从构想到代码：如何把翻译心得打造成AI诊断工具

9月一篇博文聊了翻译诊断思维的演进：从静态的“四根因”框架，转向动态的“三角色”框架。前些天，我把这个想法做成了一款叫“Persona Translation Analyzer”的应用，用AI辅助诊断，让译者、教师和学习者能清晰剖析翻译问题，直观看到改进路径，使“三角色”框架真正落地。

核心理念：让三角色框架活起来

“三角色”框架的核心，是将译者的思考过程拆解为三位专家：

• 源语专家 (Analyst)：专注解读原文，把握事实、意图、风格和言外之意。常见失误多因知识盲区，如误解文化典故或专业术语。
• 双语建构师 (Architect)：在两种语言间架设桥梁，摆脱原文结构束缚，重组为目标语的自然逻辑。问题常源于思维惯性，导致生硬直译或句式拗口。
• 目标语风格师 (Stylist)：精炼译文，提升表达的优雅、精准与节奏感。失误多为用词不当或疏于润色。

这套框架不只停留在理论。我开发的工具将其变成一套高效的工作流：先用AI生成诊断数据，再用交互图表分析结果。AI放大了人的反思，能更好地帮助译者成长。

使用方法：从AI诊断到可视化分析

工具主要由AI生成模块和可视化界面两部分构成，流程简洁高效。

1. AI诊断生成：

   • 向大语言模型（如Gemini）输入原文、初稿和修订稿这“三元组”。
   • AI会依据框架比对差异，判断问题归属哪个角色，并输出JSON格式的数据。每条诊断包含相关段落、初稿缺陷和修订方案，构成一个完整的“诊断记录”。
   • 示例JSON结构：

     1 2 3 4 5 6 7 8 9

     [ { "case_id": "CASE-001", "source": "完整源文本...", "draft": "完整初稿...", "revision": "完整修订版...", "diagnostics": [ /* 诊断记录列表 */ ] } ]

   • 这一步让AI承担繁琐的比对工作，而人依然主导分析框架，确保诊断精准深入。

2. 交互式可视化 (analyzer.html)：

   • 这是一个独立的HTML文件，在浏览器就能运行，完全离线，数据安全无虞。
   • 上传JSON数据后，一份清晰的滚动报告便会生成。每个案例都是一张独立的卡片，原文可以收起，让界面干净整洁。初稿与修订版左右并列，改动一目了然。
   • 联动高亮是其亮点：点击一条诊断，源文、初稿和修订稿中的对应段落会同步标出，问题与修改的因果关系瞬间清晰，形成高效的分析闭环。
   • 顶部的角色筛选器也很实用，让你能集中审视某一类问题，比如所有“建构师”的句法错误。
   • 整个界面采用响应式设计和暗色主题，在各种设备上阅读都很舒适，也兼顾了中英文字体，突显翻译工作的跨语言特性。

开发这款工具，也是我将专业思考付诸行动的过程。译者不必再被动接受“awkward”或“不自然”这类模糊反馈，而是能准确定位问题根源，针对性地练习——那么补充知识（Analyst），要么重组句式（Architect），那么精炼词汇（Stylist）。

AI的价值在于快速生成诊断，而人则专注于更高阶的决策——这正是“三角色”框架的意义所在，从评判文本转向塑造译者思维。代码已在GitHub开源，欢迎译者和语言爱好者上手一试！