背景
一位同学对中医翻译特别感兴趣，但对智能体和AI领域的知识相对欠缺。而我在这方面经验稍多，因此我们经常一起讨论AI相关的想法。最近，他萌生了用智能体翻译中医古文的想法，其中最关键的部分是对譬喻（如隐喻、明喻等）的处理。我们希望通过合作，开发一个智能体，为中医古文翻译做出贡献，同时也加深我对智能体的理解。
在项目中，他主要负责论文相关工作（撰写、翻译、提示词调试），而我则专注于智能体的搭建（主要是工作流），并在提示词调试、测试集构建以及产品定位等方面提供思路和解决方案。本文主要是总结现阶段的进展，为后续智能体开发提供参考。
整个过程让我感受到，这就像是一个从0到1的产品开发过程。若将这个智能体视为一个产品落地项目，我们经历了需求对接、功能定义、技术方案确认、细节对齐以及反复优化的过程。
框架
此前，我曾尝试过一次长文智能体的开发，并发现了一些需要改进的地方，比如术语查询、细分审校规则、文件输出等。在本次智能体开发中，这些问题基本都得到了尝试性解决，并成功搭建了一个完整的流程。以下是大致的流程图：
最终搭建的时候，分为两个工作流搭建——譬喻与术语提取和翻译与审校，虽然可以合并为一个，但是分开搭建，在功能上划分更清晰。
譬喻与术语提取
这一部分主要是对不同譬喻和术语进行识别提取以及查找参考属于，大致结构如下：
- 譬喻与术语的识别提取都是由大模型同步进行。
- 术语还涉及到在参考术语中进行查找，这一步主要是通过python格式化提取出来的术语，然后循环在数据库查找。
翻译与审校
这一部分主要是对提取的譬喻进行翻译与分析，并在参考术语的基础上对全文进行处理。
- 对上一个工作提取出的譬喻进行翻译，以及译者注撰写。
- 对翻译做整合、对翻译和译者注进行多个步骤的审校。
复盘
整个搭建过程耗时不长，但后续优化投入了大量精力，尤其是只能在晚上进行工作。为了提高效率，复盘显得尤为重要。目前记忆中的主要难题包括：
- 术语检索与提取
包括术语提取、术语检索和术语整理。
- 模型评测（指标构建）
涉及各类隐喻提取性能评测和翻译质量评测。
- 提示词调试
这是重点部分，涉及多个大模型模块的使用，如隐喻提取、翻译、术语整理和审校。为了充分发挥模型能力，提示词的设计至关重要。
未来方向
虽然目前的智能体已经能够运行，并且在中医古文翻译效率上显著优于人工，但我们的目标是开发一个能够翻译整本医学古文的产品。在这一目标下，仍有许多优化空间：
- 文本切割与处理：
在譬喻处理上，选择以句子还是段落为最小单位，各有优缺点，需要进一步权衡。
- 中医文本特征处理：
需要搭建处理其他特征的工作流，例如典故翻译、对仗翻译等，并分析具体特征。
- 翻译和审校上：
譬喻翻译上，对于多个譬喻类型句子，目前还没有好的解决方案，以及譬喻翻译后的整合，也缺乏策略，目前知识用大模型来做决策。
此外，还有一些值得探索的方向：
- 不同模型在不同任务上的性能表现：
探索模型的优越性，选择最适合的模型。
- 运行速度优化：
通过调整工作流或流程框架，提高运行效率。
- 用户友好性：
增加参数输出选项，提高智能体的可用性，例如术语导入、翻译风格设置等。
尽管还有许多待优化的地方，但基于目前的经验和探索方向，我们对后续的优化充满期待。希望最终能够开发出一个有助于中医翻译的产品，同时为其他类型翻译智能体的搭建提供参考经验。