吴恩达开源 Translation Agent，反思工作流打造更精准译文
输入“/”快速插入内容
吴恩达开源 Translation Agent，反思工作流打造更精准译文
吴恩达开源 Translation Agent，反思工作流打造更精准译文
2024年7月3日创建
作者：非子爱 | 子非AI
智能翻译新突破：吴恩达开源 Translation Agent，反思工作流打造更精准译文
今年 4 月，我们曾报道了吴恩达 (Andrew Ng) 提出的 Agentic Design Patterns： AI Agent新风潮：让模型自我反思，突破性能瓶颈 ，其中“反思 (Reflection)”模式备受瞩目。该模式通过让 AI 模型自动评估自身输出并进行改进，从而显著提升模型性能。如今，吴恩达团队将这一理念付诸实践，并将其应用于智能翻译领域，推出了基于反思工作流的开源翻译系统——Translation Agent。
机器翻译，这项曾经看似遥不可及的技术，如今已经深入到我们生活的方方面面。从网页浏览到跨语言交流，机器翻译正在悄然改变着我们的世界。然而，传统的机器翻译技术，往往难以处理需要高度定制化和细粒度控制的翻译任务，例如调整输出风格、处理专业术语以及适应不同地区的语言变体等。
近年来，随着人工智能技术的飞速发展，智能翻译应运而生。与传统的基于规则或统计的机器翻译方法不同，智能翻译借助深度学习和大数据的力量，赋予了机器更强大的语言理解和生成能力。
Translation Agent：基于反思工作流的智能翻译新纪元
2023 年 11 月，人工智能领域泰斗级人物吴恩达（Andrew Ng）宣布开源其团队研发的智能翻译系统——Translation Agent，再次将智能翻译技术推向了新的高度。Translation Agent 不仅仅是翻译，更像是一个专业的翻译助手，它能够理解你的翻译需求，并不断优化翻译结果，直到你满意为止。
吴恩达开源 Translation Agent 项目
Translation Agent 是一个基于 Python 的开源项目，它采用了一种新颖的“反思工作流”，旨在解决传统机器翻译系统在定制化和细粒度控制方面的不足。
Translation Agent 的工作原理：反思工作流
Translation Agent 的核心在于其独特的“反思工作流”，该工作流模拟了人类翻译专家的思考过程，将翻译任务分解为三个主要步骤：
1.
1. 初始翻译： Translation Agent 首先利用 LLM 对输入文本进行初步翻译，得到一个初步的译文。
2.
2. 反思与改进： 与传统机器翻译系统直接输出译文不同，Translation Agent 会引导 LLM 对自身的翻译结果进行反思，并提出改进建议。例如，LLM 可能会指出译文中存在的不准确、不流畅或不符合目标语言习惯表达的地方，就像一个经验丰富的校对员一样，帮助 LLM 找出翻译中的不足之处。
3.
3. 优化输出： 最后，Translation Agent 根据 LLM 提出的改进建议，对初始译文进行优化，最终生成一个更加精准、流畅且符合目标语言习惯的译文。
Translation Agent 的优势：高度可定制化
Translation Agent 的一大优势在于其高度可定制化的翻译引擎。通过在翻译过程中对 LLM 进行引导，用户可以轻松地控制翻译的各个方面，例如：
•
• 调整输出风格： 用户可以指定翻译的正式程度，例如是偏向于正式的商务文体，还是更加口语化的日常用语，就像告诉翻译助手你的目标读者是谁一样。
•
• 处理习语和专业术语： 用户可以在翻译之前提供一个术语表，确保特定的专业术语能够被准确地翻译成目标语言，就像为翻译助手准备了一本专业词典。
•
• 指定特定地区或方言的语言使用： Translation Agent 可以根据用户的需求，选择使用特定地区或方言的语言变体进行翻译，例如拉丁美洲西班牙语、西班牙西班牙语、加拿大法语或法国法语等，就像告诉翻译助手你的目标受众来自哪里一样。
Translation Agent 代码实现详解
utils.py 文件概述
Translation Agent 的核心代码位于 src/translation_agent/utils.py 文件中。该文件包含了 Translation Agent 的主要功能函数，例如调用 OpenAI API、文本分块、翻译、反思、改进等。
核心函数解析
•
• get_completion 函数：调用 OpenAI API 获取 LLM 生成结果 该函数负责调用 OpenAI API，将用户输入的文本和提示词发送给 LLM，并接收 LLM 生成的结果，就像是一个信使，负责在用户和 LLM 之间传递信息。
•
• one_chunk_translate_text 函数：单段落文本的完整翻译流程 该函数用于处理单段落文本的翻译任务，它包含以下三个步骤：
◦
• one_chunk_initial_translation 函数：单段落文本的初始翻译 该函数负责对单段落文本进行初始翻译，它会将源语言文本和预先设计的提示词发送给 LLM，让 LLM 生成初步的译文。
◦
• one_chunk_reflect_on_translation 函数：对翻译结果进行反思 该函数会将源语言文本、初始译文和反思提示词发送给 LLM，让 LLM 对初始译文进行评估，并提出改进建议。
◦
• one_chunk_improve_translation 函数：根据反思结果改进翻译 该函数会将源语言文本、初始译文、反思结果和改进提示词发送给 LLM，让 LLM 根据反思结果对初始译文进行修改，生成最终译文。
•
• num_tokens_in_string 函数：计算文本的 token 数量 该函数用于计算文本的 token 数量，token 是 LLM 处理文本的基本单位，就像英语中的单词一样。
•
• multichunk_translation 函数：多段落文本的完整翻译流程 该函数用于处理多段落文本的翻译任务，它同样包含初始翻译、反思和改进三个步骤：
◦
• multichunk_initial_translation 函数：多段落文本的初始翻译
◦
• multichunk_reflect_on_translation 函数：对多段落翻译结果进行反思
◦
• multichunk_improve_translation 函数：根据反思结果改进多段落翻译
•
• calculate_chunk_size 函数：计算文本分块大小 该函数用于计算文本分块的大小，以便将长文本分成多个段落进行处理。