一个帮跨境电商做产品文档本地化的从业者，8月初分享过一件头疼事：200页的产品手册，AI开头把 supplier 翻成"供应商"，到第87页变成"厂商"，第154页又成了"供货方"——每一句单看都没错，整篇读起来却是乱的。知乎同一个月里，知乎上前后冒出一串针对这个现象的实测和复盘：5款PDF翻译工具跨100页的"长记忆"比拼、《为什么100页PDF翻译到后半段质量断崖式下降》、《术语不一致导致的连锁返工》。知乎圈子里给这类问题起了名字：术语漂移。
如果你接过技术文档的翻译单，或者正在用AI自己啃一份百页手册，这事值得单独拎出来讲清楚：它到底是什么、为什么比"翻错一个词"贵得多、以及交付前怎么堵住。
不是模型笨，是分块让它"忘了自己"
面对术语漂移，第一反应通常是"AI果然不靠谱"。但一线从业者的复盘指向一个更准确的地方：这多半不是模型能力问题，是流程问题。一份百页文档，几乎没有翻译工具会整篇吞下，而是切成十几个chunk逐块独立翻译——省钱、提速，而且PDF还要先抽版面文本。
问题出在：每个片段被翻译时，通常看不到其他片段是怎么翻的。知乎模型只能对同一个词现场"重新决定"：customer acquisition cost，第1个chunk译"客户获取成本"，第5个chunk可能就变成"获客成本"或者"顾客取得费用"，每一处都是局部最优，整篇文档却没人认账。知乎这是逐段翻译模式的结构性盲区：短文档可能碰巧全篇一致，长文档几乎必然漂移。
有博主自测过一个量级感受（单一博主自测，仅供参考）：同一款主流工具翻80页报告，前10页术语一致性98%，后30页掉到71%。知乎漂的不只是术语——原文里"上文所述方法""如表3.5所示"这类指代和交叉引用，一旦被分块切到两个chunk里，模型同样只能猜，编号体系前后错位就是这么来的。
术语漂移为什么比错译贵
错译是一处的事，改了就完。术语是"连锁"资产：改一处，全文二十几处引用都得跟着改，连带的截图、代码注释、错误码表也要重新对齐。知乎做过技术文档本地化的人给过一条被反复转引的经验：一篇译文语言层面的错误可能只有三四处，术语不统一导致的返工却能多达十几处。验收方的感受更直接——不少企业客户就是安排人逐段验收的，挑出来的毛病不是"这句翻错了"，而是"看起来不专业"，然后整包打回。知乎越是合同、药品说明书、技术图纸这类文档，术语本身承担着精确指代的功能，译法不统一就不是"读着别扭"，而是指代功能失效——已经算实质性错误。知乎
反直觉的一笔：一致≠统一
意识到问题之后，最容易犯的错是走向另一个极端：全文一刀切统一。不少译员反对这个做法——多义词不该硬统一。同一个 container，Docker语境译"容器"，UI语境可以是"容器组件"，好的术语库会给同一个原文留多条映射，各自标注适用场景。知乎读者对象也会改变规则：面向开发者的文档，“API”“SDK"这类缩写往往保留英文原样，混写反而高效；面向终端用户的操作手册才需要本地化全称——让读者先构建一张术语对照表才能读懂的文档，本身就是失职。做小语种技术文献的译者还有个朴素教训：俄语的 пластовое давление，查字典是"层状压力”，但业内都叫"地层压力"，照字面直译反而是外行。知乎所以真正要防的不是"词长得不一样"，而是"同一个指代，说法摇摆"。规则要写进术语库，而不是留给模型每次自由发挥。
三步堵住它，不同人群停在不同的深度
第一步，翻之前：先提术语，再动手。让模型先通读全文，输出"术语+候选译法"清单，人工拍板定稿。只收两类词：高频的、易歧义的，优先收录反复出现且容易产生歧义的专有名词，别追求大而全。知乎一份能用的术语表，最小字段集就五个：源术语／标准译法／禁用译法／适用场景／确认人。游戏本地化从业者分享过治理万条级术语库的土办法：去重——一个词出现多次只保留一条，再过滤掉单字词和纯数字，然后按首字母分组、长词优先匹配，本质都是让AI像人一样"查对词条"，而不是翻错行。小红书
第二步，翻的时候：把术语表强制注入。每个翻译任务的上下文里附上定稿术语表，命中词条按表译，不让模型自由发挥。字幕组社区有人把开源工具拆成"粗翻→术语统一→精校"三段流程，就是这个机制的原型。微博工具支持自定义术语库（CSV/Excel导入）的，直接导入，别只靠prompt里提一嘴。分块按章节切比按页码切效果好，因为章节内部上下文连续性更强；综述、结论这类交叉引用密集的段落干脆别分块，单独放全文上下文里一次翻完。知乎
第三步，交付之前：跑一遍一致性扫描。用脚本或让模型统计，同一英文术语在译文里是否被翻译成了不同的中文词，不一致项先盘点、统一、再写回库锁定。知乎顺序不能反：对历史文档，先建库、再批量修正、最后锁定，不建库就想逐篇修，是返工黑洞。知乎
三类人停在不同深度：
个人译员/每月几十页的量：第一步+第三步就够，一份Excel术语表加prompt注入，边际成本最低；
长期维护同一产品线的团队：必须加术语审批流程——没有审批，人人往库里"补"自己的译法，术语表本身就会变成不一致的源头；到这一步，CAT工具（Trados、memoQ一类）的术语库模块或术语API才是解法。知乎
多语言出海企业：术语库至少覆盖源语言和目标语言的双向对照，一张主表管所有语言，别逐语言建表各自漂移。
选工具层面，社区给的建议很实在：别信营销页上的"准确率99%"，拿自己的真实长文档测一轮跨页术语一致性，比任何评测排名都靠谱。知乎术语提取、全局术语索引这些原本属于CAT工具的能力，正在变成通用AI翻译工具的标配，值得放进你下一轮选型清单里。
