TransLit 新增两步法：在信度与效率间找平衡

在 TransLit 旧版里，“AI Review”模式主要是为了解决 Gemini 2.5 Pro 偶尔出现的语言混淆。那时模型翻译常夹杂外语词，我想通过二次校对把这些词剔除。

研读思果的《译后交稿或付印前的检查工作》后，思路变了。我认为“校对”不仅是修正错误，还能优化中文表达。因此，我依据书中的原则重新设计了校对提示词。

实测发现，这种仅靠译文的校对法在科普类书籍上表现尚可，但在小说上准确率骤降。因缺少原文约束，模型在追求“精炼”时易产生语义偏差。

这让我联想到许多中译本（即二次翻译），不禁对译文质量产生了怀疑。

为在“节省 Token”（校对时不附原文）与“保真度”间找平衡，我开始尝试一种复古的 AI 翻译技术：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”模拟人工翻译，分初译和审校。为省 Token，每片内依次执行，最终形成结构化提示词：

这种提示词在 AiNiee 中被称为“思维链”。回想之前见过的，反复提问能提升 AI 质量，大概也是这个道理。

缺点是延迟增加，为保稳定，我缩短了分片。于是，TransLit 增加了更慢的翻译模式——Two-Step。

为观察效果，我用 Gemini 3.0 Flash 仅生成“两步法（Method A）”和“重写法（Method B）”译文。随后邀请 ChatGPT、Gemini 和 Kimi 三个主流模型作为独立评估者打分。

测试文本涵盖两个领域：韩炳哲的《Der Geist der Hoffnung》（学术）与 Nicholson Baker 的《The Fermata》（文学）。

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。

可见，在哲学翻译中，三位评估者认为“两步法”在逻辑和术语准确性上得分更高。

小说翻译评分有分歧。虽平均分两步法占优，但 ChatGPT 认为其流失了作者风格，体现文学审美的不确定性。

若只让 AI 读，翻译多此一举，最好还是自己读读看。

《Der Geist der Hoffnung》是德语书，仅附一段“重写法”与“两步法”对比：

相比之下，“两步法”语言更书面、赘余更少。

但不得不承认，“两步法”更像是“文字滤镜”，只是给译文瘦脸、磨皮。优质中文蕴含复杂品味，难用短指令复刻。况且，思果的准则只是众多流派中的一种。

我的想法是：我只负责翻译的“工程”，不插手“艺术”。

总之，“两步法”只是 TransLit 的一种模式，能润色汉语却可能失味，且繁琐缓慢。想想看，读者看重速度，能接受多少艺术呢？

只能说是一番心意。