使用 FastGPT 实现最佳 AI 翻译工作流：全世界最信达雅的翻译

技术分享 3周前 (11-01) 0 999+

关注

想让AI翻译既准确又地道？本文将教你如何利用 FastGPT 打造一个革命性的翻译工作流。

它不仅支持文本翻译，还能直接处理文档，更能通过自定义术语表确保专业术语的翻译准确性，堪称翻译神器！

直接看效果：

再来看术语表：

这也太适合翻译产品官网和官方文档了吧？？

背景

吴恩达教授最近提出了一个创新的大语言模型(LLM)翻译方案 —— translation-agent，这个方案的独特之处在于引入了"自我反思"机制，具体工作流程如下：

LLM 将原文从源语言翻译为目标语言；
LLM 对翻译结果进行自我反思，提出改进建议；
根据这些建议优化翻译结果。

这个 AI 翻译流程是目前比较新的一种翻译方式，利用 LLM 对自己的翻译结果进行改进来获得较好的 AI 翻译效果。

项目中展示了可以利用对长文本进行分片，然后分别进行反思翻译处理，以突破 LLM 对 tokens 数量的限制，真正实现长文本一键高效率高质量翻译。

该项目还通过给大模型限定国家地区，已实现更精确的 AI 翻译，如美式英语、英式英语之分；同时提出一些可能能带来更好效果的优化，如对于一些 LLM 未曾训练到的术语 (或有多种翻译方式的术语) 建立术语表，进一步提升翻译的精确度等等。

而这一切都能通过 FastGPT 工作流轻松实现，本文将手把手教你如何使用 FastGPT 复刻吴恩达老师的 translation-agent。

而且 FastGPT 的工作流还更进一步，既可以直接输入文本进行翻译，也可以上传文档进行翻译。

话不多说，拿起键盘，开始教学 ~

整个工作流大概分为三个板块：

判断是否上传了文档
对文本进行切分，使切分出来的文本不超出 LLM tokens 数量限制
依次按顺序对每个切分出来的文本进行翻译

FastGPT 国内版地址：https://fastgpt.cn
FastGPT 海外版地址：https://tryfastgpt.ai

判断是否上传文档

首先第一步，在【系统配置】中添加两个全局变量用来表示源语言和目标语言，同时需要开启文件上传功能。

接下来进入正式的工作流流程，先判断一下源语言与目标语言是否相同，如果是一样的，那就没必要翻译了！你让我把中文翻译成中文？开什么玩笑，Token 不要钱的啦？

如果源语言和目标语言不同，就继续往下走，判断是否上传了文档，如果上传了文档，就将文档里的内容解析出来。

OK，进入下一个流程。

切分长文本

接下来我们可以通过分片和循环，实现对长文本也即多文本块的反思翻译。

整体的逻辑是，首先对传入文本的 tokens 数量做判断，如果不超过设置的 tokens 限制，那么直接调用单文本块反思翻译，如果超过设置的 tokens 限制，那么切割为合理的大小，再分别进行对应的反思翻译处理。

至于为什么要切割分块，有两个原因：

大模型输出上下文只有 4k，无法输出超过 4k token 内容的文字。
输入分块可以减少太长的输入导致的幻觉。

下面我们接着看工作流。

不管是否上传了文档，最终都要把文本提取出来。如果直接输入了文本，那么直接将文本传递给下一个节点；如果上传了文档，那么解析完文档之后再将解析出来的文本传递给下一个节点。

下一个节点要干的事情就是对文本进行切分。

这里我们用到了 Jina AI 开源的一个强大的正则表达式，它能利用所有可能的边界线索和启发式方法来精确切分文本，来看看代码：

const MAX_HEADING_LENGTH = 7; // 最大标题长度 const MAX_HEADING_CONTENT_LENGTH = 200; // 最大标题内容长度 const MAX_HEADING_UNDERLINE_LENGTH = 200; // 最大标题下划线长度 const MAX_HTML_HEADING_ATTRIBUTES_LENGTH = 100; // 最大HTML标题属性长度 const MAX_LIST_ITEM_LENGTH = 200; // 最大列表项长度 const MAX_NESTED_LIST_ITEMS = 6; // 最大嵌套列表项数 const MAX_LIST_INDENT_SPACES = 7; // 最大列表缩进空格数 const MAX_BLOCKQUOTE_LINE_LENGTH = 200; // 最大块引用行长度 const MAX_BLOCKQUOTE_LINES = 15; // 最大块引用行数 const MAX_CODE_BLOCK_LENGTH = 1500; // 最大代码块长度 const MAX_CODE_LANGUAGE_LENGTH = 20; // 最大代码语言长度 const MAX_INDENTED_CODE_LINES = 20; // 最大缩进代码行数 const MAX_TABLE_CELL_LENGTH = 200; // 最大表格单元格长度 const MAX_TABLE_ROWS = 20; // 最大表格行数 const MAX_HTML_TABLE_LENGTH = 2000; // 最大HTML表格长度 const MIN_HORIZONTAL_RULE_LENGTH = 3; // 最小水平分隔线长度 const MAX_SENTENCE_LENGTH = 400; // 最大句子长度 const MAX_QUOTED_TEXT_LENGTH = 300; // 最大引用文本长度 const MAX_PARENTHETICAL_CONTENT_LENGTH = 200; // 最大括号内容长度 const MAX_NESTED_PARENTHESES = 5; // 最大嵌套括号数 const MAX_MATH_INLINE_LENGTH = 100; // 最大行内数学公式长度 const MAX_MATH_BLOCK_LENGTH = 500; // 最大数学公式块长度 const MAX_PARAGRAPH_LENGTH = 1000; // 最大段落长度 const MAX_STANDALONE_LINE_LENGTH = 800; // 最大独立行长度 const MAX_HTML_TAG_ATTRIBUTES_LENGTH = 100; // 最大HTML标签属性长度 const MAX_HTML_TAG_CONTENT_LENGTH = 1000; // 最大HTML标签内容长度 const LOOKAHEAD_RANGE = 100;  // 向前查找句子边界的字符数  const AVOID_AT_START = `[\s\]})>,']`; // 避免在开头匹配的字符 const PUNCTUATION = `[.!?…]|\.{3}|[\u2026\u2047-\u2049]|[\p{Emoji_Presentation}\p{Extended_Pictographic}]`; // 标点符号 const QUOTE_END = `(?:'(?=`)|''(?=``))`; // 引号结束 const SENTENCE_END = `(?:${PUNCTUATION}(?<!${AVOID_AT_START}(?=${PUNCTUATION}))|${QUOTE_END})(?=\S|$)`; // 句子结束 const SENTENCE_BOUNDARY = `(?:${SENTENCE_END}|(?=[\r\n]|$))`; // 句子边界 const LOOKAHEAD_PATTERN = `(?:(?!${SENTENCE_END}).){1,${LOOKAHEAD_RANGE}}${SENTENCE_END}`; // 向前查找句子结束的模式 const NOT_PUNCTUATION_SPACE = `(?!${PUNCTUATION}\s)`; // 非标点符号空格 const SENTENCE_PATTERN = `${NOT_PUNCTUATION_SPACE}(?:[^\r\n]{1,{MAX_LENGTH}}${SENTENCE_BOUNDARY}|[^\r\n]{1,{MAX_LENGTH}}(?=${PUNCTUATION}|${QUOTE_END})(?:${LOOKAHEAD_PATTERN})?)${AVOID_AT_START}*`; // 句子模式  const regex = new RegExp(   "(" +   // 1. Headings (Setext-style, Markdown, and HTML-style, with length constraints)   `(?:^(?:[#*=-]{1,${MAX_HEADING_LENGTH}}|\w[^\r\n]{0,${MAX_HEADING_CONTENT_LENGTH}}\r?\n[-=]{2,${MAX_HEADING_UNDERLINE_LENGTH}}|<h[1-6][^>]{0,${MAX_HTML_HEADING_ATTRIBUTES_LENGTH}}>)[^\r\n]{1,${MAX_HEADING_CONTENT_LENGTH}}(?:</h[1-6]>)?(?:\r?\n|$))` +   "|" +   // New pattern for citations   `(?:\[[0-9]+\][^\r\n]{1,${MAX_STANDALONE_LINE_LENGTH}})` +   "|" +   // 2. List items (bulleted, numbered, lettered, or task lists, including nested, up to three levels, with length constraints)   `(?:(?:^|\r?\n)[ \t]{0,3}(?:[-*+•]|\d{1,3}\.\w\.|\[[ xX]\])[ \t]+${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_LIST_ITEM_LENGTH))}` +   `(?:(?:\r?\n[ \t]{2,5}(?:[-*+•]|\d{1,3}\.\w\.|\[[ xX]\])[ \t]+${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_LIST_ITEM_LENGTH))}){0,${MAX_NESTED_LIST_ITEMS}}` +   `(?:\r?\n[ \t]{4,${MAX_LIST_INDENT_SPACES}}(?:[-*+•]|\d{1,3}\.\w\.|\[[ xX]\])[ \t]+${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_LIST_ITEM_LENGTH))}){0,${MAX_NESTED_LIST_ITEMS}})?)` +   "|" +   // 3. Block quotes (including nested quotes and citations, up to three levels, with length constraints)   `(?:(?:^>(?:>|\s{2,}){0,2}${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_BLOCKQUOTE_LINE_LENGTH))}\r?\n?){1,${MAX_BLOCKQUOTE_LINES}})` +   "|" +   // 4. Code blocks (fenced, indented, or HTML pre/code tags, with length constraints)   `(?:(?:^|\r?\n)(?:```|~~~)(?:\w{0,${MAX_CODE_LANGUAGE_LENGTH}})?\r?\n[\s\S]{0,${MAX_CODE_BLOCK_LENGTH}}?(?:```|~~~)\r?\n?` +   `|(?:(?:^|\r?\n)(?: {4}|\t)[^\r\n]{0,${MAX_LIST_ITEM_LENGTH}}(?:\r?\n(?: {4}|\t)[^\r\n]{0,${MAX_LIST_ITEM_LENGTH}}){0,${MAX_INDENTED_CODE_LINES}}\r?\n?)` +   `|(?:<pre>(?:<code>)?[\s\S]{0,${MAX_CODE_BLOCK_LENGTH}}?(?:</code>)?</pre>))` +   "|" +   // 5. Tables (Markdown, grid tables, and HTML tables, with length constraints)   `(?:(?:^|\r?\n)(?:\|[^\r\n]{0,${MAX_TABLE_CELL_LENGTH}}\|(?:\r?\n\|[-:]{1,${MAX_TABLE_CELL_LENGTH}}\|){0,1}(?:\r?\n\|[^\r\n]{0,${MAX_TABLE_CELL_LENGTH}}\|){0,${MAX_TABLE_ROWS}}` +   `|<table>[\s\S]{0,${MAX_HTML_TABLE_LENGTH}}?</table>))` +   "|" +   // 6. Horizontal rules (Markdown and HTML hr tag)   `(?:^(?:[-*_]){${MIN_HORIZONTAL_RULE_LENGTH},}\s*$|<hr\s*/?>)` +   "|" +   // 10. Standalone lines or phrases (including single-line blocks and HTML elements, with length constraints)   `(?!${AVOID_AT_START})(?:^(?:<[a-zA-Z][^>]{0,${MAX_HTML_TAG_ATTRIBUTES_LENGTH}}>)?${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_STANDALONE_LINE_LENGTH))}(?:</[a-zA-Z]+>)?(?:\r?\n|$))` +   "|" +   // 7. Sentences or phrases ending with punctuation (including ellipsis and Unicode punctuation)   `(?!${AVOID_AT_START})${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_SENTENCE_LENGTH))}` +   "|" +   // 8. Quoted text, parenthetical phrases, or bracketed content (with length constraints)   "(?:" +   `(?<!\w)"""[^"]{0,${MAX_QUOTED_TEXT_LENGTH}}"""(?!\w)` +   `|(?<!\w)(?:['"`'"])[^\r\n]{0,${MAX_QUOTED_TEXT_LENGTH}}\1(?!\w)` +   `|(?<!\w)`[^\r\n]{0,${MAX_QUOTED_TEXT_LENGTH}}'(?!\w)` +   `|(?<!\w)``[^\r\n]{0,${MAX_QUOTED_TEXT_LENGTH}}''(?!\w)` +   `|\([^\r\n()]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}(?:\([^\r\n()]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}\)[^\r\n()]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}){0,${MAX_NESTED_PARENTHESES}}\)` +   `|\[[^\r\n\[\]]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}(?:\[[^\r\n\[\]]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}\][^\r\n\[\]]{0,${MAX_PARENTHETICAL_CONTENT_LENGTH}}){0,${MAX_NESTED_PARENTHESES}}\]` +   `|\$[^\r\n$]{0,${MAX_MATH_INLINE_LENGTH}}\$` +   `|`[^`\r\n]{0,${MAX_MATH_INLINE_LENGTH}}`` +   ")" +   "|" +   // 9. Paragraphs (with length constraints)   `(?!${AVOID_AT_START})(?:(?:^|\r?\n\r?\n)(?:<p>)?${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_PARAGRAPH_LENGTH))}(?:</p>)?(?=\r?\n\r?\n|$))` +   "|" +   // 11. HTML-like tags and their content (including self-closing tags and attributes, with length constraints)   `(?:<[a-zA-Z][^>]{0,${MAX_HTML_TAG_ATTRIBUTES_LENGTH}}(?:>[\s\S]{0,${MAX_HTML_TAG_CONTENT_LENGTH}}?</[a-zA-Z]+>|\s*/>))` +   "|" +   // 12. LaTeX-style math expressions (inline and block, with length constraints)   `(?:(?:\$\$[\s\S]{0,${MAX_MATH_BLOCK_LENGTH}}?\$\$)|(?:\$[^\$\r\n]{0,${MAX_MATH_INLINE_LENGTH}}\$))` +   "|" +   // 14. Fallback for any remaining content (with length constraints)   `(?!${AVOID_AT_START})${SENTENCE_PATTERN.replace(/{MAX_LENGTH}/g, String(MAX_STANDALONE_LINE_LENGTH))}` +   ")",   "gmu" );  function main({text}){   const chunks = [];   let currentChunk = '';   const tokens = countToken(text)    const matches = text.match(regex);   if (matches) {     matches.forEach((match) => {       if (currentChunk.length + match.length <= 1000) {         currentChunk += match;       } else {         if (currentChunk) {           chunks.push(currentChunk);         }         currentChunk = match;       }     });     if (currentChunk) {       chunks.push(currentChunk);     }   }    return {chunks, tokens}; }

算了别看了，你直接用就好啦。。

格式化文本

切分完文本之后，开始对源文本进行格式化：

格式化代码如下：

function main({source_text_chunks, source_doc_text_chunks, i=0}){     let chunks = source_doc_text_chunks || source_text_chunks;     let before = chunks.slice(0, i).join("");     let current = " <TRANSLATE_THIS>" + chunks[i] + "</TRANSLATE_THIS>";     let after = chunks.slice(i + 1).join("");     let tagged_text = before + current + after;      return {         tagged_text,         chunk_to_translate: chunks[i],     } }

最终会输出两个变量，其中 tagged_text 包含了整个文本，而 chunk_to_translate 只包含了本轮需要翻译的文本块。

接入术语表

在正式翻译之前，我们还可以将专有名词的词库作为知识库，在翻译前进行搜索。

记得要开启问题优化哦。

开始翻译

现在我们终于进入了翻译环节，这里我们使用 CoT 思维链，让 LLM 显式地、系统地生成推理链条，展示翻译的完整思考过程。

系统提示词如下：

# Role: 资深翻译专家  ## Background: 你是一位经验丰富的翻译专家,精通{{source_lang}}和{{target_lang}}互译,尤其擅长将{{source_lang}}文章译成流畅易懂的{{target_lang}}。你曾多次带领团队完成大型翻译项目,译文广受好评。  ## Attention: - 翻译过程中要始终坚持"信、达、雅"的原则,但"达"尤为重要 - 翻译的译文要符合{{target_lang}}的表达习惯,通俗易懂,连贯流畅 - 避免使用过于文绉绉的表达和晦涩难懂的典故引用  - 诗词歌词等内容需按原文换行和节奏分行,不破坏原排列格式  - 对于专有的名词或术语,按照给出的术语表进行合理替换  - 在翻译过程中,注意保留文档原有的列表项和格式标识 - 不要翻译代码块中的内容，保持原样输出  ## Constraints: - 必须严格遵循四轮翻译流程:直译、意译、反思、提升 - 译文要忠实原文,准确无误,不能遗漏或曲解原意 - 注意判断上下文，避免重复翻译 - 最终译文使用Markdown的代码块呈现,但是不用输出markdown这个单词  ## Goals: - 通过四轮翻译流程,将{{source_lang}}原文译成高质量的{{target_lang}}译文   - 译文要准确传达原文意思,语言表达力求浅显易懂,朗朗上口 - 适度使用一些熟语俗语、流行网络用语等,增强译文的亲和力  ## Skills: - 精通{{source_lang}} {{target_lang}}两种语言,具有扎实的语言功底和丰富的翻译经验 - 擅长将{{source_lang}}表达习惯转换为地道自然的{{target_lang}} - 对当代{{target_lang}}语言的发展变化有敏锐洞察,善于把握语言流行趋势  ## Workflow: 1. 第一轮直译:逐字逐句忠实原文,不遗漏任何信息（代码块内容除外） 2. 第二轮意译:在直译的基础上用通俗流畅的{{target_lang}}意译原文（代码块内容除外） 3. 第三轮反思:仔细审视译文,分点列出一份建设性的批评和有用的建议清单以改进翻译，逐句提出建议，从以下6个角度展开     (i) 准确性（纠正冗余、误译、遗漏或未翻译的文本错误），     (ii) 流畅性（应用{{target_lang}}的语法、拼写和标点规则，并确保没有不必要的重复），     (iii) 风格（确保翻译反映源文本的风格并考虑其文化背景），     (iv) 术语（严格参考给出的术语表,确保术语使用一致）     (v) 语序（合理调整语序，不要生搬{{source_lang}}中的语序，注意调整为{{target_lang}}中的合理语序）     (vi) 代码保护（确保所有代码块内容保持原样，不被翻译） 4. 第四轮提升:严格遵循第三轮提出的建议对翻译修改,定稿出一个简洁畅达、符合大众阅读习惯的译文  ## OutputFormat: - 每一轮前用【思考】说明该轮要点 - 第一轮和第二轮翻译后用【翻译】呈现译文 - 第三轮用【建议】输出建议清单，分点列出，在每一点前用*xxx*标识这条建议对应的要点，如*风格*;建议前用【思考】说明该轮要点，建议后用【建议】呈现建议 - 第四轮在```代码块中展示最终译文内容，如```xxx```,不用输出markdown这个单词  ## Suggestions: - 直译时力求忠实原文,但不要过于拘泥逐字逐句 - 意译时在准确表达原意的基础上,用最朴实无华的{{target_lang}}来表达 - 反思环节重点关注译文是否符合{{target_lang}}表达习惯,是否通俗易懂,是否准确流畅,是否术语一致 - 提升环节采用反思环节的建议对意译环节的翻译进行修改，适度采用一些口语化的表达、网络流行语等,增强译文的亲和力 - 所有包含在代码块（```）中的内容都应保持原样，不进行翻译

用户问题如下：

同时不要忘了接入词库。

还需要在 AI 模型配置中关闭【返回 AI 内容】。

这里 AI 会进行好几轮翻译，但是我们只需要最终的翻译结果，所以还需要继续接入【代码运行】节点，将最后一轮的翻译结果提取出来。

代码如下：

function main({data1}){     const result = data1.split("```").filter(item => !!item.trim())      if(result[result.length-1]) {         return {             result: result[result.length-1]         }     }      return {         result: '未截取到翻译内容'     } }

到这里翻译基本上就结束了，但是有些模型在输出中文内容时，会夹杂英文标点符号，所以为了以防万一，我们可以再加一个【代码运行】节点来对输出内容进行格式化。

代码如下：

function main({target_lang, source_text}) {   let text = source_text;    if (target_lang === '简体中文' || target_lang === '繁體中文') {     // 存储代码块内容     const codeBlocks = [];     let text = source_text.replace(/```[sS]*?```/g, (match) => {       codeBlocks.push(match);       return `__CODE_BLOCK_${codeBlocks.length - 1}__`;     });      // 替换成对的英文引号     text = text.replace(/"(.*?)"/g, '“$1”');      // 保护 Markdown 链接格式中的括号     text = text.replace(/[(.*?)]((.*?))/g, function(match) {       return match.replace(/(/g, 'LEFTPAREN')                  .replace(/)/g, 'RIGHTPAREN');     });      // 替换成对的英文括号     text = text.replace(/((.*?))/g, '（$1）');      // 恢复被保护的 Markdown 链接括号     text = text.replace(/LEFTPAREN/g, '(')              .replace(/RIGHTPAREN/g, ')');      // 更新句号替换逻辑，增加对版本号和URL的保护     text = text.replace(/(d+).(d+).(d+)/g, '$1DOT$2DOT$3') // 保护版本号 (如 16.2.1)                .replace(/(d).(d)/g, '$1DOT$2') // 临时替换小数点                .replace(/([a-zA-Z]).([a-zA-Z])/g, '$1DOT$2') // 临时替换缩写中的句号                .replace(/([a-zA-Z]).(d)/g, '$1DOT$2') // 临时替换字母与数字之间的句号                .replace(/(d).([a-zA-Z])/g, '$1DOT$2') // 临时替换数字与字母之间的句号                .replace(/([a-zA-Z])./g, '$1DOT') // 临时替换字母后面的句号（如 a.）                .replace(/https?:/g, 'HTTPCOLON') // 保护 URL 中的冒号                .replace(/./g, '。') // 替换其他句号                .replace(/DOT/g, '.') // 恢复被保护的句号                .replace(/HTTPCOLON/g, 'http:'); // 恢复 URL 中的冒号      // 替换英文逗号，但不替换数字中的逗号     text = text.replace(/(d),(d)/g, '$1COMMA$2') // 临时替换数字中的逗号                .replace(/,/g, '，') // 替换其他逗号                .replace(/COMMA/g, ','); // 恢复数字中的逗号      // 替换其他常见符号     const replacements = {       '!': '！',       '?': '？',       ';': '；',     };      for (const [key, value] of Object.entries(replacements)) {       text = text.replace(new RegExp(`\${key}`, 'g'), value);     }      // 在中文和英文字符之间添加空格     // 中文字符范围: u4e00-u9fa5     // 英文字符范围: a-zA-Z0-9     text = text.replace(/([u4e00-u9fa5])([a-zA-Z0-9])/g, '$1 $2')                .replace(/([a-zA-Z0-9])([u4e00-u9fa5])/g, '$1 $2');      // 恢复代码块     text = text.replace(/__CODE_BLOCK_(d+)__/g, (_, index) => codeBlocks[index]);   }    return {     text   }; }

循环

单文本块翻译完成后，需要判断一下所有的文本是否都翻译完成了，如果还没翻译完，就回到循环的起点，按照之前的流程继续翻译。

代码如下：

function main({chunks, doc_chunks, currentChunk}){     let new_chunks = doc_chunks || chunks     const findIndex = new_chunks.findIndex((item) => item ===currentChunk)          return {         isEnd: new_chunks.length-1 === findIndex,         i: findIndex + 1,     } }

如果翻译完成了，就直接回复翻译完成，整个工作流结束。