趋势不可逆!AI时代的工程翻译学习

工程翻译是指服务于土建、交通、水利、机电、能源等基础设施建设领域的专业翻译活动，常见文本包括招投标文件、施工图纸、技术规范、运维手册及涉外合同。

与文学翻译、商务翻译或旅游翻译不同，工程翻译最突出的特征在于容错率极低。例如，李琳琳和李依洋（2024）认为，建筑工程术语是专业人员描述建筑工程问题和进行相互交流的语言工具， 正确理解和使用建筑术语十分重要，其术语的准确汉译对于我国开展对外工程承包、工程咨询设计、投建营一体化等国际合作具有重要作用。正因如此，工程翻译对文本严谨性的要求极高，即术语必须准确，规范必须严格，逻辑必须清晰。它不能像文学翻译那样追求“雅”而牺牲“信”，也不能像商务翻译那样灵活发挥。可以说，工程翻译的核心在于技术为先、语言为载体。

当前，DeepL、ChatGPT等生成式人工智能工具已普及。生成式人工智能（GenAI）技术的快速发展正在推动翻译行业实践模式发生前所未有的变革，呈现出技术迭代加速、多模态融合、定制化发展等显著特征（王华树、张成智，2025）。翻译一份技术文档，几秒钟即可获得初稿。入门门槛确实降低了，但行业筛选反而更加严格，即简单重复的工作被AI替代，剩下的都是需要专业判断的“硬骨头”。

尽管AI工具极大地提升了翻译效率，但在实际学习过程中，仍存在以下三个问题，其直接制约了专业能力的有效提升。

第一，术语积累碎片化，专业体系难以建立。工程领域细分极多，房建、路桥、机电、水利等，同一英文词汇在不同工况下的释义完全不同。然而，术语翻译的准确性是科技文本翻译的重中之重（李琳琳、李依洋，2024）。在大语言模型快速发展的背景下，术语翻译研究也面临新的挑战和机遇（朱玉彬、王梓，2025）。此外，在新质生产力的背景下，汉英翻译服务在绿色科技合作中仍面临术语译法不统一、文化语境缺失等传统模式短板（黄笑菡，2026）。传统学习方式以零散背诵和单篇练习为主，缺乏系统化的语料支撑。这导致一个常见问题：某个术语的翻译本身是正确的，但它所适用的具体工程场景却被忽略了，从而造成“译对了词，却用错了地方”的尴尬局面。例如，在道路工程中，“camber”的本意是路拱横坡（路面中央向两侧的坡度），若在桥梁工程图纸中将“The camber of the prestressed girder after tensioning shall be 25 mm”错误地译为“预应力张拉后，主梁的路拱应为25毫米”，就会造成误解，会导致施工方误解设计意图，造成结构下挠超限或支座脱空；实际上，在此情境下，“camber”应译为“预拱度”，正确译法是“预应力张拉后，主梁的预拱度应为25毫米”。这种碎片化的知识结构，使得我们难以建立起完整的工程专业知识体系。

第二，语言学习与工程现场严重脱节。很多翻译练习只局限于静态的文本转换，几乎不涉及或鲜有机会深入了解真实的施工工艺、结构规范或现场管理流程。因此，译文虽读起来通顺，但一旦到了真实的工程环境中，则可能因不符合行业规范或技术逻辑而无法运用。作为文科背景的翻译学习者，我们普遍缺乏必要的理工科知识储备，这严重制约了其在工程翻译实践中的表现。这种重语言、轻专业的学习模式，在工程翻译这个对专业性要求极高的领域里，构成了巨大的能力鸿沟。

第三，对AI工具的依赖和误用。不少学习者误以为AI能直接产出可用译文，拿到初稿后稍作修改甚至不作修改便提交。但通用AI模型无法精准区分土建、机电、水利等细分领域的术语差异，也不熟悉国内基建国标或国际FIDIC合同条款的精确要求。在ChatGPT等通用人工智能引发译界广泛讨论的当下，学界普遍认为人工翻译的价值空间并未消失，但翻译教育需要相应转型（杜安，2025）。将AI视为“替身”而非辅助“工具”，不仅会产出错误百出的译文，更会削弱我们自身的专业判断力和审校能力。

针对前文提到的术语碎片化、场景脱节、AI误用三大问题，本文尝试构建一套可操作的学习模式。这套路径的核心是知识建构循环与能力提升循环的有机结合，二者相互嵌套、彼此支撑，形成一个持续迭代的学习系统（如图1所示）。

图1 工程翻译学习的双循环模式构建路径图

（一）知识建构循环

该循环解决的是“学什么”和“用什么学”的问题，其核心在于将碎片化、零散的知识点汇集以系统化，建构属于学习者自身的工程翻译知识体系，此为夯实专业基础。

这是整个学习模式的起点，是从被动接受到主动建构。学习者需要主动搭建属于自己的工程知识体系，而不是被动等待课堂灌输。具体做法包括：按细分领域（房建、路桥、机电、水利）收集真实的工程技术文件，搭建工程翻译术语库和英汉双语平行语料库。术语库侧重一词多义的标注，语料库侧重完整的文本语境。有了这两个库，后续的翻译就有了知识库。

【初始知识库构建建议】 对于初次接触该模式的学习者，建议从公开资源入手，如FIDIC合同术语表、国家标准术语库、相关行业规范等，快速搭建初始知识库，避免无从着手。

有了知识库，接着让工具为知识服务。此处并非泛泛地“用AI”，而是有策略地整合三类技术能力：

（1）利用AI大模型进行辅助翻译。例如，ChatGPT、豆包、DeepSeek等完成译前文本预分析、译中术语快速查询、译后初稿生成。

（2）开发专属工程翻译智能体。这是一个关键升级。在能力范围内的学习者或可借助现有平台（如Coze、Dify）开发一个“工程翻译智能体”，将自己搭建的术语库和语料库作为知识库注入其中。

（3）合理运用语料库工具。运用AntConc、Segment等工具对语料库进行词频、搭配、索引行分析，发现术语使用规律。

【技术门槛说明】 对于技术基础薄弱的学习者，可先从利用AI大模型开始，逐步学习，而后过渡到智能体开发，详细的渐进式实施路径在本文第四部分有说明。

这是循环的输出端，亦是知识建构成果的实践检验。将待翻译的全文提交给所开发的“工程翻译”智能体，智能体会基于注入的术语库和语料库进行文本分析、术语匹配、初稿生成。学习者获得初稿后，并不是直接就使用，而是进入能力提升循环进行深度加工。

（二）能力提升循环

这个循环解决的是“怎么学”和“学得怎么样”的问题，它与知识建构循环形成接力，专注翻译能力的精细化训练，此为锤炼翻译技能。

在拿到智能体生成的初稿之前（或同时），学习者自己先对原文做一次文本分析，识别文本类型（如判断文本是招投标书、图纸说明、施工规范，还是施工合同）、预判难点术语、梳理逻辑结构等。这一步不能省略，因是培养工程翻译直觉的关键。文本分析的结果可以作为后续审校的对照。这样做是为了培养学习者的工程翻译直觉。

将文本分析的结论与如功能对等、文本类型理论等翻译理论相结合，以理论为借鉴，对智能体生成的初稿进行人机协同审校。此处的“实践”是人机协同模式，即“工程翻译”智能体完成初译稿，学习者则借鉴理论与文本分析结果，对初译文稿进行术语偏差修正、句式结构调整和文化适配补充。

例如，面对一份安全操作规程，可采用“交际翻译”策略，确保指令清晰无误；面对一份企业宣传性质的工程介绍，可适当采用“语义翻译”，保留原文风格。此处的“理论”并非空泛的学术概念，而是可落地为具体的翻译选择提供参考借鉴的。学习者在这一步要完成对智能体初稿的人工审校，修正术语偏差、调整句式结构、补充文化适配内容。这样做是为了结合理论和实践，以实现精准审校。

这是循环中最易被忽略、但最有价值的一环。完成一篇译稿后，学习者需要做三件事，即翻译复盘、知识更新和撰写翻译反思日志。

（1）翻译复盘：对比自己的最终译文与智能体初稿，找出差异最大的地方，分析原因，如到底是术语库缺失、提示词不当，还是自己对工况理解有误？

（2）知识更新：将每次翻译中遇到的新术语、新搭配、新句法结构更新到术语库和语料库中，让知识库不断生长。

（3）反思日志：用一两段话记录本次翻译的难点、决策过程、收获和教训。翻译反思日志是隐性知识显性化的最好方式。

（三）渐进式实施路径

对于初学者而言，不必一开始就追求完整的双循环模式。建议采用渐进式实施路径，从简到繁，逐步构建能力：

第一阶段：基础版（1-2周）

（1）选定一个细分领域（如房建脚手架、FIDIC索赔条款、FIDIC分包合同原理与实务、公路桥涵施工等），手动整理50-100条术语，做成Excel术语表。

（2）使用通用AI大模型（如DeepSeek、ChatGPT、豆包、千问等）进行翻译，但在提示词中明确要求“参照提供的术语表”。

（3）完成后进行术语补充和审校。

第二阶段：进阶版（3-4周）

（1）将术语表迁移到智能体平台（如Coze、Dify），配置专属工程翻译智能体。

（2）开始有意识地进行文本分析和译后反思，建立自己的翻译反思日志习惯。

（3）逐步扩大细分领域范围，丰富工程术语库和语料库。

第三阶段：成熟版（持续迭代）

（1）完整实施工程翻译双循环学习模式，逐渐形成“翻译实践→知识更新→能力提升”的良性循环。

（2）根据翻译反思日志继而持续优化智能体配置和提示词。

（3）尝试跨领域翻译，检验知识体系的迁移能力。

（四）案例分析：FIDIC索赔条款翻译

选定一个极小的细分领域，以笔者2025年“国际工程合同翻译”课程所学习的FIDIC“索赔条款”为例。

原文：The Contractor shall give notice of any claim within 28 days…（International Federation of Consulting Engineers，1999：58）

译文：承包商应在28天内发出任何索赔的通知……

第二步（技术整合）：配置智能体，将术语表作为知识库注入；设置提示词要求“你是一个资深的工程翻译者，请你严格按照我所提供的FIDIC合同术语表进行翻译”。

第三步（翻译运用）：提交原文，获得智能体初稿：“承包商应在28天内发出任何索赔的通知”。

第五步（理论实践）：根据合同文本的“准确性优先”原则，对照术语表和平行文本人工审校，发现“notice”在FIDIC语境下应统一译为“通知”而非“告知”，“claim”应译为“索赔”而非“要求”。

第六步（译后反思）：将审校中发现的术语（如“时效”“time bar”）补充回术语表；记录本次翻译的翻译选择，如“notice”的译法选择依据；更新翻译反思日志。

最终译文：承包商应在28天内发出任何索赔的通知。

针对上述问题，可从以下几个方面着手。这些建议并非高深理论，而是基于实际学习经验和相关研究成果总结出的操作方法。

（一）自己动手，建立术语库

按房建、路桥、机电、水利等细分方向，收集真实的工程技术文件——国家规范、招标文件、FIDIC合同范本均可。将这些材料整理成自己的平行语料库，重点标注那些一词多义的工程词汇，将词义与具体施工场景对应起来。术语库建设正是夯实工程专业知识能力的基础环节。学习者可以有效利用大语言模型构建术语库。

（二）合理利用AI工具

一个务实的操作流程是：AI做初稿，人做审校。利用AI整理语料、生成初稿、优化句式，然后由自己对照工程规范、施工工况、合同权责逐条复核修正，最后将修改记录沉淀回语料库，形成“AI初译—人工审校—翻译复盘—知识更新”的闭环。研究表明，GenAI正在推动翻译生产主体和业务流程的深刻变革，译者的角色从“生产者”转向“审校者”和“管理者”（王华树、张成智，2025）。将AI工具与人工术语管理有机结合，可以显著提升术语覆盖率和一致性，这一思路同样适用于工程翻译学习。

（三）去现场，哪怕只是看看

工程翻译的诸多难点，不到现场便难以真正理解。如有条件，可与一线工程师交流，了解施工图纸在实地如何使用，以及技术交底的具体操作流程。哪怕只是半天观摩，对工程知识的理解也会产生质的变化。

（四）守住翻译伦理底线

工程翻译的译文，背后是安全、是合同、是企业的权益。不能因为AI便利就敷衍，不能因为自己不懂就乱译。对于不确定的技术参数和规范条文，宁可查清楚再下笔。智能时代翻译伦理面临危机：功绩主义对效率的推崇和权责失衡正在侵蚀译者的主体性与职业责任感（赵苓岑，2025）。这并非唱高调，而是这个行业的生存规则。翻译伦理是关涉翻译主体、过程和结果的价值、规范与德行的总和，决定了翻译能为与不能为的边界（辛广勤，2025）。在工程翻译领域，坚守伦理底线意味着对每一个技术参数、每一条安全条款负责，这是AI无法替代的核心价值。

人工智能不会取代工程翻译，但会深刻重塑它的学习方式和能力标准。本文所建构的工程翻译双循环学习模式，正是对这一变革的回应：以知识增强、技术整合、翻译运用为知识建构循环，解决“学什么”和“用什么学”的问题；以文本分析、理论实践、译后反思为能力提升循环，解决“怎么学”和“学得怎么样”的问题。两个闭环相互嵌套、彼此支撑，每一次翻译实践都成为知识库更新、智能体优化、个人能力提升的契机。

这套模式的核心不在于技术本身，而在于一种学习观念的转变，即工程翻译学习不再是单向的语言转换训练，而是一个持续积累、反复迭代、人机协同的知识生产循环。术语库和语料库是静态的知识库，专属智能体是动态的技术杠杆，而译者的文本分析、理论运用和译后反思，才是驱动整个循环运转的根本动力。

在“一带一路”建设和中国工程技术加速“走出去”的背景下，工程翻译人才的需求不仅没有减少，反而更加迫切。AI降低了入门门槛，但也把行业筛选标准推向了更高的位置，从“会翻译”到“译得好”，从单纯的“语言转换者”到“工程知识的跨语言桥梁”。拥抱技术，但不依赖技术；深耕专业，但不止于专业；守住伦理底线，但不固步自封，这才是AI时代工程翻译学习的应有之义。