TransLit:AI 翻译,多人一步

在 TransLit 的之前版本中，“AI Review”模式只是为了处理像 Gemini 2.5 Pro 偶尔出现的语言混杂问题。当时模型在翻译时常会蹦出一些不属于原文的外语单词，我希望再次校对译文来过滤掉这些词汇。

读过思果的《译后交稿或付印前的检查工作》一文（收录于《翻译研究》），思路有了变化。我觉得“校对”也许不仅是debug，还可以尝试改善中文表达。于是，我根据书中的原则重写了校对提示词。

在实际测试中，这种基于纯译文的校对方式对知识性书籍效果尚可，但在处理小说类文本时，准确度却明显下降——由于校对环节缺失了原文约束，模型在追求“洗练”时容易出现语义偏差。

我不禁联想到许多转译本（从英文译本翻译出的中文译本），产生了信任危机。

为了在“少费 Token”（不用在校对时一并附上原文与译文）与“保持信度”之间寻找平衡，我开始测试一种古老的 AI 翻译技术：两步法。

重新发现“两步法”

此图使用 Nano Banana 2 生成，抄袭自天津美术学院通识课教学展的一幅作品^[1]。

“两步法”是在模仿人工翻译流程，包括初译和审校两步。为了省 Token，这两步在每个分片内依次进行，最后写成结构化提示词：

export const TWO_STEP_BASE_PROMPT = `你是一位精通[SOURCE_LANG]与中文的文学翻译和审校专家。请执行“初译”与“审校”两步法任务。### 第一步：初译 (遵循以下律法)【遗忘之律】忘记[SOURCE_LANG]的句法和语序，只保留原意。【重生之律】设想你是中国作者，面对中国读者，用自然的中文讲故事。【地道之律】追求“写得真好”而非“翻译得真好”。注意短语的节奏、口语的亲切感。【真实之锚】数据不改，事实不动，逻辑完整，术语标注：大语言模型（LLM）。### 第二步：审校润色 (重塑中文字韵)1. **精简代词**：审视并剔除不必要的“我的”、“你的”、“他的”等代名词。中文习惯通过语境表达所属关系，非必要不保留。2. **剔除虚词量词**：精简如“一个”、“一种”、“一项”等不具实际意义的修饰语，避免句子结构臃肿。3. **“的”字减法**：检查句中的“的”字。原则上一句之内不宜超过三个；若觉读来绕口，请通过拆句或重组结构予以优化。4. **语态转换**：将生硬的被动语态（如“被...”、“受到...”）重组为自然的主动语态或习惯性表达。5. **删繁就简**：删去不影响文义、文气的赘言；对语意不足处做精练补全，确保文字气韵贯通。6. **主谓匹配**：严格校验动作与主体的逻辑。注意动词的适用对象（如“挨近”通常用于人而非物），确保字词妥帖。7. **动宾精当**：纠正搭配不当的动宾关系。若一个动词带多个宾语，须逐一核对，确保每个词都“用得顺”。8. **自然化读**：以“不通英文的读者”为基准，确保全文朗朗上口，无任何欧化翻译痕迹。`;export const FMT_TWO_STEP_GLOSSARY = `### 结构化输出要求请严格遵循 XML 标签格式分块输出，确保结果纯粹干净。严禁以“第一步”、“第二步：最终审校润色...”类字眼作为小标题混入正文。<translation_draft>在此处仅输出第一步的初译正文内容。</translation_draft><translation>在此处仅输出经过最终审校润色后的目标语言内容，不可包含任何说明性引导语或标注。</translation><glossary>只提取本段新发现且未在已知术语表中出现过的高风险/专有词汇。严禁发散。请严格遵循单行配对格式，若无新术语则留空该标签内心：SOURCE: 原文词汇 | TARGET: 译文对应词汇</glossary>`;

这种形式的提示词在 AiNiee 里叫做“思维链”。想起之前刷到的，只是把问题重问一次，AI 回答的质量就会有提升，可能也是同理。

缺点就是带来了更明显的延迟，为了程序的稳定性，我还减短了分片长度。于是，TransLit 又有了更慢的翻译模式——Two-Step。

“只有机器才会欣赏另一个机器写出的——”

为了观察这一流程的效果，我使用 Gemini 3.0 Flash 作为唯一的翻译模型，分别生成了“两步法（Method A）”和一次性“重写法（Method B）”的译文。随后，我邀请了三个主流模型 ChatGPT、Gemini 自己和 Kimi 作为独立评估者进行打分。

测试用到了两个领域的文本：韩炳哲的《Der Geist der Hoffnung》（学术文本）与 Nicholson Baker 的《The Fermata》（文学文本）。

本图汇总了学术类（Philosophy）与文学类（Novel）文本在两步法（Method A）与重写法（Method B）下的对比结果。坐标轴缩写包括：Sem（语义准确性）、Flu（流畅度）、Term（术语准确性）、Log（逻辑结构）、Sty（风格保留）、Pub（出版适配性）、Sex（性描写处理）。评分由三个主流 AI 模型独立盲测得出，最后一列为综合平均分。

可以看到，在哲学翻译中，三位评估者认为“两步法”在逻辑结构、术语准确性等方面得分更高。

而在小说翻译中，评分出现了分歧。虽然平均分仍是两步法占优，但 ChatGPT 认为“两步法”译文流失了作者的风格，反映出文学审美的不确定性。

不插手“翻译的艺术”

如果只让 AI 读，翻译都是多余，还是要自己读读看。

《Der Geist der Hoffnung》是德语书，只附上其中一段话的“重写法”和“两步法”对比：

相比之下，“两步法”的语言确实书面一些、少一些赘余。

但不得不承认，“两步法”更像是“文字滤镜”，只是给译文瘦了脸、磨了皮。好的中文凝结了复杂的个人品味，很难通过一段简短的指令完全复制。何况，思果的准则虽然提供了汉语的审美选择，但这只是众多翻译流派中的一种。

我的想法是：我只负责完成翻译的“工程”，而不插手翻译的“艺术”。

总之，“两步法”只是 TransLit 提供的一种翻译模式，它可以润色汉语，但也可能失掉原味，还会让翻译过程变得繁琐且缓慢。不妨想想，谁都知道翻译的艺术很重要，但对于阅卷速度的读者来说，又能接收多少呢？

只能说是一番心意。

1. http://xhslink.com/o/1lBaUy7ImM7