摘要
1) 一句话总结 当 AI 的“直译+意译”效果不佳时，可以通过提示 AI 先结合上下文解释原文，再基于其自行生成的解释重新意译，从而大幅提升最终的翻译和文本生成质量。
2) 关键要点
- 常规的“先直译再意译”策略在遇到原文表述不佳时，仍可能产生明显的“机翻”感（如 Google 和 DeepL 的直译结果同样生硬）。
- 在翻译结果不佳时，单纯要求 AI 再次意译效果有限，因为模型通常只会在原有修辞上进行微调。
- 提升大语言模型生成质量的核心在于为其提供更充分、准确的上下文。
- 上下文无需人工手动输入（手动输入过于繁琐），可通过 Prompt 引导 AI 自行生成。
- 核心解决方案：在对话中追加 Prompt，要求 AI “先结合上下文解释这句话，然后结合解释的内容重新意译”。
- 实测表明，AI 利用自身生成的解释作为上下文，能够输出更自然、更符合语境的翻译结果。
- 场景拓展：此“让 AI 自行生成上下文”的技巧同样适用于写作等其他场景（例如：先让 AI 列提纲、填充摘要，经人工校对后再生成完整正文，以保障内容质量）。
相关文档
- 一个简单的 Prompt 大幅提升 ChatGPT 翻译质量，告别“机翻感”；关联理由：上下游；说明：本文在该文提出的“先直译再意译”基线上，进一步讨论当两步法仍不理想时如何通过补充上下文提升结果。
- 直译、反思、意译：提升 GPT 翻译质量的一种新策略；关联理由：版本演进；说明：本文提出“直译+意译”在复杂句上仍不足，关联文档进一步升级为“直译-反思-意译”三步流程。
- 翻译 GPT 的提示词更新和优化；关联理由：版本演进；说明：两文都围绕翻译质量提升，后者在三步翻译框架上补充了结构化输出和多模态输入处理。
- 一句简单的提示词就可以让 LLM 在翻译的时候更好的“意译”；关联理由：版本演进；说明：该文回顾并简化早期“直译/意译”思路，体现同一问题在模型能力变化下的新解法。
正文
根据我以前分享过的翻译 Prompt，通过先直译再意译，确实可以大幅提升翻译质量，但也不总是能得到理想的结果。
比如说我今天在翻译一篇文章《人工智能辅助程序员的三种类型 [译]》的时候，其中第二段原文是：
The promised wave of apps built entirely by AI never materialized.
I’m trying my best not to gloat about it.”
直译的时候翻译为：
然而，完全由 AI 构建的应用程序浪潮并未实现。
我尽力不去幸灾乐祸。
意译的时候翻译为：
但是，那些被承诺完全由 AI 构建的应用波澜壮阔地来临的景象，并没有成为现实。
我尽量不去对此幸灾乐祸。
意译完还是“机翻”感觉很明显，其实这句话原始的英文就写的不太好，但结合上一段还是能看懂。
补充一下 Google 和 DeepL 的翻译结果
- Google 翻译结果：“完全由人工智能构建的应用程序浪潮从未实现。我尽力不为此沾沾自喜。”
- DeepL 翻译结果：“说好的完全由人工智能打造的应用程序浪潮从未实现。我尽力不去幸灾乐祸。”
如果你继续让它意译，并不会让结果提升多少，因为它多半还是基于原始的翻译修辞上改善一下罢了。
在翻译结果不佳的情况下如何改善呢？
我们直接看英文能懂意思，因为我们理解了上下文的意思，知道这句话是在表达：作为程序员，看到 AI 并没有想象中那么强，难免有点幸灾乐祸，但还要克制。
如果告诉 AI 这些上下文，这样它就能输出更好的结果。
但是太麻烦了！
不过 AI 比我们想象的强大，只要稍微“提示（Prompt）”它一下，让它先自己把这句话解释一下，然后基于解释的内容去重新翻译，那它自己就可以生成更好的结果。
以下是我在会话下面追加的消息（Prompt）：
请先结合上下文解释这句话：
“The promised wave of apps built entirely by AI never materialized.
I’m trying my best not to gloat about it.”
然后结合解释的内容重新意译。
于是 ChatGPT 结合上下文给我详细解释了这句话的意思，并且它把自己解释的内容作为上下文，重新翻译了这句话，得到了一个更好的翻译结果：
这句话
“The promised wave of apps built entirely by AI never materialized.
I’m trying my best not to gloat about it.”
的意思是，先前有预期认为将会出现一波完全由人工智能构建的应用程序，
但这种预期最终并没有成为现实。
作者在这里表示，虽然这个结果验证了他之前的观点，
但他尽量避免因此而感到幸灾乐祸或者沾沾自喜。
结合这个解释，我可以对这句话进行重新意译：
“但是，那些承诺中完全由 AI 打造的应用程序大潮并没有真正涌现。
对于这个结果，虽然在某种程度上证实了我的看法，
但我尽量不去表现出幸灾乐祸的态度。“
简单总结一下
如果你想让大语言模型有更好的生成质量，那么就需要给模型提供更多更准确的上下文，但是这个上下文，并不一定需要完全由你自己提供，还可以让大语言模型自己生成上下文，有了充分的上下文后再生成结果，生成质量会更好。
这个技巧不仅仅可以用在翻译上，还可以用在其他地方，比如说写作：如果你上手就让 AI 给你生成内容，那么质量不一定够好，你可以让它先给你列提纲，校对后然后每个章节去填充摘要，校对后再去生成内容，这样质量就会好很多。
示例会话历史：https://chat.openai.com/share/927952b8-c1ae-4e1d-b1c5-3deb09c5816f