我想分享一些关于使用人工智能翻译文章的见解。以下是其核心理念： 最好的翻译其实就是改写。 要取得高质量的成果，需要将过程分解成若干步骤。 然而，这取决于具体情况。对于一般的翻译需求，通常一次重写就足够了。考虑到当前大型语言模型（尤其是像 Gemini 3 Pro 这样的模型）的功能，一次重写就能达到相当不错的质量。 如果您追求的是专业级的翻译质量，那么在初次改写之后，有必要让 AI 对文本进行校对和润色。 至关重要的是，除非内容非常短，否则不要试图将翻译、校对和润色塞进一个任务中。 主要原因正如我昨天提到的：虽然模型可以处理非常长的输入，但如果所需的输出太长，它们往往会偷工减料，并出现严重的幻觉。 想象一下翻译一篇2000字的文章。如果你让模型同时进行重写、校对和润色，最终输出的文章字数很容易膨胀到5000到6000字。到最后，文章质量会显著下降。 因此，翻译、校对和润色最好独立进行。 我们先从翻译开始。提示信息不需要太复杂。只需简单地要求它“重写”，并指定以下内容即可： 文章的风格 常用术语或映射关系表 - 目标受众（可选） 校对时，您需要提供原文和译文。目的是检查是否存在遗漏和错误。如果您对精确度要求不高，可以跳过此步骤。 润色阶段，不再需要英文原文；仅翻译结果就足够了。在这个阶段，你只需要用范例检查译文是否流畅自然，措辞是否符合母语习惯。原文已不再必要。 此外，如果文章过长，应该将其分成若干部分。最好按章节或段落划分；通常情况下，段落级别的划分就足够了。 至于如何确保当前代码块与前一个代码块之间的连贯性，一个简单有效的方法是将前一个代码块的源文本和译文添加到上下文中。这样，下一个代码块的译文就可以引用前一个代码块的内容和样式。 至于要保留多少历史记录，这取决于模型和代码块的大小。通常，只需保留前一个代码块的源代码和翻译代码就足够了；不需要太多历史记录。事实上，有时完全不保留历史记录也完全没问题。 这个过程可以通过使用 API 的程序自动完成，也可以在模型界面中手动完成。我个人使用 Gemini。我为不同的提示创建不同的“Gem”，需要时，只需将内容粘贴到相应的 Gem 中即可。
高质量翻译的提示 - - 迅速的 - - 请将以下文章改写成通俗易懂、流畅易懂、引人入胜的{{简体中文}}。 核心要求： - 受众与风格：面向对人工智能感兴趣的普通读者。采用清晰易懂的叙事风格，而非学术论文的语气。 - 准确性第一：核心事实、数据和逻辑必须与原文严格一致。 - 流畅性和表达力：优先考虑地道的目标语言句式结构。将冗长复杂的句子拆分成更自然、更简短的短语。 - 标准术语：技术术语应使用行业认可的标准翻译（例如，{{overfitting -> 过拟合}}）。术语首次出现时，请在括号内注明原文。 - 保留格式：保持 Markdown 的原始格式，包括标题、粗体、斜体和图像。 - 上下文注释：如果技术术语难以被非专业人士理解，或者缺乏背景知识会阻碍理解，请添加适当的注释以帮助理解。将这些注释用粗体括号括起来，例如：（注释）。 词汇表/常用词汇： {{- AI Agent -> AI 智能体 - 法学硕士 -> 大语言模型}} 请重写以下内容：