翻译质检连载（二）：质检 Agent 的设计——让它学会怀疑，而不是重译

系列索引：① 机翻为什么需要审校 ｜ ② 质检 Agent 的设计（本篇）｜ ③ 术语一致性的工程治理

上篇立了论：机翻的错误率决定了审校不可省，但审校可以工程化降本。这篇讲我们怎么把第一道自动审校做成 Agent——核心设计思想一句话：让它怀疑，别让它重译。

为什么不用「让大模型重新翻一遍再比对」

直觉方案：把译文丢给强模型重译，两版比对，不一致的地方人工看。听起来美好，实际跑下来两个问题：一是成本翻倍（相当于每次质检都是一次全量翻译）；二是「不一致」太多——两版翻译自然就有措辞差异，报出来的可疑点占全文 40%，人工审校等于没减负。重译式质检的根本缺陷：它引入了第二个译者，而不是一个校对者。

质检 Agent 的正确姿势：检查清单驱动

我们的 Agent 不重译，它拿着一张检查清单逐项过：

1. 术语一致性：全文术语译法分布（同一术语出现 N 种译法即报）
2. 数字与单位比对：原文译文数字序列对齐校验
3. 否定词核查：定位原文否定结构，确认译文方向一致
4. 占位符完整性：代码块、变量名、URL 是否原样保留
5. 格式遵从：段落数对齐、列表结构对齐

每项检查产出「可疑点列表 + 定位 + 原因」，Agent 的输出不是修改建议，是证据包——人来裁决。这个定位很重要：质检 Agent 是个特别较真的实习生，把所有可疑处标黄画圈递给你，改不改你说了算。

架构：三层的漏斗设计

• 第一层 规则检查（毫秒级，零成本）：正则和统计就能做的——数字比对、占位符、术语分布。拦掉 60% 的机械错误
• 第二层 语义检查（秒级，调模型）：否定方向、指代关系这类需要理解力的——用小模型做判断任务（不是生成任务），prompt 是「这两个句子的否定语义是否一致」这类封闭问题，输出稳定
• 第三层 可疑点聚合（不调模型）：把两层的输出去重、排序（按风险权重：数字错 > 否定反转 > 术语 > 风格），生成审校工单

实测：千段文档全流程质检约 3 分钟、成本不到全量翻译的 15%，可疑点召回率（对照人工全审结果）约 85%——剩下 15% 漏网的主要是风格类（本来也不值得拦）。

两个关键设计决策

决策一：判据显式化。每类检查的判定规则写在配置里（术语允许几种译法？数字容差多少？），不藏在 prompt 里。规则可以review、可以按文档类型切换——法务文档严、内部纪要松。Agent 的行为可解释，才敢放进流水线。

决策二：不自动修改。我们试过让 Agent 顺手改掉明显错误，翻车率不可接受——它改对的确实多，但改错的时候人不再看那一段（「已经改过了」的错觉），错误反而更隐蔽。只报告不修改，是质检 Agent 的安全带。

下一步

第二层语义检查现在用的是通用小模型，判断质量的天花板明显。系列第三篇讲术语治理后，计划把术语上下文喂给语义层（知道「这个术语在我们公司怎么译」之后的判断会准很多）——质检和翻译记忆是天生一对。

---

写文里这些翻译场景，来自我日常在用的「随心翻译」：Edge/Chrome 浏览器插件，本地优先架构，不用不花钱。官网 suanlinfang.cn/translate?from=cnblogs