Compétence de traduction IA : des invites simples aux flux de travail d'agents

La traduction est plus complexe qu'il n'y paraît. Une simple demande comme « traduis ceci en chinois » est facile, mais une compétence universelle doit gérer des entrées variées (phrases uniques, documents longs, fichiers Markdown), différentes langues cibles et des exigences de qualité. Étapes clés : 1) Modèles de pré-raisonnement : utiliser une approche en deux étapes (littérale puis naturelle) ou en trois étapes (littérale, révision, naturelle) pour la qualité. 2) Avec des modèles de raisonnement : utiliser « réécrire » au lieu de « traduire » pour donner au modèle la liberté d'adaptation des idiomes et de restructuration des phrases. 3) Ère des agents : flux de travail avec analyse, génération de prompts, découpage selon la structure Markdown, traduction parallèle par sous-agents et relecture globale. Enregistrez tous les résultats intermédiaires sous forme de fichiers pour itérer. La traduction parallèle exige une cohérence : pré-analysez la terminologie et la stratégie dans un fichier de prompt partagé, afin que chaque sous-agent reçoive le même contexte. Séparez le contexte partagé (terminologie, principes) dans un fichier et les instructions de tâche (quel fichier, où enregistrer) comme paramètres. Cela rend les prompts traçables et modifiables. Itérez en utilisant la compétence sur du contenu réel, en examinant la sortie et en renvoyant les problèmes à l'agent pour amélioration.