1.1 翻译提示词的定义与核心价值
翻译提示词，说白了，就是你发给ChatGPT那一段话里，所有用来指挥它“怎么翻”的内容。它不只是“把这句话翻成英文”这么简单。我自己刚开始用ChatGPT做翻译的时候，就扔一句“翻译成英文”，出来的东西能用，但总觉得差点意思。后来我才慢慢意识到，问题不在模型，在我给它的指令太单薄了。
打个比方，普通翻译指令像是你跟一个路人说“帮我翻一下”，而翻译提示词像是你给一位专业译者的brief——里面写清楚了受众是谁、用在什么场合、语气该正式还是轻松、术语有没有固定说法。你给的信息越具体，译文就越贴近你脑子里想要的那个样子。这就是翻译提示词的核心价值：把模糊的“翻一下”变成可执行、可复现、可优化的翻译任务。
我后来养成一个习惯，每次翻译前先花两分钟写提示词，效果比翻完再改要省事得多。特别是中英互译，两种语言背后的思维逻辑差别大，不提前把要求说清楚，模型很容易按它自己的理解走。
1.2 翻译提示词与普通翻译指令的区别
普通翻译指令通常就是一句话：“把这段翻成中文。”它只交代了最基本的动作，剩下的全靠模型自己发挥。翻译提示词不一样，它更像一份小型的翻译任务说明书。我自己的感受是，普通指令像是在餐厅说“随便来点”，提示词则是照着菜单告诉厨师你要什么口味、忌什么、几分熟。
区别体现在几个地方。普通指令不限定风格，提示词会写明“用正式商务语气”或“保持口语化”。普通指令不管术语一致性，提示词会要求“API一律译为应用程序接口”。普通指令不关心输出格式，提示词可以说“保留原文的Markdown结构”或者“只输出译文，不要加解释”。
另外一个很实际的区别是，普通指令翻出来的东西往往需要你再手动改一遍，提示词写好了，第一版就能直接用的概率高很多。我试过同一段技术文档，用普通指令翻了之后改了五六处，换成详细提示词只动了一个词。这个时间账算下来，提示词的前期投入是值得的。
1.3 ChatGPT 等大模型在翻译中的角色与边界
ChatGPT在翻译里扮演的角色，我觉得更像一个知识面很广、反应很快、但偶尔会自作主张的译者。它能处理大部分日常文本，速度快，成本低，还能同时给你几个版本对比。你让它用不同风格翻同一句话，它几秒钟就能给你三种说法，这个能力传统翻译工具做不到。
但它的边界也很明显。它有时候会“脑补”原文没有的信息，也就是大家常说的幻觉。我遇到过原文是一个普通名词，它翻着翻着加了一个原文没有的修饰语，读起来很顺，但意思偏了。它还可能在长文档里前后术语不一致，前面叫“用户”，后面变成“客户”。这些不是它故意犯错，是它的工作方式决定的。
我的做法是，把ChatGPT当第一稿生成器，不做最终决策者。专有名词、法律条款、医学剂量这些容错率极低的内容，提示词里一定要加约束，翻完还要人工核对。它的边界不在语言能力，在于它不知道你的底线在哪里——你不说，它就按概率最大的方式走。
1.4 相关搜索需求：为什么需要“ChatGPT翻译提示词模板”
我观察到一个现象，很多人搜“ChatGPT翻译提示词模板”，不是因为他们不会写提示词，是因为每次从零写太累了。翻译任务重复性高，今天翻商务邮件，明天翻产品说明，后天翻学术摘要，如果每次都重新构思提示词，时间成本受不了。模板解决的就是这个重复劳动的问题。
另一个搜索动机是“不知道怎么写才好”。翻译提示词涉及的因素多——语言对、文本类型、受众、术语、格式、语气——新手很容易漏掉关键项。模板相当于一个检查清单，你照着填，不容易遗漏。我自己最开始就是靠模板入门的，用多了之后才慢慢能根据具体情况调整。
还有一类需求是求安心。翻译这件事，翻错了有时候代价不小。用一个人家验证过的模板，心里踏实一些。这种心理我完全理解，我自己也存了好几套常用模板，不是因为不会写，是因为不想每次都在基础设置上花精力。
1.5 翻译提示词适用的典型场景与用户群体
翻译提示词不是只有专业译者在用。我接触过的使用者里，有做跨境电商的运营，每天要翻几十条产品标题和描述；有写代码的工程师，需要把技术文档在中英文之间来回倒；有做学术研究的学生，要把论文摘要翻成英文投稿；还有做自媒体的，想把中文视频脚本翻成英文配上字幕。
场景不一样，提示词的重点也不一样。电商运营最关心的是关键词有没有翻对、搜索能不能搜到，所以提示词里要强调“保留SEO关键词”和“符合平台搜索习惯”。工程师在意术语一致性，提示词里得加术语表。学术翻译要求准确和正式，文学翻译追求风格和韵味，营销文案要的是感染力。
我自己用得最多的场景是技术文档和商务邮件。技术文档怕术语乱，商务邮件怕语气不对。这两种需求差异很大，用的提示词模板也完全不同。所以我觉得，讨论翻译提示词不能脱离场景，脱离场景的模板就是空中楼阁。
2.1 明确源语言与目标语言：中英互译场景的界定
我吃过一次亏，提示词里只写了“翻译成英文”，没说是哪种英文。结果模型给我翻成了英式拼写，客户要的是美式。从那以后，我每次都会在第一句把语言对写死。中文到英文，还是英文到中文，方向不能含糊。中英互译看起来简单，里面藏着不少岔路：简体还是繁体，美式还是英式，口语还是书面。你不说，模型就按它训练数据里最常见的组合走。
有时候原文里夹杂了其他语言，比如中文段落里有个日文词，或者英文里有个法语短语。这种情况下，我会在提示词里加一句“原文中的日文词保留，不翻译”或者“法语短语请译成中文”。还有文言文、方言、网络缩写这些特殊情况，也要提前界定。我见过有人拿粤语口语让模型翻成英文，模型直接懵了，翻出来的东西连中文母语者都看不懂。
我的习惯是在提示词开头就写“将以下简体中文翻译成美式英语”，或者“将以下英文翻译成繁体中文”。这个动作花不了几秒钟，能省掉后面很多返工。中英互译场景的界定，本质上是给模型画一个圈，告诉它活动的边界在哪里。
2.2 指定文本类型、目标受众与使用用途
文本类型是翻译策略的分水岭。技术手册要的是精确和一致，社交媒体文案要的是抓眼球和口语化。你把一份法律合同按营销文案的风格翻，会出大问题。我一般会在提示词里直接点明“这是一份软件用户协议”或者“这是一条Instagram广告文案”。模型看到这些标签，会自动调用对应的语料库和表达习惯。
目标受众同样关键。同一段产品介绍，给工程师看和给家庭主妇看，用词完全不一样。给工程师可以写“采用分布式架构”，给普通用户就得说“运行更稳定，不容易卡”。我在提示词里会写“受众是没有任何技术背景的普通消费者”或者“读者是公司高管，需要简洁专业的表达”。使用用途也影响翻译尺度：内部参考可以粗一点，正式发布就要精雕细琢。
有次我翻译一份产品说明书，没写受众，模型翻得偏学术，像论文摘要。后来我加上“面向普通家庭用户，语言通俗，避免专业术语”，出来的版本立刻亲切多了。这个经历让我明白，文本类型、受众和用途这三个信息，缺一个都会让译文跑偏。
2.3 约束术语、风格、语气与输出格式
术语一致性是专业翻译的命门。我平时做技术文档翻译，最怕同一个英文词在中文里出现好几种译法。比如“endpoint”，前面翻成“端点”，后面变成“终结点”，读者会以为这是两个东西。我的做法是在提示词里附一个小术语表，或者直接写“endpoint一律译为端点，interface一律译为接口”。风格和语气也要说清楚：正式、中性、幽默、严肃、亲切，这些词放进提示词里，模型会调整用词。
输出格式容易被忽略，但它直接影响你拿到结果后能不能直接用。要不要保留原文的Markdown结构？要不要把段落合并？只输出译文还是可以加注释？我经常写“保留原文的列表和标题层级，不要改动排版”，或者“只输出译文，不要添加任何解释性文字”。有次我忘了约束格式，模型把一段代码注释也翻成了中文，结果代码跑不起来。从那以后，格式要求成了我提示词里的固定项。
约束这些东西，一开始会觉得麻烦。写多了就发现，它们其实是翻译质量的护栏。你给的约束越具体，模型自由发挥的空间越小，译文就越接近你脑子里的那个标准。
2.4 提供上下文、示例与参考译文，减少歧义
上下文是消除歧义的利器。英文单词“bank”可以指银行，也可以指河岸。你只给一个句子，模型可能选错。你把前后两三句一起给它，它就能判断。我翻译长文档时，习惯把相关段落一起贴进去，哪怕只需要翻其中一句。这样做能帮模型理解这个词在这个特定场景里的含义。
示例和参考译文更直接。我手里如果有之前认可的翻译版本，会挑两三句放进提示词，告诉模型“请参考以下译文的风格和用词”。这叫少样本提示，效果很明显。品牌口号、产品名称、固定表达，用这招能保持调性统一。有次我翻译一个品牌的系列文案，给了模型三个已确认的例句，后面十几条翻出来风格几乎一致，省了大量修改时间。
减少歧义还有一个办法：把原文里容易误会的地方提前说明。比如“本文中的‘平台’指软件平台，不是物理平台”，“这里的‘他’指代的是公司，不是个人”。这些注释看起来啰嗦，能避免模型脑补出错误信息。我宁可多写两行说明，也不想翻完再花半小时纠错。
2.5 处理专有名词、文化负载词与不可译项
专有名词的处理策略要提前定好。人名、地名、品牌名、产品名，是音译、意译，还是保留原文？比如“Apple”翻成“苹果”还是保留“Apple”？“New York”是“纽约”还是“新乡”？这些不能靠模型猜。我的提示词里会明确写“品牌名保留英文原文，不翻译”或者“人名按新华社标准音译”。文化负载词更棘手，“饺子”、“春节”、“关系”、“面子”，这些词在英文里没有完美对应。我通常要求模型“音译加简短注释”，比如“jiaozi (Chinese dumplings)”。
不可译项是翻译里的硬骨头。中文的“江湖”、“缘分”、“气”，英文找不到对等词。直译会丢失含义，意译又可能过度解释。我的处理方式是给模型一个具体指令：“‘江湖’译为‘jianghu (a world of martial arts and wanderers)’，首次出现加注，后续直接用jianghu”。这样做既保留了文化特色，又让英文读者能理解。
处理这些内容，需要提前和模型沟通策略。我习惯在提示词末尾加一段“专有名词处理规则”，把可能遇到的情况都列出来。这样做一次，后面同类翻译都能复用。不要指望模型自己做出符合你期望的决定，它不知道你的偏好。
2.6 设定翻译质量优先级：准确、流畅、地道或忠实
翻译不可能同时满足所有标准。准确和流畅有时打架，忠实地道也有矛盾。法律文件里，准确是第一位的，流畅可以退让。营销文案里，地道和感染力更重要，忠实原文反而次要。学术摘要要求准确和忠实优先，文学翻译追求风格和韵味。你必须在提示词里告诉模型，当这些标准冲突时，先保哪个。
我自己的做法是写一句优先级声明。比如“优先保证术语准确，语句通顺为次”，或者“以目标语言母语者的自然表达为准，可以调整语序和句式”。有次翻译一份公关声明，我写的是“准确传达原意，语气正式但友好，流畅度优先于字面忠实”，出来的版本客户很满意。相反，如果我没写，模型可能给出一个字字对应但读起来别扭的译文。
设定优先级这个动作，看起来很小，实际影响很大。它相当于给模型一个决策框架。遇到模棱两可的地方，模型知道往哪个方向靠。我见过很多翻译提示词写了一大堆要求，却没排优先级，结果模型左顾右盼，最后给出一个四平八稳但不出彩的版本。把优先级说清楚，译文就有了灵魂。
3.1 基础通用模板：角色、任务、语言与要求
我电脑里有个文件夹叫“提示词仓库”，里面存了二十几个翻译模板。用得最频繁的，是一个只有四行的基础结构。每次开新翻译任务，我先把它粘贴出来，再往上填内容。这四行分别是角色设定、翻译任务、语言方向和具体要求。角色设定我一般写“你是一位资深的中英翻译专家，拥有十年以上本地化经验”。这句话看着像套话，它确实能改变模型的输出倾向。不带角色设定的时候，模型像个保守的机器翻译；带上角色，它会更主动地调整语序和表达。
任务描述要具体。“请翻译以下文本”这种写法太模糊。我通常写“请将以下中文技术文档翻译成英文，目标读者是北美软件工程师”。一句话里塞进了文本类型、翻译方向和受众信息。语言方向我习惯单独列一行，用箭头标清楚：中→英，或者英→中。具体要求放在最后，用列表形式写三到五条。比如“术语统一，参考附件术语表”、“句子简洁，避免冗余修饰”、“保留原文的编号和标题格式”。三到五条是甜点区，写太多模型会顾此失彼。
这个基础模板我用了大半年，改过无数版。最初我只写“翻译成英文”，结果出来一堆中式英语。后来加了角色和受众，质量上了个台阶。再后来把格式要求也写进去，返工率降了一半。模板的意义在于，你每次不用从零开始想提示词，填空就行。省下来的精力可以放在检查译文上。
3.2 中英互译模板：直译、意译与本地化版本
同一个源文本，我会准备三个版本的提示词模板。直译版用于法律合同、技术规格书这类不容许自由发挥的文本。模板里写“逐句对应翻译，不增删任何信息，保持原文语序”。意译版适合新闻稿、博客文章，模板里写“以传达核心意思为主，可调整句式和语序，使译文符合目标语言表达习惯”。本地化版最灵活，用于广告语、品牌口号，模板里写“完全以目标市场受众的阅读体验为准，可重写原文，只需保留核心信息和情感基调”。
这三个版本的核心参数不一样。直译版强调准确性，我会在模板里加一句“任何不确定的地方，用括号标注原文”。意译版强调可读性，模板里写“译完后通读一遍，确保没有翻译腔”。本地化版强调感染力，模板里写“想象你是目标语言的母语 copywriter，用最自然的方式重新表达”。参数不同，输出的译文风格差异很大。我做过一个测试，同一段产品介绍，直译版出来像说明书，本地化版出来像杂志软文。
中英互译还有个细节要注意：中文习惯用短句，英文习惯用从句。直译版出来的英文常常是一堆短句堆在一起，读起来很碎。意译版模板里我会加一条“适当合并短句，使用从句和连接词，使英文行文流畅”。反过来，英译中的时候，模板里写“拆分长句，中文多用短句和逗号”。这个调整很小，效果很明显。我自己读英文长句没问题，但中文读者不习惯一口气读五行的句子。
3.3 专业领域模板：技术、法律、医学与商务
技术翻译模板里，我固定放三样东西：术语表、风格指南、代码处理规则。术语表用两列，英文和中文对照，贴在提示词最前面。风格指南写“使用主动语态，避免被动”、“每句不超过25个英文单词”、“首次出现的缩写要写全称”。代码处理规则写“代码块、变量名、函数名保留原文，注释翻译成中文”。技术文档最怕术语不一致，同一个 API 接口，前面叫“端点”，后面叫“终结点”，开发人员会 confused。
法律翻译模板的关键是“不改变任何法律含义”。我会写“严格按照原文句式翻译，不使用同义词替换，不调整条款顺序”。法律文本里每个词都可能是法庭上争论的焦点，翻译的自由度几乎为零。医学翻译模板侧重准确和患者可读性之间的平衡。写“医学术语使用标准译名，首次出现时括号保留英文原文”、“面向患者的说明部分，语言通俗，避免拉丁文和复杂术语”。商务翻译模板讲究得体。写“语气正式礼貌，符合商务信函惯例”、“称呼和落款按目标语言习惯调整”。
这四个领域的模板我分开存放，用的时候直接调用。有次偷懒，拿技术模板去翻一份投资协议，出来的译文充满了“部署”、“配置”这种词，把“条款”翻成了“配置项”，客户看了直摇头。从那以后，我再也不混用模板了。每个领域的语言规则、行业惯例、读者预期都不一样，套错模板比不用模板还糟糕。
3.4 文学与营销模板：风格迁移与情感保留
文学翻译模板是我花时间最多的。我写小说翻译提示词的时候，会把作者风格描述放在最前面。比如“原文风格冷峻克制，短句为主，对话不加引号，请保持这种风格”。然后加一句“保留原文的节奏感和留白，不要为了通顺而添加解释”。文学翻译最忌讳过度阐释，把含蓄的东西翻得太明白，韵味就没了。我还会在模板里写“人物对话要符合角色身份和教育背景，工人不说教授的话”。
营销文案模板的核心是情感对齐。我写“这条文案的目标是让读者产生好奇和购买欲，译文不需要忠实原文，但要达到同样的情感效果”。模板里会留一个空位，让我填入“目标情绪：紧迫 / 温暖 / 高端 / 有趣”。不同的情绪对应不同的用词策略。紧迫感用短句和行动动词，温暖感用第一人称和第二人称，高端感用克制的形容词和长句。有次翻译一个奢侈品品牌的文案，我填了“高端、疏离、不讨好”，出来的英文确实有种冷眼旁观的贵气。
风格迁移这件事，模型能做，前提是你把风格描述清楚。“幽默”这个词太笼统，我会写“带点自嘲的英式幽默，不夸张，不玩谐音梗”。“浪漫”也太泛，我写“克制的浪漫，用具体的细节代替抽象的情感词”。描述越具体，模型越能抓住你要的味道。文学和营销翻译里，一个精准的形容词比十句“请翻得优美一点”管用。
3.5 分步骤翻译模板：初译、审校、润色与回译
长文档翻译我不会让模型一步到位。分步骤模板的第一段写“请先完成初译，重点关注意思准确，暂时不考虑文采”。初译出来后，我检查一遍，把明显的错误标出来。第二段提示词写“请审校以下译文，对照原文检查是否有漏译、误译、术语不一致的地方，以列表形式指出问题”。审校这一步模型表现很好，它找自己的错比找人写的错还准。
第三段写“请根据审校意见修改译文，同时提升语言流畅度，使其符合目标语言表达习惯”。润色阶段我会加上风格指令，比如“更正式一些”或者“更口语一些”。第四段是回译，写“请将润色后的译文回译成源语言，检查是否有信息丢失或改变”。回译是终极质检，有些问题只有回译才能暴露。我遇到过译文读起来很顺，回译之后发现意思偏了十万八千里。
这套流程走下来，翻译一篇三千字的文档大概多花二十分钟。多出来的时间换来的是质量保障。我刚开始做自由翻译的时候，图快，一次性让模型翻完就交稿。结果客户退回来说“读着别扭”。后来用了分步模板，退稿率几乎降到零。慢就是快，这句话在翻译上特别成立。
3.6 模板参数说明、替换清单与使用注意事项
每个模板里都有方括号标注的可替换参数，比如 [源语言]、[目标语言]、[文本类型]、[目标受众]、[术语表]。我把这些参数整理成一张清单，放在模板文件最上面。用的时候对着清单一项项填，不漏项。清单里还有可选参数，比如 [参考译文]、[风格指南]、[禁止用词]。可选参数不是每次都用，遇到对应场景才填。
使用模板有几个坑我踩过。第一个坑是参数填得太笼统。“目标受众：普通读者”这种写法等于没写。要写成“目标受众：25到35岁，关注科技产品的都市白领”。第二个坑是忘记更新术语表。我有个技术文档模板，术语表还是半年前的版本，结果翻出来的新术语全不一致。第三个坑是模板太长。我写过一版两千字的提示词，模型反而抓不住重点。后来精简到五百字以内，效果更好。
模板是起点，不是终点。每次翻译完，我会花两分钟想想哪个参数可以优化，哪句话可以删掉。好的模板是长出来的，不是一次性设计出来的。我现在的模板仓库里，每个模板都迭代过至少五版。用得越久，模板越贴合我的需求。新手可以从一个基础模板开始，翻上十次之后，自然知道该改哪里。
4.1 日常短句中英互译示例
日常短句翻译听起来简单，真正动手的时候坑不少。我拿“你吃了吗”这句话试过好几种提示词。最简陋的一版只写了“翻译成英文”，模型给的是“Have you eaten?”。意思没错，读着像在关心对方的温饱问题。换成英语母语者打招呼的场景，这句话根本不会出现。后来我把提示词改成“这是一句中文日常问候语，功能等同于英语里的How are you，请翻译成英语中功能对等的问候语”。模型输出的是“How‘s it going?”。这才是地道用法。
再举一个例子，“辛苦了”这三个字。直接翻译成“You are tired”或者“You‘ve worked hard”，英语母语者听了会觉得莫名其妙。我在提示词里写“这是一句中文里的万能感谢语，用于表达对他人付出的认可，请翻译成英语中对应的简短慰问或感谢表达”。模型给了“Thanks for your hard work”和“I appreciate it”两个选项。我会根据具体场景选一个。对同事用前者，对朋友用后者。一个提示词把“辛苦了”的语用功能讲清楚，译文自然就对了。
还有“随便”这个词。“随便”在中文里可以表示无所谓、都可以、不挑剔。翻译成“whatever”会显得不耐烦，翻译成“anything is fine”又太啰嗦。我的提示词写“中文‘随便’在这里表示不挑剔、友好地让对方决定，请翻译成英语中语气轻松友善的对应表达”。模型输出“I’m easy”或者“Anything works for me”。这种小词最考验提示词的细腻程度。
4.2 商务邮件与公文互译示例
商务邮件的翻译，语气比字面意思重要十倍。我帮一个客户翻过一封中文邮件，开头是“尊敬的张总，您好”。如果我写“翻译成英文”，模型会给“Dear General Manager Zhang, hello”。这个译文在英语商务邮件里不成立。称呼后面不会加“hello”，而且“General Manager”显得过于正式和生硬。我的提示词写“这是一封发给美国合作公司项目经理的商务邮件，对方叫Michael，请按英语商务邮件惯例调整称呼和问候语，保持专业友好的语气”。
模型输出“Dear Michael, I hope this message finds you well.”。这个开头很自然。中文邮件的“您好”在英文里通常不直接翻译，而是替换成对方名字加一句问候。提示词里要明确这一点。“请勿直译中文问候语，按目标语言商务邮件惯例处理”。这一条能省掉大量修改时间。落款部分同理。中文写“此致敬礼”，英文对应的是“Best regards”或者“Sincerely”。我在提示词里直接写“落款用Best regards”。
公文翻译的难度在格式和正式程度。有一次翻一份中国的项目立项批复，标题是“关于XX项目立项的批复”。我的提示词写“这是一份政府批复文件，请翻译成英文官方文书格式，标题用‘Official Reply Concerning...’结构，正文保持正式书面语气，使用被动语态和完整句式”。模型输出“Official Reply Concerning the Project Approval of XX”。句式对了，再检查一下术语。批复印的英文通常用“approval”或者“ratification”。我在提示词里加一句“批复译为Official Reply，立项译为Project Initiation”。术语统一了，整篇公文读起来才像那么回事。
4.3 技术文档与产品说明互译示例
技术文档的翻译，术语表是第一道保险。我翻过一份API接口文档，源文本里“接口”出现了四十多次。如果没有术语约束，模型可能一会儿翻成“interface”，一会儿翻成“API”，一会儿翻成“endpoint”。读文档的开发人员会 confused。我的提示词开头就是术语表：“接口=API endpoint，参数=parameter，返回值=return value，鉴权=authentication”。术语表贴在提示词最前面，模型每次遇到这些词都会按表翻译。
产品说明书的翻译要考虑用户的操作体验。我翻过一个智能灯泡的说明书，有一段写“长按开关三秒，灯泡进入配网模式”。直译出来是“Long press the switch for three seconds, the bulb enters network configuration mode”。语法没错，读着别扭。我的提示词写“这是产品说明书，目标读者是普通消费者，请使用简洁清晰的英文，动词优先，避免被动语态，句子不超过十五个单词”。模型改成“Press and hold the switch for 3 seconds. The bulb enters pairing mode.”。短句、主动、清晰。消费者一看就懂。
技术文档里还有代码和变量名。我的提示词固定写一条“代码块、变量名、函数名、文件路径保持原文不变，注释翻译成英文”。有一次我忘了写这条，模型把“user_id”翻成了“用户ID”，把“config.json”翻成了“配置.json”。开发人员看到这种翻译会崩溃。从那以后，我把这条规则写进了每一个技术翻译提示词里。
4.4 学术摘要与论文语句互译示例
学术摘要翻译的核心是准确加凝练。我翻过一篇中文论文摘要，研究方法是“采用问卷调查法，以某市三所中学的五百名学生为研究对象”。我的提示词写“这是学术论文摘要，请翻译成英文学术写作风格，使用被动语态和名词化表达，保持客观正式的学术语气”。模型输出“A questionnaire survey was conducted among 500 students from three middle schools in a certain city.”。被动语态、名词化、客观语气都到位了。
论文语句的翻译要格外注意逻辑连接和时态。中文论文里常出现“本文旨在探讨……”、“研究结果表明……”、“综上，本研究认为……”。这些固定表达在英文里有对应的学术套语。我在提示词里写“本文旨在译为This study aims to，研究结果表明译为The results indicate that，本文认为译为This study concludes that”。把这些对应关系写清楚，模型就不会自由发挥。学术写作的套语是长期形成的惯例，翻译要遵循惯例，不能追求新奇。
学术翻译还有一个难点是长句处理。中文论文喜欢用长句，一句话里套好几个分句。英文论文也长，但结构不同。我的提示词写“遇到中文长句，拆分成两到三个英文句子，用连接词保持逻辑关系，避免一个英文句子超过三十个单词”。这个规则能有效防止译文变成一团乱麻。我读研的时候帮导师翻过论文，吃过这个亏。一个中文长句直译成英文，审稿人批注说“sentence too long and hard to follow”。后来加上拆分规则，审稿意见少了很多。
4.5 营销文案与品牌口号互译示例
营销文案翻译，我通常不追求忠实。忠实反而会坏事。有一个中国茶饮品牌的口号叫“一杯好茶，一份好心情”。直译成“A cup of good tea, a good mood”平淡如水。我的提示词写“这是一个面向年轻消费者的茶饮品牌口号，目标是让英语受众感受到轻松愉悦的品牌调性，请完全重写，保留核心意象（茶和心情），但使用英语中 catchy 的表达方式”。模型给了几个版本，我选了“Good tea. Good mood. Good day.”。三个Good排比，读起来有节奏感，符合英语广告语的惯例。
品牌名的翻译更需要策略。我遇到过一家科技公司叫“云启”，想翻成英文品牌名。直译“Cloud Start”听起来像云计算初创企业，不够大气。我的提示词写“云启是一个科技品牌名，寓意云端开启、引领未来，请设计一个三到五个字母的英文品牌名，发音与中文近似或寓意相关，易于记忆和传播”。模型给了一堆选项，最后客户选了“Yunqi”。直接用拼音加注品牌内涵。有时候最简单的方案最好。
还有一个护肤品文案，原文写“肌肤喝饱水，透出自然光”。我的提示词写“这是护肤品电商详情页文案，目标受众是25到35岁女性，请翻译成英语中同等煽动性的美妆文案，可以使用夸张和通感修辞，核心信息是补水和提亮”。模型输出“Drenched in moisture. Lit from within.”。短促有力，很有美妆广告的感觉。营销翻译提示词里，目标受众和情感效果比字面意思重要得多。
4.6 示例对比：不同提示词带来的译文差异
同一段文字，提示词不同，译文可以差出十万八千里。我拿“欢迎光临”做过一个对比测试。提示词A：“翻译成英文”。输出：“Welcome”。提示词B：“这是商场入口的欢迎语，请翻译成英语中商场常用的欢迎语”。输出：“Welcome to our store”。提示词C：“这是高端百货公司的入口欢迎语，目标客群是高收入人群，请翻译成体现尊贵感和专属感的英文欢迎语”。输出：“We are delighted to welcome you”。三版提示词，三个完全不同的译文。
再拿一段技术文档做对比。源文本：“本系统采用微服务架构，支持横向扩展”。提示词A只写“翻译”：“This system uses microservice architecture, supports horizontal expansion”。读着像机器翻译。提示词B写“这是技术文档，请使用标准技术术语，保持专业语气”：“The system adopts a microservices architecture and supports horizontal scaling”。术语准确，语气专业。提示词C在B的基础上加了“目标读者是CTO和技术决策者，请翻译得简洁有力，突出系统优势”：“Built on microservices. Scales horizontally.”。三个短句，像产品宣传语。三个版本对应三种使用场景。没有哪个绝对好，取决于文本用在哪里。
营销文案的对比更明显。中文“怕上火，喝王老吉”。提示词A：“翻译成英文”输出：“Afraid of getting internal heat, drink Wanglaoji”。英语读者完全不懂“internal heat”是什么。提示词B：“这是饮料广告语，请翻译成英语广告语，传达预防上火的概念”输出：“Prevent internal heat. Drink Wanglaoji”。比A好一点，还是隔了一层。提示词C：“这是中国凉茶饮料的广告语，上火是中医概念，英语受众没有对应认知，请完全重写，核心信息是这款饮料能解决吃辣或熬夜后的身体不适，请用英语消费者能秒懂的方式表达”。输出：“Too much spicy food? Wanglaoji has your back.”。这才叫翻译到位。不同提示词带来的差异，本质上是翻译目标定义清晰度的差异。提示词写得越具体，译文越接近你想要的东西。
5.1 多轮对话中的翻译修正与追问
我翻译复杂文本时，很少一轮就满意。第一版译文拿过来，我会逐句读，把别扭的地方标出来。这时候直接在对话里说“第二句语气太正式，改成口语化的表达”。模型就能改。多轮对话的妙处在于，它能记住之前定下的规则。比如我开头写了“术语X必须翻译成Y”，后面追问时不用重复，模型依然遵守。有一次翻译一份技术合同，初译把“shall”全翻成了“将”，读起来像说明书。我追问“请用法律中文的‘应’来翻译shall，保持义务语气”。模型重新输出，整篇合同的味道就对了。
追问也有技巧。不要只说“不对，重译”。我会指出具体位置和期望效果。“第三段‘reasonable efforts’翻成‘合理努力’太生硬，请改成‘尽合理商业努力’”。模型会照做。有时候模型给的解释比译文更有用。我会问“你为什么把‘cloud’翻成‘云端’而不是‘云’？”模型解释完，我再决定是否调整提示词。多轮对话里，我习惯让模型在每轮结尾问一句“还有哪些地方需要调整？”这样能引导它主动配合。
还有一种情况是模型过度修改。我指出一处错误，它把整段都重写了。我的做法是在追问时加一句“只修改我指出的部分，其他内容保持原样”。这条规则能保住已经满意的译文。多轮对话的上下文窗口有限，聊得太长，早期指令会被稀释。我会在关键节点重新粘贴核心要求，或者开新对话，把确认好的术语和风格一次性贴进去。
5.2 术语库、风格指南与长期记忆约束
术语不一致是复杂翻译的头号敌人。同一个词，前文翻成“用户”，后文翻成“客户”，读的人会怀疑是不是指两个东西。我的做法是每次翻译前，把术语表放在提示词最前面。格式很简单：“术语表：接口=API endpoint；参数=parameter；鉴权=authentication”。后面加一句“所有术语严格按此表翻译，不得替换”。模型对开头的指令记忆最深，放在前面比放在末尾有效。
风格指南比术语表更细。我会写清楚语气、句式、人称、禁用表达。比如“使用主动语态，避免被动；句子不超过25个单词；不要使用感叹号；称呼读者用‘你’”。这些规则要具体，不能写“翻译得专业一点”。什么叫专业？模型不知道。我会写成“使用行业标准术语，保持客观陈述，不添加评价性形容词”。长期记忆方面，ChatGPT的自定义指令可以存一些通用规则。项目知识库能存术语表和风格指南。我依然会在每次对话里重复关键约束。模型偶尔会遗忘，重复一次成本很低，比事后修改便宜得多。
我还会给术语表加优先级。多义词要指定语境。“bank在金融文本中译为银行，在地理文本中译为河岸”。风格指南里加一条“如果术语表与风格指南冲突，以术语表为准”。长期项目里，我会把确认过的译文片段存成参考语料，下次翻译时贴进去当示例。模型看到示例，会模仿句式和用词。这个方法比单纯写规则有效。示例加规则，双保险。
5.3 多语言本地化与区域变体处理
本地化不是翻译。我接过一个项目，把同一份产品说明翻成西班牙语、法语、德语。如果只写“翻译成西班牙语”，模型给的是通用西班牙语。西班牙人看了觉得是拉美用法，墨西哥人看了觉得是欧洲用法。我的提示词改成“目标语言：西班牙语（墨西哥），使用墨西哥当地常用词汇和表达，避免西班牙本土用法”。模型就会把“电脑”翻成“computadora”而不是“ordenador”。区域变体还包括日期格式、货币符号、度量衡。美国用华氏度，欧洲用摄氏度。提示词里写“温度保留摄氏度，货币保留美元符号”。
英式英语和美式英语的差异也很磨人。拼写方面，colour和color，centre和center。词汇方面，电梯是lift还是elevator，卡车是lorry还是truck。我会在提示词里明确“目标变体：英式英语”或者“美式英语”。有一次翻译营销邮件给英国客户，模型用了“awesome”和“gotten”，读起来很美国。我追问“请改用英式英语，避免美式俚语和拼写”。模型调整后，客户很满意。本地化还要注意文化参照。颜色、动物、节日、手势都有地域含义。提示词写“避免使用龙、猫头鹰等可能引起文化误解的意象”。做多语言项目时，我会为每个语言单独写提示词。批量翻译省事，区域变体容易翻车。
区域变体里，正式程度也很关键。德语有“du”和“Sie”的区别。法语有“tu”和“vous”。翻给德国企业客户，要用“Sie”。翻给游戏玩家，可能用“du”。提示词写“目标受众：企业客户，使用正式称呼Sie”。翻给青少年社交媒体，写“使用非正式称呼du，语气轻松”。同一个语言，不同受众，提示词完全不同。
5.4 字幕、配音、游戏与软件界面翻译
字幕翻译有硬性限制。每行不超过42个字符，最多两行。时间轴上，字幕停留时间要匹配语速。我的提示词写“翻译成中文字幕，每行不超过16个汉字，最多两行，保持口语化，省略冗余虚词”。有一次翻美剧，角色说“I‘m gonna go grab a cup of coffee”，直译“我要去拿一杯咖啡”太长。模型按提示词改成“我去买杯咖啡”。字符数够了，意思也到了。字幕还要处理标点。中文用全角，英文用半角。提示词写“标点符号按目标语言规范，不要保留源语言的标点习惯”。
配音翻译要考虑口型。音节数要接近。英文“I love you”三个音节，中文“我爱你”三个字，口型对得上。如果翻成“我真的很爱你”，音节多了，配音对不上口型。我的提示词写“翻译成中文配音脚本，尽量匹配原文音节数，保持口语自然”。游戏翻译要处理变量和占位符。“You have {0} new messages”翻成“你有{0}条新消息”。占位符不能动。提示词写“保留所有占位符如{0}、%s、$name，不要翻译变量名”。游戏里的文化梗要本地化。英文笑话换成中文笑话，功能对等。软件界面翻译要短。按钮写“保存”不要写“保存当前设置”。提示词写“界面文字尽量控制在四个字以内，保持动词优先”。
软件界面还有复数形式。英文“1 file”和“2 files”不同。中文没有复数变化。提示词写“中文翻译无需区分单复数”。阿拉伯语有双数形式。多语言软件要单独处理。我的做法是给每个语言写一条特殊规则。字幕和游戏翻译的提示词里，我会加一句“所有译文返回纯文本，不要加解释和注释”。模型有时候会在译文后加括号说明，字幕里用不了。
5.5 回译、对照审校与质量评估提示词
回译是我最依赖的质检方法。把英文译文再翻回中文，和原文对比。如果回译结果和原文意思差很远，说明第一遍翻译有问题。我的提示词写“将以下英文译文回译成中文，逐句对照原文，指出哪些信息丢失、添加或改变”。模型会列出差异表。有一次翻译法律条款，回译发现“shall”被翻成了“可以”，义务变成了权利。我立刻修正。回译还能发现过度意译。原文说“the cat sat on the mat”，译文翻成“那只猫懒洋洋地趴在垫子上”。回译回来变成“那只猫懒散地躺在垫子上”。原文没有“懒洋洋”，这就是增译。
对照审校可以让模型扮演审校员。提示词写“你是一名资深翻译审校，请逐段对比原文和译文，从准确度、流畅度、术语一致性三个维度打分，列出错误类型和修改建议”。模型会输出一个表格。我会看准确度和术语两项。流畅度主观性强，参考就好。质量评估要有具体标准。我写“准确度占60%，流畅度占30%，术语一致性占10%”。模型按权重打分。两个模型交叉审校效果更好。一个模型翻译，另一个模型审校。审校模型不知道翻译模型是谁，能减少偏见。
回译和审校提示词里，我会要求模型输出“问题列表”和“修改后译文”。不要只给分数。有一次模型说“译文质量良好”，没有指出具体问题。我追问“请列出至少三个可改进的地方”。模型这才认真检查。审校提示词还要加一条“不要重写全文，只修改有问题的句子”。否则模型会把满意的部分也改掉。
5.6 防止漏译、增译、幻觉与过度意译
漏译和增译是模型常犯的毛病。源文本有五句话，模型翻出来只有四句。或者源文本没有“非常”，译文里多了“非常”。我的提示词写“逐句翻译，不得遗漏任何信息，不得添加原文没有的内容”。对于长文档，我会分段翻译。每段翻完，让模型用一句话总结原文要点和译文要点，对比一下。如果要点数量不一致，说明有漏译或增译。这个检查方法很管用。有一次翻产品手册，原文有“请勿在潮湿环境中使用”，译文漏了“请勿”，变成了“在潮湿环境中使用”。意思完全反了。分段总结能抓住这种错误。
幻觉是模型自己编造原文没有的信息。提示词写“如果原文有歧义或你不确定的词，请用[不确定]标注，并给出两个可能的翻译选项”。模型就不会硬编。有一次翻译一份简历，原文写“参与了某项目”，模型翻成“主导了某项目”。这就是幻觉。我追问“原文是‘参与’，请改为‘participated in’”。防止幻觉还要提供上下文。上下文越少，模型越容易编。我会把相关段落一起贴进去，让模型有足够信息判断。
过度意译在文学翻译里有时是好事，在技术、法律、医学文本里是灾难。我的提示词写“忠实优先，如遇文化负载词或不可译项，提供直译和意译两个版本，并说明适用场景”。模型会分别输出。我根据文本类型选。法律文本选直译，营销文案选意译。提示词里还要写“不要改变原文的逻辑关系，不要添加连接词，不要删减修饰语”。有一次翻译医学报告，模型把“可能”翻成了“将会”，把不确定性变成了确定性。我加了规则“情态动词必须准确翻译，may=可能，will=将会，must=必须”。过度意译的另一个表现是改变风格。源文本是简洁的说明文，译文变成华丽的散文。提示词写“保持原文的简洁风格，不要添加文学修辞”。
防止漏译、增译、幻觉、过度意译，核心是约束模型的行为边界。提示词里写清楚“可以做什么，不可以做什么”。我习惯在翻译任务末尾加一句“翻译完成后，请检查一遍，确认没有漏译、增译和幻觉”。模型会自我检查。这不能100%杜绝错误，能减少大部分错误。
6.1 从需求分析到提示词迭代的完整流程
我接到一个翻译任务，不会直接打开对话框就写提示词。先花几分钟想清楚几件事：这份文本给谁看？用在什么场合？有没有术语表？要不要保留格式？上次翻译医疗报告，客户说“给医生看的”。我追问一句“是临床医生还是患者？”答案不同，术语深度完全不一样。给临床医生可以用“心肌梗死”，给患者就得写“心脏病发作”。需求分析这一步省不得，省下来的时间后面要加倍还回去。
想清楚需求再动手写提示词。我的习惯是先写一版基础提示词，翻一小段试试水。试翻的段落要挑有代表性的，包含术语、长句、文化负载词。看模型输出，标记三个地方：术语对不对、语气合不合适、格式有没有乱。根据标记结果调整提示词。这个循环我通常跑两到三轮。第一轮调术语，第二轮调语气，第三轮调格式。有时候一轮就能定稿，看文本复杂程度。
迭代的时候我会把每次修改的原因记下来。第一次把“ensure”改成“确保”而不是“保证”，因为客户偏好“确保”。第二次加了“不要用‘进行’加动词的结构”。这些笔记攒起来，下次遇到类似文本直接复用。迭代不是瞎试，每次改一条变量，观察输出变化。同时改三条规则，输出变好了也不知道是哪条的功劳。我会一次只调一个参数，像做实验一样。这个方法慢一点，但沉淀下来的经验扎实。
任务结束后我会做复盘。问自己三个问题：这次哪些提示词写得好？哪些地方模型反复出错？下次怎么避免？有次翻营销文案，模型总把品牌名翻成中文。我复盘发现提示词里没写“品牌名保留英文不翻译”。这条规则加进我的提示词库。复盘花十分钟，省下的是下次踩坑的时间。
6.2 建立个人或团队翻译提示词库
我有一个文件夹叫“提示词仓库”。按文本类型分：技术文档、法律合同、营销文案、学术论文、字幕、游戏。每个文件夹里存着对应场景的提示词模板。模板不是死的一成不变。每份模板开头有“适用场景”和“注意事项”。比如字幕模板写着“适用于中英字幕互译，每行不超过16汉字，保留时间轴标记”。同事拿过去，看一眼就知道能不能用。
模板里用变量占位。像“请将以下[源语言]文本翻译成[目标语言]，目标受众是[受众描述]，术语表如下：[粘贴术语]”。方括号里的内容每次替换。这样一份模板能覆盖很多任务。我还会在模板末尾加“示例”部分。放一段之前翻译得好好的原文和译文对照。模型看到示例，模仿效果比看规则好。示例要定期更新，把最新的优质译文替换进去。
团队协作的话，提示词库要统一管理。我们用共享文档，每个人都能编辑。版本控制很重要。张三改了模板，李四不知道，用旧版本翻出来的东西风格不一致。我们的做法是每条提示词带版本号，改动走审批。审批流程其实很简单：改的人说明原因，另一个人试用一次，觉得好就合并。小团队不用搞复杂，透明就行。谁改了什么，文档历史里看得见。
提示词库还要定期清理。过时的、效果不好的、重复的，该删就删。有次我们清理发现同一个法律翻译模板存了五个版本。合并成一个，去掉冗余规则，效果反而更好。提示词库像工具箱，工具太多找起来费劲。保持精简，每个场景留一两个精品模板。新任务来了，先翻库，能找到现成的就不重新写。找不到，翻完写好了再入库。库越用越顺手。
6.3 与 CAT 工具、术语管理和 AI 助手协作
我平时用 Trados 和 memoQ 做翻译。CAT 工具的好处是术语一致、翻译记忆、格式保留。AI 助手负责初译和润色。两者配合的流程是这样的：先把源文件导入 CAT 工具，跑一遍术语检查。术语确认好了，导出纯文本段落。把段落贴给 ChatGPT 做初译。初译结果导入 CAT 工具，和翻译记忆库比对。重复句自动匹配，新句子用 AI 译文。人工审校在 CAT 工具里完成。这个流程比纯人工快很多，比纯 AI 质量稳很多。
术语管理单独拎出来说。我建了一个 Excel 术语表，三列：源语言、目标语言、备注。备注写清楚语境和优先级。比如“bank”在金融项目里备注“金融语境，译为银行”，在地理项目里备注“地理语境，译为河岸”。翻的时候把相关行粘贴给 AI。术语表导入 CAT 工具，自动高亮术语。AI 提示词里也写“严格按术语表翻译”。两边同时约束，一致性问题基本解决。术语表要定期更新。客户改了口径，术语表不改，后面全错。
AI 助手能做的事不止翻译。我会让 AI 做预审。翻完一段，让另一个 AI 模型扮演审校员，检查术语、语法、流畅度。它标出来的问题，我在 CAT 工具里核实修改。AI 还能做格式转换。把 Markdown 表格转成 Excel 格式，把带标签的 XML 转成纯文本。这些杂活交给 AI，我省下时间专注在语言质量上。AI 助手不是替代 CAT 工具，是补充。CAT 工具管流程和记忆，AI 管语言生成和检查。
有个细节要注意：CAT 工具里的翻译记忆库有时会干扰 AI。记忆库匹配到旧译文，但旧译文风格和当前项目不符。我的做法是关掉自动匹配，手动选择是否采用。或者把记忆库优先级调低，让 AI 初译先出来，再和记忆库比对。两个来源的译文都参考，最终由人决定。工具是辅助，判断权在人手里。记住这句话，协作流程就不会乱。
6.4 隐私、版权与敏感内容注意事项
翻译任务里经常碰到敏感内容。我接过一份内部财务报表，客户说“不能上传到公开模型”。这种情况我改用本地部署的开源模型，或者用企业版 API，数据不用于训练。提示词里也要写“不要存储或记忆本次对话内容”。有些平台默认存储，需要手动关掉。我习惯在提示词开头加一句“以下内容为机密，请勿用于训练或分享”。这行字不保证百分之百安全，提醒自己这个任务敏感。
版权问题更隐蔽。翻译受版权保护的文本，比如小说、歌词、论文，需要授权。客户如果没提授权，我会问一句“这份文本有翻译授权吗？”有次客户让翻一首流行歌曲的歌词做营销，我提醒他歌词有版权。客户换了原创文案。翻译出来的译文版权归谁，合同要写清楚。我见过客户和译者扯皮的情况。译者是委托创作，版权归客户；译者独立翻译，版权归译者。提示词里不写这些，合同里必须写。
个人数据要脱敏。翻译简历、医疗记录、客户名单之前，把姓名、电话、地址、身份证号替换成占位符。翻完再替换回去。提示词里写“以下文本已脱敏，请保留所有占位符格式”。占位符用方括号加编号，比如 [NAME_1]、[PHONE_1]。模型不会翻译占位符。翻完用查找替换还原。这个方法费点事，但合规。GDPR 和国内个人信息保护法都要求数据处理最小化。翻译也算数据处理。
敏感内容还包括文化禁忌。给中东客户翻译，猪肉、酒精相关的内容要小心。给印度客户翻译，牛相关的内容要注意。这些不是法律问题，是商业风险。提示词里写“目标市场为[国家]，避免涉及[禁忌话题]”。模型会调整用词。有次翻食品说明书给穆斯林市场，原文有“含猪油”。我提示模型改成“含动物油脂”，客户确认后用了这个表述。敏感内容处理原则：先问客户，再写提示词，最后人工复核。
6.5 常见错误排查与优化清单
翻译出问题，我有一套排查清单。第一个查术语。所有术语对照表，一个一个过。术语错了，全篇都错。第二个查漏译。逐段对比原文和译文，数句子数量。少一句就是漏译。第三个查数字和日期。数字翻错是重大事故，日期格式也要对。第四个查格式。原文的加粗、斜体、列表、表格，译文里还在不在。第五个查语气。正式文本有没有用口语词，口语文本有没有用书面语。
排查出错误，优化提示词。术语错了，把术语表放提示词最前面，加粗标注“必须遵守”。漏译了，加一句“逐句翻译，不得遗漏”。数字错了，写“数字保留原文格式，不要转换”。格式乱了，写“保留原文的 Markdown 标记”。语气不对，写“目标语气：正式/中性/轻松”。优化完重新翻一遍，对比改进效果。有时候改一条规则，输出质量提升一大截。
我的常用排查清单贴在显示器旁边。翻完必查二十项：术语一致性、数字准确性、日期格式、单位换算、标点符号、大小写、专有名词、文化适配、语气统一、格式保留、漏译增译、幻觉内容、被动语态、长句拆分、代词指代、连接词使用、重复表达、冗余修饰、空格规范、结尾检查。每一项花不了几秒，加起来几分钟。省了这几分钟，可能赔上客户信任。我宁愿慢一点。
优化清单是活的。每次遇到新错误，加进清单。有次翻法律文件，把“shall”翻成“将”，事后加了一条“情态动词检查”。有次翻技术文档，单位“inch”没换成“厘米”，加了一条“单位换算检查”。清单越来越长，用起来越来越快。因为很多检查可以合并，一次扫过去就能看完。经验积累就是清单积累。刚开始翻译的人清单短，翻多了清单长。清单长不是坏事，说明踩过的坑多。
6.6 未来趋势：更智能的翻译提示词与中英互译实践
翻译提示词这两年变化很快。早期就是一句话“把这段翻译成英文”。现在提示词可以写几百字，带术语表、风格指南、示例。模型也在进步。以前要反复强调“不要漏译”，现在模型很少漏译长句。以前要手动分句，现在模型能自己处理段落结构。提示词的长度和复杂度还会增长。我猜未来会有可视化提示词编辑器，拖拽组件拼提示词。术语表、风格规则、示例库变成可插入的模块。
中英互译的实践也在变。中文到英文，最大的难点是意合和形合。中文靠语义连贯，英文靠连接词。提示词里写“将中文的隐性逻辑关系显性化，补充必要的连接词”。英文到中文，难点是长句拆分和语序调整。提示词写“将英文长句拆成中文短句，按时间顺序或逻辑顺序排列”。这些规则现在要我手动写。未来模型可能自动识别文本特征，推荐提示词模板。我输入一段中文，模型说“检测到这是营销文案，建议使用意译模板，是否加载？”点一下就行。
AI 助手会变成翻译工作台。翻译、审校、术语管理、质量评估、格式转换，全在一个界面完成。提示词是工作台的配置参数。我不需要每次重写提示词，工作台记住我的偏好。翻技术文档自动加载技术模板，翻法律合同自动加载法律模板。工作台还能学习我的修改习惯。我每次把“将”改成“应”，几次之后工作台自动应用这条规则。个性化提示词是趋势。
人机协作的模式会更深入。机器负责生成和检查，人负责判断和决策。翻译质量的天花板由人的判断力决定，地板由机器的能力决定。提示词是连接人和机器的接口。接口设计得好，协作顺畅；设计得差，互相拖累。我花时间打磨提示词，不是为了替代自己，是为了让机器更好地配合自己。中英互译的需求只会增长，跨语言沟通的场景只会增多。提示词技能会像搜索技能一样，成为基础能力。早学早受益。
未来工具再智能，有些东西不变。对源文本的理解、对目标读者的判断、对文化差异的敏感、对质量的坚持。这些是人的核心价值。提示词是表达这些价值的工具。工具在进化，价值不变。
