我用 AI 翻译的三个阶段：提示词时代 → 推理模型时代 → Agent 时代
内容提要
本文讲述了作者在AI翻译领域的两年探索，从手动提示词逐步转向使用Agent进行自动化翻译。通过迭代，作者创建了可复用的翻译技能，解决了输入多样性、翻译质量和一致性等问题，最终实现高效翻译工作流。
关键要点
-
作者在AI翻译领域探索了近两年，从手动提示词转向使用Agent进行自动化翻译。
-
创建了可复用的翻译技能，解决了输入多样性、翻译质量和一致性等问题。
-
翻译过程经历了三个阶段：手动提示词、推理模型、Agent时代。
-
在推理模型阶段，翻译提示词的核心变为'重写'，提升了翻译质量。
-
Agent时代的翻译工作流更精细，决策部分交给Agent，关键节点由人确认。
-
Agent翻译与提示词翻译的不同在于工作流、外部记忆和并行工作能力。
-
创建Skill的过程简单，通过Claude Code生成初步版本并迭代改进。
-
翻译模式分为快速模式、普通模式和精细模式，满足不同需求。
-
从串行翻译转向并行翻译，解决了一致性问题。
-
提示词传递经历了四次重构，确保了可追溯性和准确性。
-
所有翻译产物都保存为文件，便于管理和调整。
-
Agent能够自我发现问题并优化翻译策略，提升翻译质量。
-
用户可以个性化设置翻译需求，影响翻译策略和术语表。
-
反复出现的原则包括持久化产物、关注点分离、渐进式体验、并行优先和提示词即代码。
延伸解读
翻译工作流的演变
文章中提到的翻译工作流经历了三个阶段，从手动提示词到推理模型，再到Agent时代。每个阶段的演变不仅提升了翻译质量，也优化了工作效率。尤其是Agent时代，通过并行处理和外部记忆的引入，使得翻译过程更加灵活和高效。
个性化翻译的优势
作者强调了个性化设置在翻译中的重要性。用户可以根据自己的需求调整目标语言、翻译风格和术语表，这种灵活性使得翻译结果更符合特定读者的期望。个性化配置不仅提升了用户体验，也提高了翻译的准确性和可读性。
翻译一致性的保障
在并行翻译中，保持一致性是一个挑战。文章提出通过预先分析和共享提示词文件来解决这一问题。这种方法确保了不同子Agent在翻译时使用相同的术语和风格，从而提高了翻译的一致性，避免了因上下文不同而导致的翻译差异。
延伸问答
AI翻译的三个阶段是什么？
AI翻译经历了手动提示词、推理模型和Agent时代三个阶段。
Agent翻译与传统提示词翻译有什么不同？
Agent翻译有工作流、外部记忆和并行工作能力，而传统提示词翻译是一次性执行，所有信息都在上下文中。
如何创建和迭代翻译Skill？
通过Claude Code的skill-creator生成初步版本，使用真实文章翻译，反馈问题并循环改进。
翻译过程中如何解决一致性问题？
通过预先分析内容，确定术语表和翻译风格，确保多个子Agent共享同一份提示词文件。
用户如何个性化设置翻译需求？
用户可以在EXTEND.md文件中设置默认目标语言、翻译风格和目标读者，以影响翻译策略。
翻译模式有哪些，分别适合什么情况？
翻译模式分为快速模式、普通模式和精细模式，快速模式适合快速了解大意，普通模式适合一般翻译，精细模式适合高质量翻译。
