AIBox Translate — 三步式高质量翻译

本 skill 的核心思想：一遍翻译往往不够好。直接让模型"翻译这段话"得到的是机器翻译水准的初稿，而真正接近母语者水平的译文需要经过"反思—改写"两轮迭代。本 skill 把这个过程显式化，分三步执行。

参考开源项目：

何时使用

• 用户要求翻译任意文本（句子、段落、整篇文章、代码注释、字幕、邮件、文档）。
• 用户要求"高质量翻译""信达雅""润色""校对""二次校对"已有译文。
• 用户希望翻译结果带有特定地区风格（台湾繁体、香港繁体、美式/英式英语、拉美西班牙语等）。
• 用户提到 translation agent / 反思式翻译 / 三步翻译。

如果用户只是问"xxx 这个词什么意思"或要求术语解释，不要强行套用三步流程，直接回答即可。本 skill 针对的是成段文本翻译。

输入参数

每次执行翻译前，先确认以下参数（缺失则向用户询问或合理默认）：

关键判断：如果用户没有明确说目标语言，就用对话语言的另一端作为默认（例如用户用中文请求翻英文文章，那 target_lang 就是 Chinese）。

工作流：三步翻译

> 严格按顺序执行三步，每一步都是一次独立的 LLM 推理，不要把三步合并成一个提示词，否则反思和改写会失去独立判断的价值。

步骤 1 — 初稿（Initial Translation）

目的：先得到一份完整、忠实的直译，作为后续反思的对象。

System message：

You are an expert linguist, specializing in translation from {source_lang} to {target_lang}.

User prompt：

This is an {source_lang} to {target_lang} translation, please provide the {target_lang} translation for this text. Do not provide any explanations or text apart from the translation.
{source_lang}: {source_text}

{target_lang}:

把这一步的结果保存为 translation_1。不要展示给用户——这只是中间产物。

步骤 2 — 反思校正（Reflection）

目的：让模型以"专家审校者"的身份找出初稿的问题，给出具体改进建议。这是质量提升的关键一步。

System message：

You are an expert linguist specializing in translation from {source_lang} to {target_lang}. You will be provided with a source text and its translation and your goal is to improve the translation.

User prompt（当 country 非空时使用 A 版，否则使用 B 版）：

详细的两个版本提示词模板见 references/prompts.md 的 "Step 2: Reflection" 章节。核心要点：让模型从四个维度审查 —— 准确性 / 流畅性 / 风格 / 术语一致性，并写成"逐条改进建议清单"，每条只针对译文的一个具体问题。

把这一步的结果保存为 reflection。不要展示给用户——除非用户明确要求看审校意见。

步骤 3 — 精稿（Improved Translation）

目的：让模型作为"翻译编辑"，结合原文、初稿和反思建议，输出最终定稿。

System message：

You are an expert linguist, specializing in translation editing from {source_lang} to {target_lang}.

User prompt 详见 references/prompts.md 的 "Step 3: Improved Translation" 章节。核心要求：把 三段内容用 XML 标签清晰分隔后交给模型，要求它仅输出新译文、不要任何解释。

把结果保存为 translation_2，这就是要交给用户的最终成品。

输出格式

默认只把最终精稿 translation_2 交给用户，保持简洁。

如果用户明确要求"展示三步过程""我想看初稿和审校意见""show me the reflection"，则按以下结构输出：

## 初稿
<translation_1>

## 审校意见
<reflection>

## 精稿（推荐使用）
<translation_2>

实施要点

1. 三次独立调用。三步必须是三次独立的模型调用，不能合并。如果当前环境只有一个对话上下文，就在同一会话中依次发出三条消息，每条对应一步，确保前一步的输出作为下一步的输入。

1. 不要泄漏中间产物。除非用户要求，否则不要把初稿和反思贴出来——它们会让最终交付显得啰嗦。

1. 长文本分块。如果原文超过模型上下文一次能稳妥处理的长度（经验上 >2000 词的英文或 >3000 字的中文），先按段落语义切分，对每个 chunk 独立跑三步流程，最后拼接。切分时不要打散一个完整段落。

1. 保留格式。原文中的 Markdown、代码块、HTML 标签、列表编号、占位符（如 {name}、%s）必须原样保留在译文里，绝不翻译这些结构性元素。

1. 专有名词与代码。人名、产品名、API 名、命令行参数、文件路径默认保留原文；只有在目标语言有公认译名（如 "Microsoft" → "微软"）时才翻译，并且首次出现时可在括号里附原文。

1. country 参数怎么用。当用户说"翻成台湾繁体""用美式英语"，就把 country 设成对应值（"Taiwan" / "USA" / "UK" / "Mexico" 等），让反思步骤注意地区性词汇、拼写、习语差异。

示例

用户输入：

> 帮我把这段翻成中文：

> "An important configuration setting is the number of tokens to generate in a response. Generating more tokens requires more computation from the LLM, leading to higher energy consumption..."

你的处理（内部三步，对外只交付精稿）：

1. 步骤 1 产出直译（可能偏机械："一个重要的配置设置是在响应中生成的 token 数量..."）
2. 步骤 2 反思（可能指出：「"配置设置"重复啰嗦」「"token"在中文技术语境保留原词更自然」「"导致更高的能耗"不够流畅，可改为"会带来更高的能耗"」等）
3. 步骤 3 整合反思，输出定稿

最终交付：

> 一个重要的配置项是响应中生成的 token 数量。生成的 token 越多，LLM 所需的计算量就越大，相应地会带来更高的能耗，可能拖慢响应速度，并推高调用成本……

详细资源

• references/prompts.md — 三步完整提示词模板（含带/不带 country 的两种 reflection 变体、XML 分隔规范）。当你要严格复刻原始 translation-agent 行为时，必读。
• references/languages.md — 常见 source_lang / target_lang / country 取值参考、地区变体差异速查。

常见误区

• ❌ 把三步合并成一个 prompt 让模型"先译再审再改"——模型会偷懒，反思流于形式。
• ❌ 跳过反思步骤，只做"翻译 + 自我润色"——质量提升远不如显式反思。
• ❌ 把所有中间产物都贴给用户——除非他们要求，否则只交付定稿。
• ❌ 翻译时打乱原文段落顺序、合并段落、改写结构——译文应与原文段落一一对应。