是這樣的：

• Agent 先分析要翻譯的文章，找出專業(yè)術(shù)語、文化隱喻、讀者可能不理解的背景知識(shí)，保存成分析文件
• 根據(jù)分析結(jié)果和提示詞模板，生成翻譯提示詞，也保存成文件
• 如果文章太長，用腳本按 Markdown 結(jié)構(gòu)分塊
• 多個(gè)子 Agent 并行翻譯，每個(gè)負(fù)責(zé)一塊
• 翻譯完合并，再做整體校對(duì)

所有中間結(jié)果，分析報(bào)告、翻譯提示詞、每個(gè)分塊的原文和譯文、審校意見，全部保存成文件。翻譯是個(gè)迭代過程，某一塊翻得不好可以單獨(dú)重翻，不用從頭來。提示詞有問題可以直接改文件，不用重新跑分析。

到了這個(gè)階段，自然就想把整套流程做成 Skill 方便重用。

Agent 翻譯和提示詞翻譯有什么不同

用提示詞翻譯，你把原文、指令、術(shù)語表塞進(jìn)上下文，模型執(zhí)行一次，輸出就是結(jié)果。上下文窗口是你的全部工作空間，所有東西都得擠在里面。文章一長，要么截?cái)嘁从踩|(zhì)量和成本都不好控制。

Agent 翻譯不一樣，差別在三個(gè)地方。

第一，Agent 有工作流，不是一次性執(zhí)行。

它會(huì)按 Skill 設(shè)計(jì)的流程走，但不是死板地按步驟走。碰到短文章跳過分塊，碰到長文章自己分析 Markdown 結(jié)構(gòu)找安全的切分點(diǎn)，碰到純文本和 Markdown 用不同的分塊策略。目標(biāo)語言、翻譯風(fēng)格、質(zhì)量要求，都可以根據(jù)用戶需求靈活調(diào)整。遇到問題它會(huì)自己寫腳本來處理，比如寫一段代碼做 AST 解析，避免把表格或代碼塊切斷。這些靠一條提示詞做不到。

第二，Agent 能用文件系統(tǒng)當(dāng)外部記憶。

分析結(jié)果存成文件，翻譯提示詞存成文件，每一塊的譯文也存成文件。Agent 不需要把所有東西都裝在上下文里，需要什么讀什么，上下文始終保持干凈。傳統(tǒng)提示詞翻譯，上下文就是你的全部，用完即棄；Agent 翻譯，文件系統(tǒng)才是主記憶，上下文只是工作臺(tái)。

第三，Agent 可以啟動(dòng)子 Agent 并行工作。

傳統(tǒng)提示詞翻譯，一個(gè)模型從頭翻到尾。Agent 可以起十個(gè)子 Agent，每個(gè)只拿共享的提示詞文件加自己負(fù)責(zé)的那一塊，獨(dú)立翻譯。速度提升好幾倍，每個(gè)子 Agent 的上下文負(fù)載還更低，因?yàn)樗恍枰P(guān)注自己的那一塊。

這三個(gè)能力組合在一起，讓翻譯從"寫一條好提示詞"變成了"設(shè)計(jì)一套翻譯系統(tǒng)"。后面的內(nèi)容就是這套系統(tǒng)怎么一步步迭代出來的。

Skill 怎么創(chuàng)建和迭代

創(chuàng)建 Skill 的過程本身不復(fù)雜。在 Claude Code 里用 skill-creator，把想法說清楚，它就能生成一個(gè)初步版本。

我的第一條指令就把核心需求說清楚了：

> 幫我為當(dāng)前項(xiàng)目創(chuàng)建一個(gè)新的翻譯的 skill：兩種模式：正常翻譯，和精細(xì)翻譯 有一個(gè) EXTEND.md 可以定制默認(rèn)的 target 語言、語言到語言的術(shù)語表等 如果是普通翻譯，直接翻譯即可 如果是精細(xì)翻譯，做成一個(gè)工作流：先分析文章內(nèi)容→初步翻譯→review→潤色等 如果是內(nèi)容太長，需要分塊翻譯，但是要先把術(shù)語、人名先找出來，確保全文一致

同時(shí)我直接附上了參考翻譯提示詞和術(shù)語表樣例，這樣 Claude 不需要猜測(cè)我的翻譯風(fēng)格偏好。

整個(gè) Skill 的創(chuàng)建和迭代過程是這樣的：

• 在 Claude Code 里用 skill-creator，直接把想法說出來，生成初始版本
• 用生成的版本去翻譯真實(shí)文章，不是測(cè)試用例，是真的要用的內(nèi)容
• 讀翻譯結(jié)果，找出不滿意的地方
• 把問題反饋給 Claude Code，讓它改進(jìn) Skill
• 再翻譯，再檢查，循環(huán)往復(fù)

這個(gè)過程中，人的角色是質(zhì)量判官和方向指揮。你要能判斷翻譯好不好，要能說清楚哪里不好，但不需要自己去寫提示詞細(xì)節(jié)。比如我發(fā)現(xiàn)串行翻譯太慢，直接告訴 Agent"改成并行"，它自己去處理并行帶來的一致性問題。再比如隱喻翻譯生硬，我給它兩版翻譯讓它自己總結(jié)規(guī)律，它總結(jié)出來的規(guī)則比我寫的更系統(tǒng)。

三種翻譯模式的由來

最初只設(shè)計(jì)了兩種模式：普通和精細(xì)。后來發(fā)現(xiàn)很多時(shí)候只是想快速看個(gè)大意，普通模式的分析步驟多余了，于是加了快速模式，變成三種：

• 快速模式——不分析不分塊，直接翻譯，適合只想快速看個(gè)大意
• 普通模式——先分析文章內(nèi)容，提取術(shù)語、識(shí)別難點(diǎn)，再翻譯。長內(nèi)容會(huì)自動(dòng)分塊，翻譯完合并。結(jié)束后會(huì)問你一句：要不要繼續(xù)潤色？
• 精細(xì)模式——前面和普通模式一樣，但后面會(huì)繼續(xù)審校翻譯結(jié)果，根據(jù)審校意見修訂，最后潤色定稿

這里有個(gè)用戶體驗(yàn)的考慮：默認(rèn)是普通模式。你不需要提前判斷自己需要什么級(jí)別的翻譯質(zhì)量。大多數(shù)時(shí)候普通模式就夠了，看完覺得需要更好，回復(fù)"繼續(xù)潤色"就能無縫升級(jí)到精細(xì)模式。所有中間結(jié)果都保存成文件，升級(jí)模式時(shí)不用重跑前面的步驟。

從串行到并行，解決一致性問題

最初分塊翻譯是串行的。一個(gè)子 Agent 按順序翻譯所有塊，上一塊的結(jié)果放到下一塊的上下文里，保證前后連貫。

但速度太慢，十個(gè)塊要一個(gè)接一個(gè)翻譯。更麻煩的是上下文可能會(huì)爆，如果截?cái)嘀暗膬?nèi)容又沒法用 Prompt Cache，成本反而更高。

改成并行呢？多個(gè)子 Agent 同時(shí)翻譯不同的塊，速度快了，但一致性沒法保證。同一個(gè)術(shù)語，第一個(gè)子 Agent 翻譯成"護(hù)城河"，第三個(gè)可能翻譯成"競(jìng)爭(zhēng)壁壘"。

解決方案是把一致性的保障從"運(yùn)行時(shí)上下文"轉(zhuǎn)移到"預(yù)先分析"。翻譯之前先做一次內(nèi)容分析，把術(shù)語表、翻譯風(fēng)格、命名約定都確定下來，寫成一份分析報(bào)告。然后根據(jù)分析報(bào)告和提示詞模板，生成一份完整的翻譯提示詞。

每個(gè)子 Agent 拿到的是同一份提示詞加上各自負(fù)責(zé)的分塊內(nèi)容，術(shù)語怎么翻、風(fēng)格什么調(diào)性，全部統(tǒng)一。十個(gè)塊、十個(gè)子 Agent 并行執(zhí)行，速度提升好幾倍，一致性靠共享的提示詞文件保證。

分塊本身也有講究。最開始按空行分段，會(huì)把表格、代碼塊、列表切斷，后續(xù)處理很麻煩。后來改成用庫做 Markdown AST 解析，只在結(jié)構(gòu)安全的地方切割，比如段落邊界、標(biāo)題之后。

提示詞傳遞的四次重構(gòu)

這部分是迭代次數(shù)最多的。

第一版，讓子 Agent 自己去讀分析文件。子 Agent 還得自己找文件、理解分析結(jié)果，增加了不確定性。第二版，主 Agent 讀取分析文件后，把所有上下文整合成一個(gè)完整的提示詞，直接傳給子 Agent。好了一些，但提示詞只存在于調(diào)用參數(shù)里，沒法追溯、沒法手動(dòng)檢查。第三版，把組裝好的提示詞保存成文件。子 Agent 讀這個(gè)文件就行。提示詞本身成了一個(gè)可追溯的中間產(chǎn)物，你可以打開看看生成的提示詞對(duì)不對(duì)，甚至手動(dòng)改。第四版，實(shí)際測(cè)試時(shí)發(fā)現(xiàn)一個(gè)問題：提示詞文件里包含了分塊列表，子 Agent 看到所有塊的信息會(huì)混淆，因?yàn)樗回?fù)責(zé)翻譯一個(gè)塊。于是把提示詞拆成兩部分，共享上下文（背景、術(shù)語表、翻譯原則）保存為文件，任務(wù)指令（翻譯哪個(gè)文件、保存到哪里）作為調(diào)用參數(shù)單獨(dú)傳入。所有產(chǎn)物都保存成文件

無論輸入是文件、URL 還是粘貼的文本，第一步都是保存成文件。然后分析報(bào)告、翻譯提示詞、初稿、審校意見、修訂版、最終翻譯，全部保存在同一個(gè)目錄里，用數(shù)字前綴標(biāo)識(shí)步驟順序：

• 01-analysis.md —— 內(nèi)容分析
• 02-prompt.md —— 翻譯提示詞
• 03-draft.md —— 初稿
• 04-critique.md —— 審校意見
• 05-revision.md —— 修訂版
• translation.md —— 最終翻譯

某個(gè)塊翻譯質(zhì)量不好？單獨(dú)重翻那一塊。想看看分析報(bào)告有沒有遺漏？直接打開 01-analysis.md。想手動(dòng)調(diào)整翻譯提示詞？改 02-prompt.md 就行。普通模式翻譯完想升級(jí)到精細(xì)模式？前面的文件都在，直接從審校步驟開始。

并行翻譯也因此可行，提示詞已經(jīng)是文件了，多個(gè)子 Agent 共享同一個(gè)文件，天然一致。

讓 Agent 自己發(fā)現(xiàn)問題

翻譯測(cè)試中發(fā)現(xiàn)一個(gè)典型問題。原文是：

> "The Swiss had been watching the Japanese in the rear view mirror all through the 1960s, and they'd been improving at an alarming rate."

模型翻譯成了：

> "整個(gè) 1960 年代，瑞士人一直從后視鏡里看著日本人以驚人的速度追趕上來。"

而我期望的翻譯是：

> "整個(gè)六十年代，瑞士人一直把日本人看作身后的追趕者，而且對(duì)方進(jìn)步的速度已經(jīng)讓他們感到不安。"

"從后視鏡里看"是英文隱喻的直譯，中文讀者讀起來別扭。"alarming"被翻譯成"驚人的"，丟失了原文中瑞士人感到不安的主觀情緒。

我的做法不是自己去改提示詞。我手動(dòng)整理了一份高質(zhì)量翻譯版本，然后讓 Agent 自己去比較兩版翻譯，分析哪里好、怎么才能翻譯得更好。

Agent 分析出了幾個(gè)核心模式：隱喻要解讀意圖而不是直譯字面意象；傳達(dá)作者的意思而不是逐詞翻譯；保留用詞的情感色彩，"alarming"不只是"驚人的"，還有"不安"的意味；用中文的強(qiáng)調(diào)結(jié)構(gòu)而不是照搬英文語序。

然后 Agent 在三個(gè)層面做了優(yōu)化。分析階段新增了隱喻映射，要求對(duì)每個(gè)隱喻分析作者意圖、直譯風(fēng)險(xiǎn)、目標(biāo)語言處理策略。翻譯原則里加了"翻譯意圖不翻譯字面"、"保留情感色彩"。審校階段專門檢查直譯隱喻和情感扁平化問題。

整個(gè)過程我做的就是：發(fā)現(xiàn)問題、提供對(duì)比樣例、指明方向。具體怎么改 Skill，讓 Agent 自己來。

Agent 比你更懂怎么寫好提示詞，但你要告訴它方向。你不需要去寫 Skill 的具體規(guī)則，你需要做的是發(fā)現(xiàn)問題、提供好壞的標(biāo)準(zhǔn)，然后讓 Agent 自己分析和優(yōu)化。你測(cè)試，你指揮，它執(zhí)行。個(gè)性化設(shè)置

每個(gè)人翻譯的需求不一樣。有人主要翻英文到中文，有人翻日文到英文。有人面向技術(shù)讀者，有人面向普通讀者。

Skill 里設(shè)計(jì)了一個(gè) EXTEND.md 文件，用戶可以設(shè)置自己的默認(rèn)目標(biāo)語言、翻譯風(fēng)格、目標(biāo)讀者、術(shù)語表。第一次使用時(shí)會(huì)引導(dǎo)你做一次設(shè)置，之后每次翻譯都會(huì)讀取你的配置。

目標(biāo)讀者這個(gè)維度不只是一個(gè)配置項(xiàng)，它影響整個(gè)翻譯策略。給普通讀者要多加譯注，給技術(shù)讀者可以省略常見術(shù)語的解釋。學(xué)術(shù)讀者用正式語體，普通讀者用敘事風(fēng)格。

譯注本身也有講究。不是簡(jiǎn)單標(biāo)個(gè)英文原詞，而是用通俗語言解釋含義。比如"遮禿效應(yīng)"（comb-over effect，指一系列單獨(dú)看來微小的變化，最終將你從略有偏差帶入荒誕失常的境地），讓不了解這個(gè)概念的讀者也能順暢讀下去。

術(shù)語表的精簡(jiǎn)

一開始術(shù)語表有 60 多條，后來精簡(jiǎn)到 15 條。刪掉了 Machine Learning 翻譯成機(jī)器學(xué)習(xí)這類模型本身就知道的，只保留容易翻錯(cuò)或有爭(zhēng)議的，比如 AI Wrapper 翻譯成 AI 套殼、Hallucination 翻譯成幻覺、Moat 翻譯成護(hù)城河。

術(shù)語表是給模型的補(bǔ)充知識(shí)，不是全部知識(shí)。模型知道的就別重復(fù)了，重復(fù)太多反而稀釋了真正需要注意的條目。

類似的思路也用在了配置管理上。Skill 里有分塊閾值、每塊最大詞數(shù)這些參數(shù)，最開始散落在各處，改一個(gè)要找好幾個(gè)地方。后來統(tǒng)一放到一個(gè) Defaults 表里，EXTEND.md 里的設(shè)置可以覆蓋默認(rèn)值，具體數(shù)字只出現(xiàn)一次。

回頭看，幾個(gè)反復(fù)出現(xiàn)的原則第一，所有產(chǎn)物持久化。源文件、分析、提示詞、初稿、審校、終稿都保存為文件，可追溯、可調(diào)試、可恢復(fù)。第二，關(guān)注點(diǎn)分離。分析歸分析，翻譯歸翻譯，審校歸審校。子 Agent 只負(fù)責(zé)初稿翻譯，審校和潤色需要全局視角，交回主 Agent。第三，漸進(jìn)式體驗(yàn)。默認(rèn)普通模式，完成后提示可以升級(jí)，用戶不需要提前預(yù)判。第四，并行優(yōu)先。在保證質(zhì)量的前提下盡量并行，通過共享提示詞文件讓多個(gè)子 Agent 獨(dú)立工作。第五，提示詞即代碼。翻譯提示詞保存成文件，可檢查、可修改、可復(fù)用。

從"把這段話翻譯成中文"到一個(gè)完整的翻譯 Skill，這中間的距離比我預(yù)想的大。翻譯提示詞確實(shí)簡(jiǎn)單，但一個(gè)好用的翻譯工具要處理的問題遠(yuǎn)不止翻譯本身：輸入格式、分塊策略、術(shù)語一致性、質(zhì)量分級(jí)、中間產(chǎn)物管理、個(gè)性化配置。這些問題沒有一個(gè)能靠一條提示詞解決，但也沒有一個(gè)需要你自己從零寫代碼。你的價(jià)值在于判斷質(zhì)量好壞、發(fā)現(xiàn)問題、指明方向。具體怎么優(yōu)化，讓 Agent 來。

項(xiàng)目地址：https://github.com/JimLiu/baoyu-skills

安裝方法：

> npx skills add https://github.com/jimliu/baoyu-skills --skill baoyu-translate

小龍蝦 和 Claude code 都可以用。

*來源：X @dotey（寶玉）*