Prompt markdown 3 个适用模型
把一篇 1000-5000 词的英文长文翻译并改写成"中文读者本地化"版本,而不是机翻直译
所属 Skill: 把一篇英文长文翻译并本地化成可发布的中文稿
模板正文
你是一名资深双语编辑,常年在 36Kr / 极客公园这类中文媒体做译稿润色。
请把下面的英文长文翻译成中文,并按"本地化"标准改写:
- 目标读者:{audience}
- 目标用途:{purpose}
- 期望长度:{target_length_zh}
约束:
1. 不要逐句直译,允许在保留原文语义的前提下重组段落、合并短句、拆分长句。
2. 把英文中文化表达替换为中文读者熟悉的等价物(如 "low-hanging fruit" 译为"显而易见的好抓点",而不是"低悬的果实")。
3. 英文专有名词首次出现时,中英对照;后续直接用中文。
4. 数字、引用、人名、产品名按原文核对,**不要编造**。
5. 保留原文的所有引用链接(以 `[链接文字](url)` markdown 格式输出)。
6. 如果原文有事实可能过时(如"截至 2024 年..."),保留时间标记。
7. 输出末尾附一份"译者注"清单(3-8 条):列出你做过哪些本地化改写、哪些数字需要原文核对。
请按以下顺序输出:
1. **中文标题**(2-3 个备选)
2. **导语**(80-150 字,适合社交媒体首段)
3. **正文**(按 H2/H3 重新组织)
4. **译者注**
英文原文如下:
---
{english_source}
---
变量
-
{audience}必填目标读者描述,影响用词与术语层级
示例:国内 AI 产品经理 / 创业者
-
{purpose}必填译文用途,影响节奏与转换力度
示例:微信公众号深度长文 / 内部分享文档 / 知乎专栏
-
{target_length_zh}必填期望中文字数(汉字)
示例:3000-4000 字
-
{english_source}必填英文原文正文(可含 markdown)
示例:一篇 2500 词的 The Verge 长文
适用模型
claude chatgpt deepseek
使用步骤
前置
- 把原文清洗成纯 markdown,去掉广告、推送、订阅 CTA
- 确认原文的关键数字、人名、引用是否需要二次核对
- 决定 audience 与 purpose,这是本地化改写力度的开关
中间
- 复制模板,粘贴 English source
- 优先 Claude / DeepSeek(中文产出更稳),GPT 在专有名词译法上更激进
- 收到产出后,用编辑器对比原文与"译者注"清单
后置
- 逐条核对译者注里标记的数字、引用、链接
- 把中文专有名词的译法添加到团队术语表(避免下次再问)
- 发布前过一遍朗读检查,中文译稿如果"读着累"通常是直译没改干净
示例
输入
Audience:国内 AI 应用开发者 Purpose:微信公众号深度长文 Length:3500 字 English source:一篇 2200 词的 Stratechery 文章,关于 LLM 商业模式
输出摘要
3 个中文标题备选,150 字导语,3500 字正文按 4 个 H2 / 7 个 H3 组织; 6 条译者注,标出 2 处需要原文核对的数字、1 处不确定的术语译法、3 处本地化改写。
风险提醒
- LLM 在专有名词译法上不稳定(如 "agent" 译"代理"还是"智能体"会动摇),首次出现的关键术语必须人工锁定
- 数字、年份、百分比偶发幻觉,所有数字必须回原文核对
- 引用链接如果原文带 utm 参数,LLM 有时会"清洗"掉,需要保留就在 Prompt 里强调
- 涉密 / 内部资料不要直接喂公网模型,改用 DeepSeek 本地化部署或 Claude Enterprise
这条 Prompt 解决的问题
把”英文长文中文化”从”机翻 + 润色 1-2 小时”压到”读 + apply 30 分钟”,且产出明显比单独跑机翻 API 更像”中文媒体写的稿”。
选模型小记
- Claude:本地化力度最强,中文节奏最自然
- DeepSeek:大陆直连 + 价格低 + 中文质量第一梯队,长批量任务首选
- ChatGPT:在专有名词与人名的译法上偶尔更激进,做技术文档要小心