我是法语专业出身，从大学时代给盗版碟商翻译电影字幕开始（上古时期的“字幕组”），做中英法三语翻译做了二十多年，作为译者出过十几本书。

前几天同学聚会，有同学问我：你现在翻东西用不用 AI？还是全靠自己一个字一个字敲。

我说我当然用，而且用得比大部分人早。

只不过在我这里，AI 不是工具，是员工。

两种想象，都不对

关于译者和 AI，有两种流行的说法。

一种是译者集体抵抗，守着纸笔死不投降，觉得机器译出来的东西没有灵魂，是在糟蹋文字。

另一种正好反过来：既然 AI 已经这么厉害，那把原文整个扔进去，点一下，稿子就出来了，译者这个工种迟早消失。

两种都不对。第二种错得还更严重一些——因为很多公司现在就是这么用 AI 的，不只是用在翻译上。

顺带说个可能会让人意外的事实：译者拿机器辅助干活，不是这两年才开始的。1990 年代，Trados 那一类计算机辅助翻译软件就已经在用术语库和翻译记忆库了。你译过一遍的句子存进去，下次碰到相似的自动跳出来；专有名词提前登记，保证全书统一。

这套东西已经跑了三十年，以前叫做 CAT：Computer-assisted Translation 或 Computer-aided Translation，也就是 计算机辅助翻译。

AI 换掉的不是这套流程。它换掉的，是流程里面的一道工序。

老板不干活，老板定规矩

我是老板，AI是员工。只要把这件事想明白，就没有过不去的心理障碍。

老板不亲自干活。老板做两件事——开工之前定规矩，交付之前验收。中间那一段体力活，本来就不该是老板的。

这句话听着像偷懒。但真按这个思路走一遍，你会发现老板那部分的工作量一点都不小，只是它换了形态：从打字，变成了判断。而且我既是老板也是员工，校对还得自己干呢！

下面说说我现在当老板的完整流程。

先定调子，再动手

第一步，通读原稿。

这一步 AI 帮不上忙，也不该让它插手。我要在读完之后回答几个问题：这本书是写给行家看的，还是写给刚入门的人看的？作者这一段是在讲究，还是在开玩笑？句子应该偏长还是偏短？哪些地方要留住原文的别扭，哪些地方必须顺过来？

这些定不下来，后面每一句都会飘。译文最常见的毛病不是错，是没有调子——一段像学术论文，一段像广告文案，读者说不出哪里不对，但就是读着别扭。

调子是我定的。定完，它就成了给员工的第一条规矩。

比如说，一个对话，本来都是口语，就不能把它翻译得文绉绉。哪怕原对话用了一些从句，那没办法，这是原文语言本身的特点，而不是作者或者说话者的特点。这样我还是会把它翻译得更口语化。

一张词汇表

第二步，建词汇表。

人名、地名、工艺术语……各种专业词汇，我得先查词典查资料，把它们先定下来。有惯用译法的沿用，没有的我自己创造。第一次怎么译，全书就怎么译。这张表以前是给自己看的，靠人脑记、靠 Ctrl+F 查。现在它是给 AI 看的。

这一步很枯燥，但它是整份稿子的地基。一本书里同一个词前面译成一个样、后面译成另一个样，读者未必说得出问题在哪，专业读者一眼就看出你没上心。

规矩定完，才轮到员工上场。

初稿是它写的，错是我认的

第三步，AI 按照前面定好的调子和词汇表，译出初稿。

第四步，我逐句校对。

这两步没什么好展开的，但有一件事要说清楚：初稿是它写的，错是我认的。书上印的是我的名字，我就是出品人。读者读到别扭的地方，骂的是我。这条线不能模糊——你可以把手上的活交出去，你不能把责任交出去。

大部分人对 AI 翻译的流程想象，最多到这里就结束了：机器出稿，人来改，完事。有的甚至改也不改。

然而，我这里还有第五步。这才是我觉得最值钱的那一步。

让它反过来审我

第五步，把我校对完的稿子，连同原文一起扔回给它，让它根据我提供的验收标准比对一遍，说说有什么值得注意的地方。

注意，这时候它审的不是它自己的初稿。它审的是我改过之后的稿子。

它会找出来的东西，大概是这几类：

我为了读着顺，把一个句子改顺了，但意思跟着跑偏了；原文有个双关或者一处呼应，我没接住；同一个词我前面译成一个样、后面又变了——人校到后半本一累就会这样；还有我为了通顺删掉的一个限定词，其实是作者故意加上去的。

它列出来的，十条里可能有七条是废话。但剩下那三条，值。

关键在于，它不替我做决定。它只是把我漏掉的东西摆到桌面上，改不改还是我说了算。

这一步和前面四步的区别在哪？前面四步，它在听我的话。第五步，我让它来挑我的错。

一个只会听话的员工，是不值那个工资的。

大部分人用 AI 用得不顺，卡的就是这里。他们只会让 AI 干活，不会让 AI 挑自己的错，因为潜意识里还是把它当一台机器——机器怎么能反过来说我不对？！

也就是说，你雇了一个人回来，如果他从头到尾只会说"好的，明白，马上做"，要么是他有问题，要么是你自己有问题，请好好反省一下。

不用每次重新交代

第六步，把上面这一整套写下来。

如果每接一个新项目都要从头交代一遍——先通读、再建表、再译、再校、最后比对——那我迟早会疯，而且总有几次会漏掉某一步。所以我把这套流程写成了一份固定的说明：哪一步该做什么，按什么规矩来，哪些地方不许自作主张改动。它照着做。

写完这份说明之后，我开一个新项目，不用再讲一遍流程。我只需要告诉它这个稿子的调子，和它的词汇表。剩下的它知道该怎么走。

这份说明本身就是资产。它跟着我从这个项目走到下个项目，越用越顺，中间踩过的坑都补在里面了。

我手上的活换了，它不用重新学一遍。

换一个高大上的叫法

上面我全是拿大白话在讲。但这六步不是我自己琢磨出来的野路子，每一步在项目管理里都有对应的高大上名词，做 AI 项目的人应该会熟悉。

翻译流程高大上的叫法
通读原稿，定调子需求定义、验收标准（Definition of Done）
建词汇表术语库、约束条件、上下文注入
AI 译出初稿生成阶段，第一版交付物
我逐句校对人在环中（Human-in-the-loop）
让它反过来审我模型当裁判（LLM-as-a-judge）、交叉校验
写成固定说明SOP，工作流编排

术语本身不重要，它没让这件事变得更高深。它的用处是让这件事可以被交接——你自己一个人做，叫"我习惯这么弄"；要让公司里另外三个人也照这么弄，它就得有个名字。

这里面最值得记住的是中间那两个。

人在环中，说的是关键环节必须有人挂在链条上，而不是有人站在旁边看。判断的标准很简单：这个人有没有否决权。有，就是在环中；只能事后叹一句"这个不太行"，那就是在环外。很多公司自以为的"人工审核"，其实是后者。

模型当裁判，是拿一个模型去评另一个模型的产出，业内本来用它做批量质检——稿子太多，人审不过来，就让机器先筛一遍。我把它掉过头来用在自己身上：它评的不是它自己写的，是我改完的。

至于最后那个"工作流编排"，英文是 orchestration，这个词来自 orchestra，管弦乐队。它的本义是配器——决定哪一段旋律交给弦乐器，哪一段交给铜管。

指挥台上那个人，整场一件乐器都不碰。

但演出好不好，是他的责任。

你公司里，有没有人在当老板

上面讲的是翻译，但其实讲的是做项目。以上这六步，放诸四海皆准：

写投标文件、回客户咨询、整理销售记录、出产品文案、做会议纪要。凡是重复的、有标准可依的、但又需要人来做最后判断的活，都是这个结构。

我见过不少公司买了 AI，用了半年，最后一句"也就这么回事"。问题通常不在工具上。

是没有人做第一步，也没有人做第五步。

大部分公司的用法是这样的：把活扔进去，拿结果出来，好就用，不好就骂一句 AI 不行。没有人先坐下来定这件事该做成什么样，也没有人回头让它挑自己的错。

这不是老板。这是操作员。

他可能是一家几十人公司的负责人，去年报过一个 AI 的课，回来在群里发了一条"很有启发"，然后就没有下文了。不是他不上心。是上心之后的第一件事该干什么，没有人告诉他。

而那第一件事，其实一点都不玄。就是坐下来，把你要它做的那件事，讲清楚该做成什么样。

跟带一个新来的人，一模一样。

说到底

所以回到饭桌上那个问题。

我当然用 AI，用了很久了。

只是我没有把稿子交给它。我交给它的是标准。

它译完，我改。我改完，我让它挑我的错。挑完，改不改我说了算。

书出来，署名还是我的。