在人工智能浪潮推动下，机器翻译技术日臻完善，却依旧面临严峻挑战。语言间语法、词汇与句式的迥异，加之全球文化背景的复杂多变，以及词汇多义性与专业术语的精准转化，构成机器翻译亟待攻克的技术壁垒，呼唤着更深层次的创新与突破。
深度学习技术的出现，使得机器翻译的翻译质量和速度都有了很大的提升。大语言模型（LLM）和人工神经网络可以帮助机器学习和理解大量的语言数据，多智能体协作框架引入了反思工作流机制，基于评价反馈进行内容优化迭代，可以根据框架预置的多智能体协作模式组件调用相应的知识图谱，使翻译内容更加精准自然。
近期，斯坦福大学教授吴恩达开源了一个运用反思工作流机制的AI翻译智能体。此项目展示了如何借助反思过程来优化翻译成果，展现了一定程度的自定义能力。这和我们PEER框架的Review机制不谋而合，于是，我们快速用agentUniverse多智能体框架对此翻译智能体进行复刻，并进一步拓展其长文本拆分翻译能力，为后续的多轮反思与迭代翻译打下基础，进一步优化机翻体验。
吴恩达教授的翻译智能体在翻译过程中，优先判断内容长度是否超过了模型所能承受的最大token，对超过模型长度的文本进行切块，再对分块后的文本进行翻译。
无论长文本还是短文本，翻译过程都会基于“初始翻译->反思->修改”这一流程进行，我们绘制了翻译智能体原项目流程图如下。
翻译智能体工作流程图
翻译智能体开源项目地址：https://github.com/andrewyng/translation-agent
吴恩达开源的翻译智能体的运作原理如下：
依托强大的大语言模型（LLM），将源语言文本转化为目标语言。
模型自我审视翻译成果，敏锐指出瑕疵，并提供具体的改进建议。
依据反思反馈，大模型再次对翻译内容进行精准修正。
项目采用的反思工作流帮助模型发现不足，具有自我监督与优化机制，这也是一种典型的多智能体协作机制。
agentUniverse 是一个大型语言模型多智能体框架，致力于为开发者提供灵活易拓展的智能体应用的构建能力。
其核心创新之处，是包含了强大的多智能体协同模式组件（可视为一个协同模式工厂Pattern Factory），能让智能体们各司其职，在解决不同领域问题时表现出更强的效果；同时，agentUniverse还具备融合专家领域知识的能力，能帮助开发者、企业轻松构建出具备领域专家知识的智能应用。
了解翻译智能体的工作流程之后，我们尝试基于agentUniverse多智能体框架做该智能体的复刻（agentUniverse的环境搭建可以参考github中的Quick Start）。
基于agentUniverse实现该智能体分为三步：
创建基于长、短目标翻译文本的多套Prompt
搭建翻译、反思、修改智能体，实现根据文本长度进行智能切换Prompt的功能。
创建协同智能体，编排翻译、反思、修改三个智能体的协同工作过程。
在agentUniverse中，通过配置文件定义Prompt，统一由PromptManager管理，在执行过程中，从全局的PromptManager当中获取需要使用的Pompt。针对吴恩达教授的翻译智能体当中的Prompt，我们创建了2套（共8个Prompt文件）针对长、短目标翻译文本的Prompt。
翻译智能体的工作流程分为翻译、反思、修改三步，我们将每一步都单独构建成Agent。在agentUniverse框架中，通过配置文件初始化完成Agent的搭建，此举简化了开发流程。
翻译、反思、优化Agent 的分工与协作图
如图展示，我们构建了三个核心智能体，其中translation_work_agent负责初始翻译，translation_reflection_agent进行翻译内容的深度反思，translation_improve_agent专注于翻译成果的迭代优化。三者协同运作，遵循一套精心设计的反思流程，以期达到更高质量的翻译效果。
翻译、反思、优化三个智能体的协同工作过程在单轮中是一个典型的串行顺序，借助agentUniverse可以方便地获取每一步的执行信息。
协同智能体的执行过程
部分编排代码实现：
def execute_agents(self, input_object: InputObject, planner_input: dict) -> dict:work_agent = 'translation_work_agent'reflection_agent = 'translation_reflection_agent'improve_agent = 'translation_improve_agent'init_agent_result = self.execute_agent(work_agent, planner_input)LOGGER.info(f"init_agent_result: {init_agent_result.to_json_str()}")output_middle_result(input_object, {'init_agent_result': init_agent_result.get_data('output')})planner_input['init_agent_result'] = init_agent_result.get_data('output')reflection_result = self.execute_agent(reflection_agent, planner_input)LOGGER.info(f"reflection_result: {reflection_result.to_json_str()}")output_middle_result(input_object, {'reflection_agent_result': reflection_result.get_data('output')})planner_input['reflection_agent_result'] = reflection_result.get_data('output')improve_result = self.execute_agent(improve_agent, planner_input)LOGGER.info(f"improve_agent_result: {improve_result.to_json_str()}")output_middle_result(input_object, {'improve_agent_result': improve_result.get_data('output')})return improve_result.to_dict()
通过agentUniverse我们将agent快速服务化。
接下来，使用curl访问该智能体执行翻译，可以动态的观察到每一步的执行结果。访问请求的curl：
HTTP 请求
curl--location--requestPOST'http://localhost:8888/service_run_stream'\--header'Content-Type:application/json'\--data-raw'{"service_id":"translation_service","params":{"source_lang":"英文","target_lang":"中文","country":"中国","source_text":"Lastweek,IspokeaboutAIandregulationattheU.S.Capitolataneventthatwasattendedbylegislativeandbusinessleaders.I’mencouragedbytheprogresstheopensourcecommunityhasmadefendingoffregulationsthatwouldhavestifledinnovation.Butopponentsofopensourcearecontinuingtoshifttheirarguments,withthelatestworriescenteringonopensource'\''simpactonnationalsecurity.Ihopewe’llallkeepprotectingopensource!\nBasedonmyconversationswithlegislators,I’mencouragedbytheprogresstheU.S.federalgovernmenthasmadegettingarealisticgraspofAI’srisks.Tobeclear,guardrailsareneeded.ButtheyshouldbeappliedtoAIapplications,nottogeneral-purposeAItechnology."}}'动态输出结果过程：
初始翻译执行结果
反思结果
最终结果：
在该翻译智能体的工作过程中，我们可以动态观察到整个翻译、反思、执行的全流程。
在吴教授开源智能体当中的执行结果：
对比两个翻译效果一致，复刻成功。
在吴教授开源的翻译智能体项目中，并没有处理超长文本的情况，即对于待翻译文本超过模型所能承受max_context_length的情况，会出现请求模型的错误。
我们在github上与其团队进行了基于agentUniverse开源框架复刻的翻译智能体新增了长文本翻译处理能力，通过对文本内容切分，让模型一次翻译不超过1000 token的内容，以提高模型的准确率。
（详细信息可查看我们提的issue:https://github.com/andrewyng/translation-agent/issues/28。）
针对WAIC全球人工智能大会的外文报道，我们运用了基于agentUniverse多智能体框架构建的翻译智能体进行了内容翻译。
以下为翻译智能体在处理这篇报道时的思考过程与翻译成果：
Q :英文报道
报道来源：YouTube
A:智能体输出内容
翻译智能体首先对原始文本进行了细致的语法和语义分析，确保了对原文的全面理解。随后，通过智能体间的协同工作，进行了初步的翻译尝试。这一阶段，智能体不仅依赖于大型语言模型（LLM）的直译能力，还结合了多智能体间的反思机制，对内容进行了严谨的审视与修正建议。
最终，经过多轮的迭代优化，翻译智能体成功地将WAIC全球人工智能大会的英文报道转化为高质量的中文文本，不仅忠实还原了原文信息，还确保了语言流畅性和文化适配性。
基于agentUniverse多智能体框架，我们通过分析并结合多智能体协同方式，成功复现开源翻译智能体，并在长文本翻译处理方向上做了优化。
| 欢迎光临 链载Ai (https://www.lianzai.com/) | Powered by Discuz! X3.5 |