揭开Agentic神秘面纱：吴恩达的翻译新思路

其实在发表这个观点之前，吴恩达老师还专门做了一个Agentic的翻译工作流，用来更好地解释什么是Agentic。

这篇文章，就结合公开的核心代码，讲解一下什么叫做Agentic工作流以及这个过程中最重要的是什么。

TL;DR

• Agentic翻译工作流，通过引入反思和改进两个步骤来优化翻译结果，使其比单纯的直译更为智能和有效
• 这种工作流可以看作是一种结构化的提示工程，依赖对业务流程的深入理解来构造有效的提示词，从而优化大模型的输出结果

代码分析

吴老师公开的这个小项目真的很小，核心代码就一个文件——src/translation_agent/utils.py，虽然这个文件有近700行，但是简单看下，就只有12个函数。这12个函数，可以按照下面来分析：

• 8个函数是具体的翻译流程，共处理长短不同的翻译原文这两情况
• 2个函数是辅助判断这两种情况；
• 剩下的2个，1个是封装输入输出的主函数，1个是封装大模型调用的函数。

我们这里只分析下短文本的翻译流程，因为这是Agentic翻译工作流的重点：

• 初次翻译（直译）
• 反思（Reflect）
• 改进（Improve）

这三个步骤，仅仅通过提示词的构造，便可以实现。
正是因为这个工作流中有了反思与改进，才使得这个工作流比仅仅通过一个直译的工作流要更加Agentic。

紧接着，对于一个具体的任务，该如何让大模型对初始结果进行反思和改进？这就需要业务专家来制定了。我们来通过具体的提示词来说明。

unsetunset反思的关键提示词unsetunset

Whenwritingsuggestions,payattentiontowhethertherearewaystoimprovethetranslation's
(i)accuracy(bycorrectingerrorsofaddition,mistranslation,omission,oruntranslatedtext),
(ii)fluency(byapplying{target_lang}grammar,spellingandpunctuationrules,andensuringtherearenounnecessaryrepetitions),
(iii)style(byensuringthetranslationsreflectthestyleofthesourcetextandtakesintoaccountanyculturalcontext),
(iv)terminology(byensuringterminologyuseisconsistentandreflectsthesourcetextdomain;andbyonlyensuringyouuseequivalentidioms{target_lang}).

Writealistofspecific,helpfulandconstructivesuggestionsforimprovingthetranslation.
Eachsuggestionshouldaddressonespecificpartofthetranslation.

可以看到，代码里着重强调了在直译基础上，增加对准确性、流畅性、风格、术语方面的建议。当然，也许你在翻译某些领域的内容时，会有不同的建议，那你也可以仿照上面的形式，增加反思的点。

unsetunset改进的关键提示词unsetunset

Pleasetakeintoaccounttheexpertsuggestionswheneditingthetranslation.Editthetranslationbyensuring:

(i)accuracy(bycorrectingerrorsofaddition,mistranslation,omission,oruntranslatedtext),
(ii)fluency(byapplying{target_lang}grammar,spellingandpunctuationrulesandensuringtherearenounnecessaryrepetitions),
(iii)style(byensuringthetranslationsreflectthestyleofthesourcetext)
(iv)terminology(inappropriateforcontext,inconsistentuse),or
(v)othererrors.

Outputonlythenewtranslationandnothingelse.

这里改进的关键词，则与反思中的建议一一对应，指引大模型按照上面的建议对直译的结果进行修改，并直接输出修改后的内容。

总结

通过这个简短的翻译例子，我们可以看到Agentic工作流其实可以看成是一种结构化的prompt工程，结构化具体的体现就是在原始的直接输出结果的prompt之上，通过引入反思和改进，来优化大模型完成具体任务的效果。而具体prompt的构造，则需要对业务流程的深入理解。