乐于分享
好东西不私藏

我让 AI 带我读一篇英文技术文档,它会翻译还是会教学?

我让 AI 带我读一篇英文技术文档,它会翻译还是会教学?

我让 AI 带我读一篇英文技术文档,它会翻译还是会教学?

大模型全科实验室 · 大模型学英语 · 第 1 期

公众号:阿清的日常|作者:阿清

“大模型学编程”系列先收住之后,我准备开始第二个科目:

大模型学英语。

但这里的英语,不是背单词打卡,也不是泛泛练口语。

我更关心普通 Java 开发者每天都会碰到的问题:

英文技术文档看得慢、看完忘、能翻译但不知道怎么用,AI 能不能帮上忙?

这一篇先拿一段真实 Spring 官方英文文档做实验。

我想测试的不是“AI 翻译准不准”,而是:

它能不能把英文文档变成一个 Java 开发者真正读得懂、说得出、用得上的东西。

实验材料

文档选择 Spring Framework 官方参考文档中 Spring MVC Controller 相关内容。

我关注的主题是:

  • • Controller handler method
  • • return value
  • • ResponseEntity
  • • @ResponseBody

这些词每个 Java 开发者都眼熟,但英文文档里一连起来,很多人会进入一种奇怪状态:

每个词好像都认识,但整段到底让我怎么写代码,没完全抓住。

这就是本期要测试的地方。

三种 AI 阅读方式

我给 Codex 同一份材料,分别用三种提示词处理。

A 组:默认翻译

提示词:

把这段英文技术文档翻译成中文。

结果能读,但很像把英文句子换成中文句子。

它能告诉你:

  • • handler method 是处理方法
  • • return value 是返回值
  • • response body 是响应体

但它没有帮我回答更重要的问题:

我写 Controller 时,到底什么时候返回普通对象,什么时候返回 ResponseEntity

翻译没有错,但它把学习压力留给了读者。

B 组:术语讲解

提示词:

解释这段里的关键英文术语,并给 Java 例子。

这一组明显有用很多。

它开始把词和代码连接起来:

  • • handler method:Controller 里处理请求的方法
  • • return value:不仅是 Java 返回语句,还会被 Spring MVC 解释成 HTTP 响应、视图或模型数据
  • • ResponseEntity:通常用于同时控制响应体、状态码和响应头
  • • @ResponseBody:告诉 Spring 把返回值写入 HTTP 响应,而不是当成视图名

这已经不是单纯翻译,而是在补技术语境。

但它仍然有个问题:读完以后,我觉得“懂了一些”,却没有机制检查自己是不是真的懂了。

C 组:教学式精读

第三组我换了提示词:

请不要只翻译这段英文技术文档。

请按以下顺序帮助我读懂:
1. 用一句话说明这段在解决什么开发问题
2. 提取 5-8 个关键词,给出英文原词、中文解释和 Java 场景例子
3. 按段落解释作者的逻辑,不要逐词硬翻
4. 标出容易误解的句子,并说明误解会导致什么代码判断
5. 用一个我熟悉的 Java 小例子重写这段意思
6. 出 3 个检查理解的问题,并给出参考答案
7. 最后生成一张“下次读类似文档时可复用”的阅读清单

这一组的变化最大。

它先把文档目标说清楚:

这段文档不是在教英文单词,而是在说明 Spring MVC 如何解释 Controller 方法的返回值。

然后它把术语映射成代码判断:

英文术语
不要只翻成
更应该理解成
handler method
处理方法
接收请求并由 Spring MVC 调度的方法
return value
返回值
Spring 会继续解释的 Controller 输出
response body
响应体
HTTP 响应中真正写给客户端的数据
status code
状态码
200、400、404 这类 HTTP 结果
headers
和响应一起返回的元信息

这时候,英文文档不再是一段“要翻译的文字”,而是一张“代码决策图”。

我用 5 个问题做复测

为了避免只凭感觉说“C 组更好”,我设计了 5 个理解问题。

比如:

如果 Controller 方法返回 ResponseEntity,相比直接返回普通对象,多了什么控制能力?

理想回答是:

它可以同时携带响应体、状态码和响应头。

再比如:

为什么 @ResponseBody 不能只理解成“响应体”?

理想回答是:

因为在 Spring MVC 里,它还表示返回值应该写入 HTTP 响应,而不是被当作视图名处理。

三组结果如下:

方式
得分
主要问题
默认翻译
2 / 5
能翻词,但很难回答代码选择题
术语讲解
4 / 5
能解释术语,但缺少复述和检查
教学式精读
5 / 5
能把术语、代码场景和自测连接起来

这个评分不是标准化考试,只是本次阅读任务的人工复测。

但它足够说明一件事:

对技术文档来说,AI 只做翻译太浪费了。

真正有效的是“阅读教练”

默认翻译像字典。

术语讲解像老师在旁边解释生词。

教学式精读更像一个阅读教练。

它会不断问:

  • • 这段文档解决什么问题?
  • • 哪些词是框架术语,不是普通英语?
  • • 这句话落到代码里会影响什么选择?
  • • 哪些地方容易误解?
  • • 你能不能用自己的话复述?

这才是普通开发者读英文文档时最缺的东西。

我们不是完全不会英语,而是缺少把英语、框架和代码经验连起来的桥。

可复制提示词

以后读英文技术文档,我会直接用这个:

请不要只翻译这段英文技术文档。

请按以下顺序帮助我读懂:
1. 用一句话说明这段在解决什么开发问题
2. 提取 5-8 个关键词,给出英文原词、中文解释和 Java 场景例子
3. 按段落解释作者的逻辑,不要逐词硬翻
4. 标出容易误解的句子,并说明误解会导致什么代码判断
5. 用一个我熟悉的 Java 小例子重写这段意思
6. 出 3 个检查理解的问题,并给出参考答案
7. 最后生成一张“下次读类似文档时可复用”的阅读清单

限制:
- 不要编造文档中没有的信息
- 不确定的内容标注为“需要查上下文”
- 保留关键英文术语,不要全部翻成中文

读英文技术文档的检查清单

  • 我能说出这段文档解决的开发问题
  • 我能列出 5 个关键词,并知道它们对应的代码场景
  • 我知道哪些词不能按普通英语理解
  • 我能把文档结论改写成一个 Java 小例子
  • 我能回答 3 个理解问题
  • 我知道哪些地方需要继续查上下文

本期结论

AI 当然能翻译英文文档。

但如果只让它翻译,那就像请了一个会讲课的人,只让他念字典。

对普通 Java 开发者来说,更好的用法是:

让 AI 把英文文档拆成术语、代码场景、易误解点和自测问题。

这样读完以后,收获的不是一段中文译文,而是一种下次还能复用的阅读方法。

下一篇,我会继续测试更具体的问题:

Java 开发者背单词很痛苦,我让 AI 只教我工作里会遇到的词,效果会不会更好?


关注公众号 阿清的日常,回复 “AI英语”,领取本系列整理后的《程序员英语模板包》。首期资料包已加入“英文技术文档精读提示词”。

本文由 AI 辅助整理,关键结论已人工或工具验证。

“大模型学编程”系列先收住之后,我准备开始第二个科目:

大模型学英语。

但这里的英语,不是背单词打卡,也不是泛泛练口语。

我更关心普通 Java 开发者每天都会碰到的问题:

英文技术文档看得慢、看完忘、能翻译但不知道怎么用,AI 能不能帮上忙?

这一篇先拿一段真实 Spring 官方英文文档做实验。

我想测试的不是“AI 翻译准不准”,而是:

它能不能把英文文档变成一个 Java 开发者真正读得懂、说得出、用得上的东西。

实验材料

文档选择 Spring Framework 官方参考文档中 Spring MVC Controller 相关内容。

我关注的主题是:

  • Controller handler method
  • return value
  • ResponseEntity
  • @ResponseBody

这些词每个 Java 开发者都眼熟,但英文文档里一连起来,很多人会进入一种奇怪状态:

每个词好像都认识,但整段到底让我怎么写代码,没完全抓住。

这就是本期要测试的地方。

三种 AI 阅读方式

我给 Codex 同一份材料,分别用三种提示词处理。

A 组:默认翻译

提示词:

把这段英文技术文档翻译成中文。

结果能读,但很像把英文句子换成中文句子。

它能告诉你:

  • handler method 是处理方法
  • return value 是返回值
  • response body 是响应体

但它没有帮我回答更重要的问题:

我写 Controller 时,到底什么时候返回普通对象,什么时候返回 ResponseEntity

翻译没有错,但它把学习压力留给了读者。

B 组:术语讲解

提示词:

解释这段里的关键英文术语,并给 Java 例子。

这一组明显有用很多。

它开始把词和代码连接起来:

  • handler method
    :Controller 里处理请求的方法
  • return value
    :不仅是 Java 返回语句,还会被 Spring MVC 解释成 HTTP 响应、视图或模型数据
  • ResponseEntity
    :通常用于同时控制响应体、状态码和响应头
  • @ResponseBody
    :告诉 Spring 把返回值写入 HTTP 响应,而不是当成视图名

这已经不是单纯翻译,而是在补技术语境。

但它仍然有个问题:读完以后,我觉得“懂了一些”,却没有机制检查自己是不是真的懂了。

C 组:教学式精读

第三组我换了提示词:

请不要只翻译这段英文技术文档。请按以下顺序帮助我读懂:1. 用一句话说明这段在解决什么开发问题2. 提取 5-8 个关键词,给出英文原词、中文解释和 Java 场景例子3. 按段落解释作者的逻辑,不要逐词硬翻4. 标出容易误解的句子,并说明误解会导致什么代码判断5. 用一个我熟悉的 Java 小例子重写这段意思6. 出 3 个检查理解的问题,并给出参考答案7. 最后生成一张“下次读类似文档时可复用”的阅读清单

这一组的变化最大。

它先把文档目标说清楚:

这段文档不是在教英文单词,而是在说明 Spring MVC 如何解释 Controller 方法的返回值。

然后它把术语映射成代码判断:

英文术语
不要只翻成
更应该理解成
handler method
处理方法
接收请求并由 Spring MVC 调度的方法
return value
返回值
Spring 会继续解释的 Controller 输出
response body
响应体
HTTP 响应中真正写给客户端的数据
status code
状态码
200、400、404 这类 HTTP 结果
headers
和响应一起返回的元信息

这时候,英文文档不再是一段“要翻译的文字”,而是一张“代码决策图”。

我用 5 个问题做复测

为了避免只凭感觉说“C 组更好”,我设计了 5 个理解问题。

比如:

如果 Controller 方法返回 ResponseEntity,相比直接返回普通对象,多了什么控制能力?

理想回答是:

它可以同时携带响应体、状态码和响应头。

再比如:

为什么 @ResponseBody 不能只理解成“响应体”?

理想回答是:

因为在 Spring MVC 里,它还表示返回值应该写入 HTTP 响应,而不是被当作视图名处理。

三组结果如下:

方式
得分
主要问题
默认翻译
2 / 5
能翻词,但很难回答代码选择题
术语讲解
4 / 5
能解释术语,但缺少复述和检查
教学式精读
5 / 5
能把术语、代码场景和自测连接起来

这个评分不是标准化考试,只是本次阅读任务的人工复测。

但它足够说明一件事:

对技术文档来说,AI 只做翻译太浪费了。

真正有效的是“阅读教练”

默认翻译像字典。

术语讲解像老师在旁边解释生词。

教学式精读更像一个阅读教练。

它会不断问:

  • 这段文档解决什么问题?
  • 哪些词是框架术语,不是普通英语?
  • 这句话落到代码里会影响什么选择?
  • 哪些地方容易误解?
  • 你能不能用自己的话复述?

这才是普通开发者读英文文档时最缺的东西。

我们不是完全不会英语,而是缺少把英语、框架和代码经验连起来的桥。

可复制提示词

以后读英文技术文档,我会直接用这个:

请不要只翻译这段英文技术文档。请按以下顺序帮助我读懂:1. 用一句话说明这段在解决什么开发问题2. 提取 5-8 个关键词,给出英文原词、中文解释和 Java 场景例子3. 按段落解释作者的逻辑,不要逐词硬翻4. 标出容易误解的句子,并说明误解会导致什么代码判断5. 用一个我熟悉的 Java 小例子重写这段意思6. 出 3 个检查理解的问题,并给出参考答案7. 最后生成一张“下次读类似文档时可复用”的阅读清单限制:- 不要编造文档中没有的信息- 不确定的内容标注为“需要查上下文”- 保留关键英文术语,不要全部翻成中文

读英文技术文档的检查清单

  • 我能说出这段文档解决的开发问题
  • 我能列出 5 个关键词,并知道它们对应的代码场景
  • 我知道哪些词不能按普通英语理解
  • 我能把文档结论改写成一个 Java 小例子
  • 我能回答 3 个理解问题
  • 我知道哪些地方需要继续查上下文

本期结论

AI 当然能翻译英文文档。

但如果只让它翻译,那就像请了一个会讲课的人,只让他念字典。

对普通 Java 开发者来说,更好的用法是:

让 AI 把英文文档拆成术语、代码场景、易误解点和自测问题。

这样读完以后,收获的不是一段中文译文,而是一种下次还能复用的阅读方法。

下一篇,我会继续测试更具体的问题:

Java 开发者背单词很痛苦,我让 AI 只教我工作里会遇到的词,效果会不会更好?


关注公众号 阿清的日常,回复 “AI英语”,领取本系列整理后的《程序员英语模板包》。首期资料包已加入“英文技术文档精读提示词”。

本文由 AI 辅助整理,关键结论已人工或工具验证。