当前位置：

社区首页

文化娱乐

在线教育

语言学习

AIGC文章详情

张大妈

AI翻译专业术语音准优化全流程指南

源自169位全网作者

05-30 19:37

精选参考来源

在 AI 语境中，如何翻译 token 这个词更恰当？

全部
来源

内容由AI生成

1. 在 AI 语境中，如何翻译 token 这个词更恰当？

2. 写了一个翻译的 skill，开源，推荐试用，效果我测试下来还可以的。使用方法很简单，安装后，只要说：> 翻译 {文件路径}或者快速翻译，速度最快，质量会差一些> 快速翻译 {文件路径}或者精翻，质量最好，时间长一些，token也会消耗更多> 精翻 {文件路径}如果配合 baoyu-danger-x-to-markdown skill 可以翻译 X 上的 Article，输入推文 url 就好，配合 baoyu-url-to-markdown 则可以根据 url 翻译文章内容长文会自动分块，分块后能并行翻译，速度还可以，并且能保证分块后的翻译术语一致性。可以定制化一些自己的术语表。项目地址：github.com/JimLiu/baoyu-skills 网页链接安装方式：网页链接---我做 AI 翻译这件事，前前后后折腾了快两年。从最早手写提示词，到现在用 Agent 自动分块、并行翻译、审校润色，中间踩了不少坑，也攒了不少经验。最近把这些经验沉淀成了一个可复用的翻译 Skill。先说说翻译这个场景为什么比看上去要复杂。提示词本身很简单，“把这段话翻译成中文”谁都会写。但要做成一个通用的 Skill，你得考虑：输入千奇百怪，有人贴一句话，有人丢一篇万字长文，还有人给个 Markdown 文件；每个人常用的语言对不一样；有时候只想快速看个大意，有时候要求翻译质量必须高；太长的内容模型处理不了或者效果变差，需要分块，分块了又不好保证前后一致。这些问题不是一次想清楚的，是一轮轮迭代踩出来的。我用 AI 翻译的三个阶段第一个阶段是推理模型出来之前。那时候翻译质量全靠提示词，角色设定、语气要求、术语表，能塞的都塞进去。我应该是最早公开提出用“两步翻译”和“三步翻译”来提升翻译质量的。两步翻译就是先直译再意译，原理类似推理链，让模型先老老实实把原文意思对上，再用更自然的方式重新表达。效果确实好，但费 Token。三步翻译多了一个中间的审校环节，先直译，再审校找问题，最后意译，效果更好，但上下文占用很大。第二个阶段是推理模型出来之后。有了推理能力，不需要我手动设计推理链了，模型自己会“想”。这时候翻译提示词的核心变成了一个词：“重写”。不是让模型“翻译”，而是让它用目标语言重写这段内容。“翻译”这个词会让模型惦记着原文的每个字，“重写”给了它更大的自由度去处理隐喻、重组句式。这个思路转变带来的质量提升很明显。第三个阶段是 Agent。到了 Agent 时代，翻译工作流可以做得更精细。之前所有决策都是我做的：要不要分块、分多大、用什么术语表、翻译质量够不够好。现在很多决策可以交给 Agent，但关键节点由人来确认。具体来说，我的 Agent 翻译工作流是这样的：1. Agent 先分析要翻译的文章，找出专业术语、文化隐喻、读者可能不理解的背景知识，保存成分析文件2. 根据分析结果和提示词模板，生成翻译提示词，也保存成文件3. 如果文章太长，用脚本按 Markdown 结构分块4. 多个 subagent 并行翻译，每个负责一块5. 翻译完合并，再做整体校对所有中间结果都保存成文件。分析报告、翻译提示词、每个分块的原文和译文、审校意见，全部保存成文件。为什么要这么做？因为翻译是个迭代过程。某一块翻得不好，可以单独重翻，不用从头来。提示词有问题，可以直接改文件，不用重新跑分析。从串行到并行：一个关键转折最开始分块翻译是串行的。一个 subagent 按顺序翻译所有块，上一块的结果带到下一块，保持上下文连贯。问题很明显：慢。十个块要一个接一个翻，而且上下文越来越长，可能会爆。如果截断之前的内容，又没法用 prompt cache，成本反而更高。改成并行翻译就面临另一个问题：术语不统一。前面翻成"强化学习"，后面变成"增强学习"，读者会懵。解法是把一致性的保障从"运行时上下文"转移到"预先分析"。在翻译之前，Agent 已经分析好了全文的术语、翻译策略、风格要求，全部写在提示词文件里。每个 subagent 拿到的是同一份提示词文件，术语决策已经固化在里面了。十个块十个 subagent 并行执行，速度提升好几倍，一致性由共享的提示词文件保证。提示词文件的演进提示词怎么传给 subagent，这件事改了好几版。最开始是让 subagent 自己去读分析文件，自己理解。效果不稳定，每个 subagent 理解出来的东西不一样。然后改成主 agent 读取分析文件，把所有上下文整合成一个完整的 prompt 传给 subagent。好了一些，但 prompt 里什么都有，包括分块列表，subagent 看到十个块的列表会困惑，因为它只需要翻一个块。最后拆成两部分：共享上下文（术语表、翻译原则、背景信息）保存成文件，任务指令（翻译哪个文件、保存到哪里）作为调用参数传入。每个 subagent 读同一个提示词文件，但收到不同的任务指令。把提示词保存成文件还有一个好处：它本身成了可追溯的中间产物。翻译完觉得风格不对，打开提示词文件一看，发现是分析阶段遗漏了某个术语，直接改文件重跑翻译就行。当然还有一个重要原因是 Agent 很擅长读写处理文件。整个 Skill 的创建和迭代过程是这样的：1. 在 Claude Code 里用 skill-creator，直接把想法说出来，生成初始版本2. 用生成的版本去翻译真实文章，不是测试用例，是真的要用的内容3. 读翻译结果，找出不满意的地方4. 把问题反馈给 Claude Code，让它改进 Skill5. 再翻译，再检查，循环往复这个过程中，人的角色是质量判官和方向指挥。你要能判断翻译好不好，要能说清楚哪里不好，但不需要自己去写提示词细节。比如我发现串行翻译太慢，不是我去改并行逻辑，而是告诉 Agent"改成并行"，然后它自己去处理并行带来的一致性问题。比如我发现隐喻翻译生硬，不是我去写"遇到隐喻请意译"这样的规则，而是给它两版翻译让它自己总结规律。它总结出来的规则比我写的更系统、更全面。

3. 刚刚问了claude，它说中文语料中某些专业领域（金融、法律、医学、技术文档）的高质量文本偏少，模型更容易在这些区域"编"。如果是写system prompt、定义角色、设定输出格式，英文表达的精确度和模型的遵从度会更高。想降低幻觉的一大关键不是切换语言，而是让它去搜索（英语资料来源），不要只凭记忆/生成回答。

4. 最近看到有人整理了一套 Andrej Karpathy 风格的 Claude 提示词，一共 7 个，每一个都很实用，值得聊聊。大多数人用 Claude 就是直接丢个问题过去，等它吐答案。但 Karpathy 的思路完全不同，他把提示词当成一种思维框架，先帮 Claude 搭好思考的脚手架，再让它输出内容。效果差距非常明显。第一个叫"拆解法"，核心思路是让 Claude 在回答之前，先把问题拆成十个步骤：定义问题、找假设、列约束、分子问题、给三种方案、比较利弊、选最优、出执行计划、标失败点、提改进建议。这一套走下来，回答的深度完全不一样。第二个是"第一性原理构建法"，要求 Claude 从最底层的概念开始，一层一层往上搭，不许上来就打比方，先把术语讲清楚，再给心智模型、实际应用和常见误解。学 AI、学系统设计的时候特别好用。第三个是"研究简报生成器"，一条提示词就能让 Claude 帮你摸清一个领域的全貌：谁在玩、什么方案能跑通、什么方案跑不通、市场空白在哪、有什么反共识的洞察。省下你大量的前期调研时间。第四个是"架构设计提示词"，适合你有个想法但不知道怎么落地的时候。它会帮你规划最简版本、技术栈、数据流、构建顺序、边界情况，连 v2 怎么迭代都给你想好了。第五个很有意思，叫"元提示词优化器"，就是用提示词来优化提示词。你把自己写的提示词丢给它，它从清晰度、结构、约束、推理深度这些维度帮你重写一遍，还会告诉你为什么改完更好。属于降维打击。第六个是"专家模式切换"，一句话让 Claude 跳过所有入门级的解释，直接用资深工程师跟同行聊天的方式来回答，聚焦实现细节、关键取舍和常见的坑。第七个是"思考搭档"，让 Claude 不要无脑附和你，而是主动挑战你的假设、指出逻辑漏洞、提替代方案。这个时候 Claude 才真正变成了一个协作者。说到底，同样的模型，不同的人用出来效果天差地别。关键就在于你怎么组织自己的思维，然后把这个思维结构传递给 AI。这 7 个提示词就是很好的起点。#科技先锋官##How I AI#

5. 知道为什么现在很多人的英文摘要或者英文翻译部分 AIGC 率特别高吗？因为大家用的翻译软件都是自带 AI 模型的，它会为你自动调整那个句式+润色，你就约等于在用 AI 写东西。所以你想要降低论文的英文部分 AI 率，建议你用老一点的翻译器，就是建议你直接翻译，如果实在不行你就一句一句直接翻译。你要是实在控制不住自己的双手，非要用那种 AI 模型加持过的翻译软件，那我建议你把手砍了。用老派、纯粹直译的翻译工具，别用带“润色”“优化”的，知网自带的那个翻译大多数情况下是能用的，除了极端倒霉蛋。

6. 趋势不可逆！AI时代的工程翻译学习

7. AI黑话科普：一文让你彻底搞懂AI行业术语，看完你就是半个AI专家了

8. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

9. 开发代码库架构时，经常需要切换各种工具和概念：设计模式文档、架构指南、重构工具、代码审查 checklist，来回翻阅效率低下。mattpocock/skills 把代码架构改进的精华全部浓缩，提供一套标准化架构优化解决方案。不仅有精确的术语词汇表（Module、Interface、Depth、Seam等），还定义核心原则和关系模型，帮助从零构建或重构现有代码库。GitHub：github.com/mattpocock/skills/blob/main/improve-codebase-architecture/LANGUAGE.md主要功能：- 标准化术语体系，避免"component/service/boundary"等模糊词汇；- 深度（Depth）原则：小接口隐藏大行为，提供杠杆（Leverage）和局部性（Locality）；- 模块（Module）设计：单一接口 + 实现分离，接口即测试边界；- 接缝（Seam）概念：行为切换点，支持适配器（Adapter）替换；- 删除测试：验证模块是否真正隐藏复杂度；- 适用于前端/后端/新项目/遗留代码，支持多语言通用。支持从零规划到现有代码库优化，团队共享语言加速架构评审，适合开发者和技术领导者使用。#代码架构##TypeScript##GitHubSkills##AI编程#

10. 提示词工程的终点，是人的认知工程表面上是在训练 AI，实际上是在训练人如何思考。一个人提示词水平越高，说明他越能清楚表达目标、限定问题、定义概念、组织流程、验证结果。所以，提示词工程的本质不是机器技巧，而是人的认知修炼。#新媒沈阳聊ai#

11. 告别AI翻译玄学！Crowdin多阶段AI流水线，搞定可控本地化翻译

12. AI大模型能帮助生成专业术语库吗？

13. AI 这么强，翻译和英专生还有用吗？

14. 科大讯飞发布 AI 翻译耳机，该产品都有哪些新特性？

15. 沉浸式翻译杀疯了！双重开源：左手像素级还原PDF排版，右手本地AI隐私保护！

16. 中文去 AI 味写作指南地址：github.com/ninehills/public-skills/blob/main/deslop-zh/SKILL.md“去除中文写作中的 AI 腔调，让文本像人写的而非模型生成的。覆盖博客、技术文档、推文、发行说明、科学论文等场景。触发词：去 AI 味、改写、润色、审稿、翻译腔重、像人写的、自然一点。”也有配套英文写作的#AI创造营#

17. 【你的提示词写得像搜索引擎查询，难怪AI输出不行】经过大量测试，我发现90%的ChatGPT糟糕输出都源于同一个问题：我们写提示词的方式更像是在Google搜索，而不是在写项目简报。这个五层框架能让输出质量产生质变：角色、背景、任务、格式、约束。+ 第一层：角色。别只说“你是专家”。要具体到专业程度、行业领域和个性特征。“你是一位有15年经验的直复营销文案，专门服务DTC电商品牌，深入研究过尤金·施瓦茨和大卫·奥格威的方法论。”角色越具体，输出越精准。模型会根据这个设定调整词汇、结构和推理方式。+ 第二层：背景。AI读不了你的心思。大多数人在这一层丢失了质量。“我的客户销售一款49美元的有机护肤精华液，目标用户是28到42岁的女性，她们对那些承诺效果却使用合成成分的产品感到失望。品牌调性温暖、自信、有科学依据，但不推销感。”+ 第三层：任务。具体到让人觉得啰嗦的程度。不是“写几封邮件”，而是“写一个5封邮件的欢迎序列。邮件1是温暖的品牌介绍，邮件2针对最大异议也就是价格问题，邮件3分享客户转变故事，邮件4用限时优惠制造紧迫感，邮件5用社会认证做最后推动。每封邮件要包含主题行、预览文本和正文。”+ 第四层：格式。告诉AI确切的结构。“每封邮件使用这个结构：主题行、预览文本、开场钩子一句话、正文100到150字、一个清晰的行动号召。使用短段落，每段不超过两句话。”+ 第五层：约束。这是秘密武器，约束能防止通用化输出。“不要使用革命性、颠覆性、解锁这些词。不要用问句开头。每封邮件感叹号不超过一个。阅读水平控制在八年级。”有评论指出，约束层的作用比表面看起来更深。你不只是在避免陈词滥调，而是在压缩模型的输出概率空间，迫使它把注意力权重重新分配到非默认选项上。这就是为什么有约束的提示词感觉更专业：你让懒惰的输出变得不可达。当然，也有人直接说这框架没什么新鲜的，不过是把“具体一点”包装进五个盒子，撒上企业咨询的术语。确实，这类结构Google早就有70页的PDF免费提供。但重点从来不是原创性，而是是否真正在用。一个更实用的变体是调整顺序：角色、任务、约束、背景、格式。把指令放在最前面，因为模型对最近的显式内容权重更高。还有人提出了更深的思考：当约束不是偏好而是硬性要求时会发生什么？金融、医疗、法律这些领域，“模型通常会遵守”是不可接受的。那时候约束架构就变成了一门和提示词工程完全不同的学科。框架之外，真正的高手会让AI帮你写提示词。把想法扔进去，告诉它你想要的结果，它通常会默认输出类似结构。让AI做重活，这才聪明。www.reddit.com/r/PromptEngineering/comments/1r4b2y3/the_5layer_prompt_framework_that_makes_chatgpt/

18. 【7个提示词，让 Claude 从聊天机器人变成思考伙伴】快速阅读：多数人把 Claude 当搜索引擎用，Karpathy 把它当长期协作伙伴。差别不在模型，在于你怎么构建问题本身。---普通人给 AI 一个问题，等一个答案。Karpathy 给 AI 一套思维框架，然后让它在框架里工作。有网友一语点破：这些提示词本身只是表象，真正的差距在于你如何定义问题。提示词是结果，思维方式才是原因。以下是 7 种具体用法：1. 系统拆解提示：遇到复杂问题，强制 Claude 按步骤走：明确问题、列出假设、识别约束、拆分子问题、提三种方案、比较权衡、给出执行路径、预判失败点。这套流程本质上是把你的思维过程外包出去，然后让 AI 替你跑一遍。2. 第一性原理提示：不要类比，不要总结，从最底层概念开始，一层一层建起来，最后给出心智模型、真实应用和常见误解。适合搞懂 LLM、系统设计、数学原理这类容易“以为自己懂了”的东西。3. 研究简报生成：让 Claude 给出某个领域的全景图，包括玩家格局、当前路径、失败案例、市场空白、逆向洞察和可落地机会。它会变成一个还不错的分析师。4. 构建架构提示：从想法到实现，要求它给出最简版本、组件结构、数据流、技术栈、构建顺序、边界情况和扩展策略。省去大量乱猜阶段。5. 提示词优化器：把你自己写的提示词扔进去，让它优化清晰度、结构、约束条件和输出格式，并解释改了什么、为什么更好。提示词质量会随时间复利增长。6. 专家模式切换：让它以高级工程师对工程师的方式回答，跳过入门解释，直接聚焦实现、权衡和踩坑点。7. 批判性思考伙伴：让它不要盲目附和，主动挑战你的假设、指出逻辑漏洞、提出替代方向。这一步大多数人从来不做。有网友补充了一个实践细节：在开发应用的过程中，你得反复做审计，一旦发现模型开始循环并强行引入不必要的改动，那就是该叫停的时机。这 7 个提示词值得存起来反复用。不过更值得记住的是：AI 给出的答案质量，上限就是你提出问题的质量。x.com/Suryanshti777/status/2036796681195258207#AI创造营##人工智能#

19. 如果写论文时大量使用AI将自己写的中文内容翻译成英文，那么会不会被认为是AI代笔？

20. 文学翻译和技术翻译，哪种更考验译者的综合能力和语言功底？

21. 汽车行业翻译服务如何在AI时代推动全球增长

22. AI时代下SAP本地化运营模式重构与风险语言战略

23. 别再学提示词了：为什么它是AI时代最短命的技能？

24. 便捷与普惠，精准与共情：AI实时翻译技术加速发展

25. AI 术语提取功能上线 —— 高效构建术语库的智能新方案！

26. 腾讯混元推出轻量翻译大模型，无需联网，手机直接运行！

27. 冯全功 | 翻译修改能力模型的构建路径与价值阐释

28. 崔启亮、余洁：翻译应用视角的中外翻译软件功能对比研究

29. 如何看待淘天金码奖设立Prompt工程赛道，是否意味着「提示词工程师」将成为未来五年互联网行业新风口？

30. 热点追踪 | XTM推出智能译后编辑，赋能本地化自动化审校

31. 《AI 工程：大模型应用开发实战》中文版出版了——翻译一本 AI 工程的书，我把翻译本身也做成了 AI 工程Chip Huyen 的新书《AI Engineering: Building Applications with Foundation Models》自今年 1 月出版以来，一直是 O'Reilly 平台上阅读量最高的书，亚马逊多个 AI 相关分类排名第一，目前正在被翻译成中文、法语、日语、韩语等多种语言。如果你读过她的上一本畅销书《Designing Machine Learning Systems》，会发现她延续了一贯的风格：不教你用某个具体工具，而是讲清楚底层的“为什么”。我翻译了这本书的中文版《AI 工程：大模型应用开发实战》，已经由图灵出版社出版。【1】这本书讲什么一句话概括：怎么在基础模型之上构建应用。Chip Huyen 把 AI 工程和传统机器学习工程做了清晰的区分。传统 ML 工程的核心是训练模型，AI 工程的核心是使用模型。模型即服务的模式已经把 AI 从一个高门槛的学科变成了人人可用的开发工具，但“能用”和“用好”之间的距离，比大多数人想象的要远得多。全书 10 章，覆盖了构建 AI 应用的完整链路：从规划应用、理解基础模型的工作原理，到评估方法论（占了两章）、提示工程、RAG 与 AI 智能体、微调、数据集工程、推理优化，最后是 AI 工程架构与用户反馈。关于评估，多说几句。大多数教程把评估一笔带过，但 Chip 认为这是 AI 工程中最难也最被低估的环节。我专门问过她为什么给评估这么大的篇幅，她说如果再版可能还要加到三章。两个原因：• 一是 AI 的输出本身带有不确定性，你必须靠评估来保证生成结果的稳定性；• 二是 AI 一旦出错，后果可能比传统软件严重得多，评估没做好直接上线可能产生难以估量的负面影响。书里详细讨论了 AI 当裁判（AI-as-a-judge）这种快速增长的评估方式，也指出了它的局限。做传统应用开发的人可能意识不到评估有多重要。传统软件的行为是确定性的，输入 A 一定得到输出 B，写几个单元测试就能覆盖。AI 应用不一样，同样的输入可能每次给出不同的结果，没法靠“跑一次看看”来判断质量。读完这两章之后，你会在开发 AI 应用时刻意去做评估。比如我自己写提示词，会维护一个测试集，每次换模型或者改了提示词，就跑一遍，看结果是更好了还是更差了。书中还有大量来自 OpenAI、谷歌、Anthropic、LinkedIn 等公司的一手案例和访谈，不是概念性的引用，而是具体到工程决策和实际遇到的问题。比如 LinkedIn 花了 1 个月达到 80% 的效果，又花了 4 个月才超过 95%，初期的成功让他们严重低估了后续改进的难度。对每个技术方案，书里都给出了“怎么做”和“如何权衡”。不只是告诉你 RAG 怎么实现，还会分析什么时候该用 RAG、什么时候该微调、什么时候两个都不需要。【2】适合谁读如果你在做 AI 应用开发，这本书能帮你把零散的经验串成体系。技术负责人和工程经理想给团队定 AI 开发流程的，书里的框架可以直接参考。产品经理读完会更清楚 AI 能做什么、不能做什么，和工程师沟通也更有共同语言。不需要有深厚的 ML 背景。Chip 的写作从第一性原理出发，逐层深入，遇到技术密集的部分会提前提醒，不感兴趣可以跳过。【3】为什么我要翻译这本书我一直不太敢碰 AI 相关图书的翻译。原因很简单：这个领域变化太快了。昨天你还在为某个大模型的能力赞叹，今天新的 SOTA 模型就发布了，明天可能一个新框架又宣称要颠覆一切。具体工具的教程写出来就过时了，甚至一些曾经流行的技术架构也在被淘汰。我们需要的是那些不随时间快速变化、但又确实能用得上的知识。这本书关注的恰好是这类知识。它不教你怎么用某个版本的 LangChain，而是让你理解 RAG 为什么有效；不展示最新的提示词技巧，而是解释提示工程背后的原理。用 Chip 自己的话说：“工具更新换代很快，底层知识的生命力更为持久。”理解问题的本质比追逐最新的工具有用得多，这是我选择翻译这本书的原因。【4】翻译中的 AI 工作流翻译一本讲 AI 工程的书，不用 AI 来辅助说不过去。但 AI 辅助翻译不是把原文丢给大模型然后复制粘贴，它是一个完整的工程流程：HTML 转 Markdown → 提取专业术语表 → GPT-4.5 翻译初稿 → Gemini 2.5 Pro 辅助校对 → 人工审校HTML 转 Markdown 是出版社编辑部帮忙解决的。这一步很关键，PDF 的格式信息（分栏、脚注、代码块）如果处理不好，后续所有环节都会受影响。提取专业术语，翻译之前先提取全书的专业术语，建立统一的术语表。这确保了 foundation model 在全书中始终翻译为“基础模型”，而不是某一章叫“基础模型”另一章变成“底座模型”。GPT-4.5 翻译初稿，脚本自动化，按章节批量处理。选 GPT-4.5 是因为在当时它是综合质量最好的翻译模型，代价是贵。Gemini 2.5 Pro 辅助校对。Gemini 的长上下文支持很好，可以一次放入一整个小节的内容，对照原文检查译文的准确性和流畅度。这一步更多是手动操作，因为校对需要精细的判断。人工审校，最后也是最重要的一步。我和两位审校者何文斯、李瀚，以及图灵的编辑团队一起，逐字逐句地过了全书。方法是把自己当作读者，看不通顺的地方、有歧义的地方、术语不一致的地方，逐一标记修改。版本管理用 Git，每次修改都记录内容和原因，方便回溯和多人协作。【5】几个实用的翻译经验抽卡好过修改。这是我在整个过程中最深的体会。让 AI 一次生成多份翻译结果，从中选最好的那份，效率远高于在一份不够好的结果上反复微调。生成是廉价的，判断是昂贵的，但判断比修改便宜。模型各有所长。 GPT-4.5 的翻译质量稳定，很少出现明显的硬伤；Gemini 2.5 Pro 的长上下文能力让它在校对环节表现突出，能同时看到足够多的前后文来发现一致性问题。两个模型配合使用，比只用一个效果好得多。流程比工具重要。 AI 翻译最容易出问题的地方不是模型选错了，而是没有流程。术语表、版本管理、分步质检，这些工程化的做法决定了最终质量的下限。如果现在重新来做这件事，我会用 Claude Opus 4.6 做翻译（它的中文表达质量很高），用 GPT-5.2 Pro 做校对，同时用 Claude Code 加上 Agent Skills 让更多步骤自动化。工具在进步，但流程的思路不会过时。Chip 在书里也反复说这一点。感谢图灵出版社的刘美英编辑，从选题到出版全程推进，很多繁琐但关键的工作都是她在背后完成的。感谢两位审校者何文斯和李瀚，他们投入了大量时间逐章审读，纠正了许多我自己没有发现的问题。感兴趣的读者可以去看看。翻译这本书的过程本身也印证了书中的一个观点：AI 工程不是一次性的调用，而是一个需要精心设计的系统。翻译工作流如此，AI 应用亦如此。

32. AI赋能非遗跨境文创壮锦出海的翻译与本地化实践

33. 转发抽奖转发抽三本 @图灵文化的《AI工程》截止 2026.2.10 转发即可参与 @微博抽奖平台。本书是学习与实践AI工程的权威指南，由《机器学习系统设计》作者Chip Huyen撰写（之前介绍过她的作品网页链接），@宝玉xp 老师翻译。全书系统阐述了“AI工程”的核心方法——如何基于现成的基础模型（LLM、LMM）构建高效、实用的AI应用。书中提供了完整的AI工程框架，涵盖模型选择与评估、提示工程、RAG与智能体、微调策略、数据集工程、推理优化及AI工程架构等关键环节，帮助开发者在复杂的AI生态中做出科学的技术决策。作者结合丰富的业界经验，通过大量真实案例与可操作的方法，展示了如何让AI应用更快、更可靠、更具扩展性。 #HOW I AI# 抽奖详情

34. 为什么很多人反对token翻译？是反对“词元”，还是反对翻译本身？

35. 当AI成为翻译流程中的“新同事”：2025年的变与不变

36. 张法连：AI赋能下，法律翻译如何扛起高端法治传播重任？

37. 我的翻译助手长了脑子：OpenClaw如何让翻译工作拥有"记忆力"

38. 大语言模型与神经网络机器翻译的“巅峰对决”与深刻启示

39. 大语言模型时代翻译教材建设：挑战、机遇与创新路径

40. EmbodiChain开源，用100%生成式数据自动训练具身智能模型

41. 《扣子开发 AI Agent 智能体应用》018-提示词编写和优化（扣子平台设置提示词案例）

42. 为什么精心设计的游戏本地化策略，仍难打动玩家？

43. AAAI'26开源 | 比4D GS更细更稳！FLAG-4D如何让4D重建兼顾精度和时间一致性？

44. AI狂潮下译者何去何从？——GenAI时代翻译学发展的技术焦虑研究

45. AI 术语通俗词典：RAG

46. 开发者处理多语言文本数据时，零散的翻译工具没法批量处理内容，手动转换格式又容易出错，不同语言的文本对齐、术语统一更是耗费精力，还没法根据项目需求自定义翻译规则。针对这一需求，Argos Translate 是一款开源免费的离线机器翻译工具，适配开发者的多语言文本处理与本地化场景。开源地址：github.com/argosopentech/argos-translate 核心功能： 1. 支持50+种语言互译，纯本地运行无需联网，避免数据外传风险；2. 可批量导入导出文本，支持TXT、JSON等多种格式，适配自动化处理流程；3. 允许自定义术语词典，保障专业领域翻译的准确性与一致性；4. 提供API接口，能轻松集成到自研项目中，实现翻译功能的二次开发；5. 轻量化设计，占用系统资源少，适配个人开发者与小型团队使用。

47. 自动化LQA：AI赋能翻译与本地化质量保障

48. 王华树王少爽王巍巍 | 智译未来：大语言模型如何重塑翻译教育——智能时代翻译教育创新三人谈

49. 2026年AI翻译七大趋势从生成创作到人机共治

50. 智能翻译学：AI 时代翻译技术教育的新范式

51. 从翻译本地化视角解构贝茨・吉尔批评：中国文化出海的破局之路

52. 打工人｜自媒体必备神器！转写翻译记录全搞定

53. 自制AI翻译工具，我为什么做了三种审稿视图？

54. 专访｜荀恩东：公益语料库新标杆，BCC 2.0让每个人都能自建语料库

55. AI翻译时代的译者生存指南

56. 评估AI翻译平台：企业应关注哪些安全和合规性问题？

57. 听专家说：2025年翻译技术八大研究热点（二）

58. 超轻的AI翻译耳机荣耀亲选耳夹式耳机2标准版

59. 《扣子开发 AI Agent 智能体应用》017-提示词编写和优化（驱动智能体的核心指令）

60. 不止一个人提到了，Seedance 2.0 对专业术语的理解精准得可怕我猜测可能是因为这块的数据库污染最少日常用语的场景，往往有大量歧义乃至恶搞内容，所以存在比较高的模糊性而专业术语出现的场景，往往是专业内容，语料库数据库质量较好感觉未来会不会出现一种商战打法，用大量无效论文去污染对方数据库

61. #为什么会有体检报告焦虑#以前体检报告出来后，每次看到上面写的专业术语和指标箭头完全摸不着头脑。都要打电话去问我当医生的叔叔，他解答完我还要对着手机疯狂搜词条🤣真的感觉一点点小异常都能脑补出上百集连续剧，焦虑值拉满最近尝试了下用AI助手赛博问诊，哪里不舒服我都是直接问，包括体检报告那些看不懂的指标、专业术语都能翻译成大白话，哪些是小问题、哪些需要多注意，随时随地都能回答我的小帮手真的好棒！果然是科技改变生活，以前都不敢想有了AI那么方便你们呢？用AI助手帮你们看报告了没？成都

62. 提示词工程、上下文工程都过时了，现在是 Harness Engineering 的时代

63. 中小团队如何为多语种本地化做准备？

64. 官方终于给Token定名了！那个被叫错无数次的AI术语，原来叫"词元"

65. “免费午餐”到头了？欧盟调查谷歌AI优势，直指其利用搜索爬虫无偿获取训练数据

66. 不止会翻译！新时代本地化人才的三大核心能力与成长路径

67. 【#搜狗输入法宣布全面AI化#：AI用户规模破亿，日均语音使用近20亿次】腾讯搜狗输入法宣布全面AI化，升级发布20.0 AI大版本，AI语音、AI翻译、AI打字三大模型全面升级，带来更智能、高效、便捷的输入体验。其中，AI用户规模破亿，日均语音使用次数近20亿，居输入法行业第一。据悉，基于自研AI语音大模型，AI语音输入更快更准；AI翻译接入行业领先的腾讯混元翻译模型，支持30多种语言输入即译；同时自研AI打字大模型全面升级，用户全场景打字更快更准。

68. CHORUS：面向专业翻译的多智能体协同框架

69. 赠书｜《智能翻译导论：技术与应用》上市：大模型时代，翻译的变与不变

70. 大语言模型能否“一眼看穿”翻译腔？

71. OpenAI 同声传译大模型发布，打破传统翻译架构瓶颈

72. 手机不联网也能精准翻译？这个大模型做到了

73. 《人工智能70年》027-机器翻译拆除语言樊篱（冷战催生的机器翻译）

74. 《人工智能70年》026-机器翻译拆除语言樊篱（机器翻译崭露头角）

75. 《人工智能70年》028-机器翻译拆除语言樊篱（语言的规则太复杂）

76. 《人工智能70年》029-机器翻译拆除语言樊篱（统计翻译成为主角）

77. 基于眼动追踪的交互式与静态机器翻译译后编辑认知加工机制研究

78. 书海撷萃 |《人工智能时代翻译技术研究》——解码AI时代语言服务的变革与进阶之路

79. 好书推荐丨AI翻译实战手册：从困境到赋能

80. 自动驾驶大一统！HERMES++：集成3D场景理解和未来几何预测，统一驾驶世界模型

81. 中文翻译📖“甜味酱汁”水胶体理论专刊

82. 论文 AI 检测，正在逼疯这届大学生

83. AgentRun Sandbox SDK 正式开源！集成 LangChain 等主流框架，一键开启智能体沙箱新体验

84. 当模型推理能力越来越强，我们还需要提示工程吗？

85. AI 术语通俗词典：自动微分

86. 【探访西南首个具身智能训练中心】近日，位于宜宾高新南区的西南具身智能训练中心，一群“00后” 技术人员正在多类场景中训练机器人。西南具身智能训练中心是西南首个机器人数采中心。该中心依托百亿基座大模型系统、物理仿真合成等技术，通过 “仿真数据 + 真机遥操数据” 的技术路线，构建起覆盖1万多个物体、30余种人类抓握类型的高质量数据采集体系，提取上千万级数据描述，为算法迭代和产品成熟提供关键数据支撑。目前，这些机器人已从训练中心走向多个应用场景，首批覆盖工业自动化、商业零售智能化、家庭服务三大领域。

87. 跳出AI翻译工具：重读《大数据时代》的三点思考

88. 说实话，前两年大模型火了之后，我就想着谷歌翻译为什么不接入大模型呢？这样多智能啊，很多耳机厂商都抓住了这波机会，接入大模型，同声翻译、实时翻译，耳机一卖就上千块。现在好了，谷歌重要觉醒了，再也不用买昂贵的耳机了。Google 翻译最近做了一次比较大的升级，接入了 Gemini，现在支持实时语音翻译了。简单说就是，你打开 Google 翻译，戴上耳机，它就能充当你的实时翻译助手。目前提供两种使用模式：第一种是连续聆听模式。它会持续监听周围的声音，自动把听到的内容翻译成你设定的语言。比如你在日本旅行，周围人说日语，你戴着耳机就能直接听到中文翻译。第二种是双向对话模式。这个模式能同时识别两个人说的不同语言，然后自动切换翻译方向。举个例子，你说英语，对方说印地语，你能听到中文翻译，对方则听到印地语的语音输出。这次升级主要解决的是跨语言交流的实时性问题,不用再手动切换语言或者反复操作了。#科技先锋官##微博兴趣创作计划##AI创造营# 默庵·超级个体的微博视频

89. 今日，继首批千问开源模型（覆盖4大类、共计128款）入驻中国移动模型服务平台MoMA后，千问商业版模型也正式上线该平台。至此，千问系列成为MoMA首个开源与商业版全系列入驻的模型品牌，覆盖文本、多模态、语音、翻译四大领域，面向中国移动超千万用户及开发者提供业界领先的AI模型能力。

90. 【#预制菜术语和分类国标公开征求意见#】国家标准《预制菜术语和分类》（征求意见稿）开始公开征求意见。近年来，预制菜产业快速发展，社会各界广泛关注，急需对预制菜产业进行科学规范和有效引导。标准主要分为术语和分类两大部分。在术语部分，共制定了20个术语，包括6个一般术语和14个工艺术语。其中，一般术语原料、辅料、调味料、防腐剂等，主要是对预制菜组成部分、配料构成进行细化阐释。工艺术语分切、搅拌、滚揉、炒制、炸制、烤制等，主要是从工艺加工流程、加工方式等方面对主要术语进行解释。在分类部分，主要考虑与现行食品安全相关标准法规的衔接，将预制菜从主要原料、预制工艺、贮运方式、包装方式、食用方式等不同维度进行了划分。#预制菜不包括四类食品#

91. 《晚点》整理的“智驾大牛”涌入具身智能赛道的列表。从技术路径上看，智能驾驶经历从依赖高精地图、基于规则工程，逐步转向 Transformer 架构、端到端训练的新路线，用海量数据和算力让车辆驾驶风格更加拟人化。随着具身智能也面临类似的路线分岔，智驾背景创业者所积累的大模型训练和数据运用经验，被认为可以有效迁移到具身智能领域。

92. 杭州公司推宠物翻译神器，大模型+ 超 500 万条声纹数据，号称准确率 94%，是真突破还是智商税？

93. AI大模型能帮助生成专业术语库吗？

94. AI翻译和人工翻译差距还有多大

95. AI 翻译的崛起与挑战之局限性分析

96. AI翻译这么快，为什么你的重要文件还是需要专业人工翻译？

97. 不少人迷信AI翻译无所不能，实则不然。就拿近期沪江杯科技翻译赛事的文本来说，无论是英译汉还是汉译英，大量专业术语的界定本就极具门槛，若一味照搬机器译文，轻则满篇生硬翻译腔，重则核心语义失真、准确度彻底失守，根本达不到科技翻译要求的专业性。

98. 技术文档翻译的“精准性革命”

99. “流形”译成“flow shape”？SCI学术翻译的术语翻车现场与避坑指南

100. 大模型时代翻译教学破局

101. 告别逐字校对！传统翻译升级AI语言资产管理师

102. 术语编辑

103. 狂揽 8 项第一！网易有道战绩亮眼，未来发力大模型翻译与同传

104. RAG 给 AI 翻译外挂“术语库”

105. AI在翻译领域还留给我们人类多少可以发挥的空间？

106. 告别AI翻译玄学！Crowdin多阶段AI流水线，搞定可控本地化翻译

107. AI到底能不能替代专利翻译？结论

108. AI翻译软件怎么选，术语多的内容更要避开这些坑

109. 中文游戏出海翻译

110. 2026年翻译狗破解文档术语混乱难题

111. 【已投项目】雅译网络

112. 多段落翻译术语不统一？小牛企业云「统一术语译文」上线，通篇精准无偏差

113. AI翻译简单快捷，但对中文原文的写作要求更高

114. 为什么你的论文翻译总被说“不够标准”？

115. 多语言技术文档怎么管理？术语库和翻译记忆库到底有没有必要？

116. 5分钟学AI

117. 术语翻译中，人工智能的角色？人工智能如何赋能术语翻译？

118. WPS AI文档翻译

119. 翻译神速！6538页英泰中设计方案18小时出炉，节省12万成本

120. AI工程报告翻译处理系统——多语种超长文本翻译工具

121. 有没有一款工具，能把一整个文件夹的文档批量翻译，还能原文对照查看？

122. WordsTalk 翻译助手｜术语提取，上手就会 - 哔哩哔哩

123. 翻译插件怎么选？2025 年 8 大主流工具深度评测与推荐

124. WordsTalk 翻译助手｜术语提取，上手就会

125. AI 工具 | 5 个免费 AI 翻译工具横评，这个居然比 DeepL 还好用

126. 天啊啊啊找到一个超强的术语提取工具

127. 研究生如何阅读文献?翻译论文，文献检索&翻译技巧!!

128. GitHub上这个神级PDF翻译工具

129. WordsTalk 翻译助手丨点击开始就够了

130. 人机协同翻译攻略

131. 2026年跨境电商AI翻译工具横评

132. 翻译研究生告诉你做翻译选哪个AI——我的AI后宫只有豆包，deepseek，通义-(但我从不用豆包做翻译

133. 5. 2025实测TOP7翻译插件，双语对照翻译首选指南

134. 我测了 7 款翻译工具，哪款才是跨语言学习办公的全能救星？

135. 分享腾讯AI辅助翻译工具，专业级人机交互式翻译辅助工具，纯净版无需密码无套路

136. 每天拆解一个AI产品No28

137. 学术手册｜学术软件第五期

138. Obsidian-AI 翻译插件

139. 沉浸式翻译终于被开源平替干翻了！陪读蛙 + KISS Translator 太香，省Token又轻量，告别臃肿插件！

140. Google浏览器冲浪必备插件，打破语言壁垒，流畅解锁国际互联网:沉浸式翻译

141. 我们拿大模型把游戏翻译成本打骨折了——70%就这么没了

142. 2026年，大模型翻译破解术语一致性与PDF排版双难题：技术方案选型与实测解析 - 哔哩哔哩

143. 含糊术语藏法律风险译名关乎科技话语权 ——专家谈AI术语乱象与治理

144. 2026实测｜在线翻译平台翻译准确率揭秘！4款主流翻译工具大横评，PDF/OCR/术语库避坑指南

145. 高端制造必看｜技术文档翻译避坑指南

146. AI 翻译入门口袋书：一份真正用得上的中英核心术语清单

147. 研究生文档翻译：从术语“打架”到领域自适应——翻译狗多引擎方案实测 - 哔哩哔哩

148. AI翻译的SCI论文需要哪些人工校对？

149. 商务场景机器翻译准确率引关注，行业报告揭示现状与挑战

150. 我们用三个AI同时做翻译质检，结果发现最有价值的不是"错误"，而是"分歧"

151. 同学，请留步！你的论文翻译“搭子”来了

152. Gemini镜像站多语言文档翻译与本地化审校实战：从逐句校对

153. ComfyUI 一键将插件翻成多国语言！踏平语言门槛！倒反天罡！让老外用上中文 ComfyUI 插件！Flying-Translation新手必装！

154. YiCAT平台哪款机翻模型是中译英王者？五大领域六大模型，真实盲测结果来了！

155. 不止于AI图纸翻译：一个工程师处理外文技术文档的系统方法

156. 自动化LQA：AI赋能翻译与本地化质量保障

157. 重症医学翻译的“生死线”：解构 AI 工具的多模态评估范式

158. 性价比AI翻译工具

159. 不是升级能解决：LLM无法逃避的自身限制及补齐策略

160. 当AI成为医学翻译官：1.5秒读懂百页报告，破解科研效率瓶颈

161. 企业级长文档智译系统！开源，基于大模型的批量翻译工具，长文档整译、格式无损、私有化部署，一站式解决企业多语翻译难题

162. AI翻译工具推荐（免费/性价比高的AI翻译）

163. 医学论文怎么翻译？翻译机构怎么选？

164. 人工翻译、机器翻译、AI翻译的优劣比较

165. AI翻译不准确怎么办？可能是你不会精准提问

166. Obsidian i18n 自助汉化指南（以 Copilot 插件为例）

167. AI翻译与机器翻译的差异举例

168. 英文看不懂莫怕！沉浸式AI翻译工具：鼠标悬停、划词、网页、图片、输入框多场景一键翻译，热门AI模型可选

169. [软件汉化]快捷术语管理——以'blender'未翻译插件汉化演示为例

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！