吴恩达出手，又一个 AI 神器诞生！

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

2. 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

3. 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

4. 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

5. 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

6. 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

好了，今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓