如今，翻译已成为日常工作中不可或缺的一部分。无论是出国旅游、阅读外文资料，还是在跨国企业中工作，翻译都无处不在。

因此，拥有一个准确且高效的翻译工具至关重要。它不仅能帮助你避免误解，还能显著提升工作效率。

最近，吴恩达提出 “AI Agentic Workflow（AI 智能体工作流）”将引领人工智能新趋势之后，昨天他基于这一理念构建了一个「AI 智能体翻译工作流」，并在 GitHub 上开源。

GitHub：https://github.com/andrewyng/translation-agent

该工作流旨在利用人工智能技术，简化和加速翻译过程，为企业和个人带来更加高效和精确的翻译解决方案。

主要分为如下三个步骤：

1. 通过指定大语言模型（LLM）进行语言之间的翻译；

2. 对翻译结果进行反思，并提出改进建议；

3. 再根据这些建议进行优化翻译。

同时这也是一套高度可控的翻译工作流，你只需通过修改提示词，就可以指定语气（正式或非正式）、地区等，甚至你还可以提供专业术语表来确保术语翻译的一致性。

下面一起来看下如何安装部署使用该工作流。

1. 首先需要安装 Poetry 包管理器：

pip install poetry

1. 拉取项目源码到本地：

# 克隆项目到本地
git clone https://github.com/andrewyng/translation-agent.git

# 进入项目文件夹下
cd translation-agent

1. 安装相关依赖及激活环境：

# 安装 Poetry 相关依赖包
poetry install

# 激活虚拟环境
poetry shell

1. 将项目文件夹下的 .env.sample 文件去掉后缀 .sample，并填入 OPENAI_API_KEY：

OPENAI_API_KEY="sk-xxxxx"    # replace "sk-xxxxx" with your secret OpenAI API key

1. 运行项目提供的示例：

# 在 examples 文件夹下提供相关示例
python example/example_script.py

1. 其他相关用法说明：

import translation_agent as ta

source_lang, target_lang, country = "English", "Chinese", "China"

translation = ta.translate(source_lang, target_lang, source_text, country)

通过以上步骤，如无问题可正常运行工作流，来看下我测试得到的结果：

吴恩达表示在他们的测试中，这套翻译 Agent 工作流在翻译质量上有时甚至可以媲美领先的商业翻译工具。

不过，吴恩达也表达了这是一个并不完善的翻译工具，仍有很大的优化空间，呼吁开源社区一起来完善它。

项目是以 MIT 许可开源的，你可以自由使用、修改和分发该代码，无论是商业用途还是非商业用途。

最后，吴恩达还分享了几点继续优化该智能体的想法，如尝试其他大语言模型、常用的专业术语表应用以及在不同语言上的表现评估等。

可预见的，在各种大语言模型逐渐发展成熟后，机器翻译的流程将会越来越简化。

以视频字幕为例，我们可以基于 Whisper 模型来快速生成视频字幕文本，将字幕文本拆分后，转而提交给 GPT-4o 或其他大语言模型进行翻译。此前我翻译吴恩达老师的《ChatGPT 提示工程》教程时，便是采用的这种方式。

能够熟练将各种 AI 工具进行配套组合，进而让个人能力发生质变，这是我认为当下人工智能时代，作为普通人最需要掌握的核心技能。

文中所提到的所有开源项目与工具，已收录至 GitHubDaily 的开源项目列表中。

该列表包含了 GitHub 上诸多高质量、有趣实用的开源技术教程、开发者工具、编程网站等内容。

从 2015 年至今，累计分享 3500+ 个开源项目，Star 增长 24000+，有需要的，可访问下方 GitHub 地址自取：

GitHub：https://github.com/GitHubDaily/GitHubDaily