摘要

作为一种新兴知识媒介，生成式人工智能深刻革新了翻译实践模式，并推动其向人机协作翻译模式转型。提示工程作为引导大语言模型生成预期内容的核心技术，在翻译实践中展现出显著的应用价值，由此引发对译者提示素养的关注。文章通过考察生成式人工智能的翻译实践应用，剖析译者提示素养的概念内涵，从认知、能力和伦理三个维度探究其构成要素，构建出译者提示素养的概念框架。译者提示素养是生成式人工智能时代译者信息素养的升级与拓展，也是人类译者与AI系统进行高效协作的关键要素，更是专业译者区别于非专业译者的核心能力，应成为当前高校翻译教育关注的重点议题。

引言

生成式人工智能技术，尤其是大语言模型的迅猛发展，正在深刻重塑人类信息获取和知识生产的方式。通过预训练，大语言模型从海量的公开文本数据中学习语言规律和语义关系，从而能够理解自然语言并生成高质量的文本内容。大语言模型集聚了极为广泛的人类知识，成为一种“全新的智能知识媒介”（姜华，2024），可为众多领域的信息处理和知识生产提供强有力的支持。翻译是一种“跨语言的知识加工、重构和再传播的文化行为和社会实践”（杨枫，2021），需要译者“解决歧义问题、干扰问题和非对称问题，以实现知识和经验的跨文化传通”（李瑞林，2020）。鉴于个体知识存量的有限性，译者作为认知和求解翻译问题的主体，必须借助外部信息资源，弥补个人知识不足，实现自身知识增量，匹配翻译任务的知识要求，进而优化翻译决策。作为一种新兴知识媒介，生成式人工智能技术的广泛应用无疑会给翻译实践领域带来深远影响。

在数字社会中，信息资源极其丰富，不断拓展着人类的知识边界。译者对信息的精准需求与信息资源的海量无序，构成了数字社会中翻译实践的主要矛盾，从而彰显了译者信息素养对于翻译工作的重要性。生成式人工智能的崛起，革新了人机交互模式，为信息获取带来了全新的可能性，使得译者不再仅依赖传统搜索，而是通过“提问”与AI系统互动，快速获取所需信息。因此，译者的能力体系需要实现从“搜商”向“问商”的升级，即从信息素养向提示素养的进阶和拓展。译者提示素养的概念内涵是什么？与信息素养之间具有何种关系？有何重要意义？由哪些要素构成？本文尝试对这些问题做出解答，剖析译者提示素养的概念内涵，分析其核心构成要素，并试图构建译者提示素养的概念框架，以期推进生成式人工智能时代的译者能力体系研究。

1. 生成式人工智能的翻译实践应用

尽管以ChatGPT（聊天生成式预训练变换模型）为代表的大语言模型并非专门为翻译而设计，但其凭借强大的自然语言理解和文本生成能力在翻译任务上表现出色，能够实现多语言文本间的转换并生成流畅且连贯的译文，体现出较高的语言处理与语境适配能力。国内外学界对生成式人工智能在翻译实践中的应用展开了有益探索。譬如，Siu （2023）分析了ChatGPT在翻译领域的潜力及其对语言行业的革命性影响，指出ChatGPT具备分析源文本、生成翻译初稿、检测翻译问题、提出编辑建议等能力，表现出速度快、成本低和交互性强的特点。Lee（2024）从批判视角思考了AI技术对翻译概念的影响，提出以“分布式认知”为基础的替代性框架，用以重新定义翻译实践。腾讯人工智能实验室的研究团队发现，GPT-3.5在翻译过程中容易产生幻觉和误译，而GPT-4的翻译错误明显减少，表明在GPT-4引擎的支持下ChatGPT已经成为一个出色的翻译工具（Jiao et al.，2024）。仲文明等（2024）运用眼动追踪和键盘记录对比了生成式人工智能与神经网络机器翻译技术支持下的人工译后编辑效率，初步验证了基于生成式人工智能的人工译后编辑模式在汉英翻译中的效率优势。赵军峰、李翔（2024）阐释了大语言模型驱动的翻译智能体的概念，分析了基于提示工程、检索增强生成和计算机辅助翻译的三种翻译智能体构建方式，并评估了翻译智能体的译文质量和实践效果。Wang等（2024）提出了一种多智能体协作框架，其中包含译者、顾问和评估者三个角色。这三个角色迭代合作，使大语言模型在文学翻译任务上的性能得到显著提升，展示了生成式人工智能在机器翻译领域的应用潜力。

综上可见，与统计机器翻译和神经机器翻译相比，生成式人工智能在译文生成任务上表现更佳，展现出较大的应用潜力和技术优势，引领翻译实践进入全新的人机协作翻译阶段。除了上述研究所探讨的译文生成任务，译者还可以利用大语言模型获取语法知识、词语搭配、专业术语、文体风格、领域知识、文化差异等方面的信息，执行译文评价、译文迭代、译文审校、风格调整、术语管理、语料对齐、质量保证等任务。在生成式人工智能发展浪潮的持续推动下，翻译技术发展将呈现三大可能态势：①更强算力、更优算法及更海量数据的投入，使得大语言模型的整体性能持续增强，特别是高级推理能力。AI系统在应对复杂翻译任务时将有更加出色的表现。②模型微调、知识图谱和检索增强生成等技术不仅可以更充分地利用术语库、翻译记忆库和平行文本等翻译资源，还能够针对特定应用场景或领域训练和研发基于大语言模型的垂直机译系统，显著提升译文产出的准确性与可读性。③随着“代理思维”的逐步落地，面向翻译流程的智能体系统将得到进一步研发与应用，多模型和多智能体协作将超越对大语言模型的单向调用，与机辅翻译系统深度整合，推动翻译流程的自动化与智能化更趋完善。

2.译者提示素养的概念内涵

近年来，生成式人工智能技术持续快速发展， 尤其是大语言模型在翻译领域的广泛应用，为翻译实践提供了多样化赋能，促使翻译工作模式发生重大变革，同时译者的角色也在经历深刻转变。在当今的技术赋能环境下，翻译工具和翻译资源都非常丰富，为译员的翻译工作提供了极大的便利。如今的翻译过程实质上就是译者通过翻译工具，调配翻译资源，解决翻译问题，高效生成目标文本，进而实现知识的语际生产和传播的过程。在生成式人工智能赋能下的翻译过程中，译者的角色不仅是语言转换者，还是机译评价者、信息搜寻者、资源管理者和人机协商者。不管是利用大语言模型实施译文生成，还是获取信息、搜寻知识，抑或执行译文加工、资源管理、质量保证等任务，均需要译者以“提问”的方式与AI系统进行互动和协商，才能保证相关任务的高质量完成。相关研究已关注到生成式人工智能时代译者的角色转变（Siu，2023；Lee，2024），乃至大语言模型对译者主体性的冲击（王华树、刘世界，2024），但鲜有研究对译者与AI系统协作所需的提问能力展开探讨。这种提问能力，或称问商，指译者通过设计提示语与AI系统互动，从中获取所需信息的能力，即译者的提示素养（prompt literacy）。

在生成式人工智能领域，提示语的英文对应词是prompt，中文又称提示词、指令，指用户通过向AI系统提供输入内容，引导其生成符合预期目标的内容。本质上，提示语是一种与AI系统沟通的指令或问题，通过明确任务需求、提供背景信息、指定输出格式及设置约束条件，指导AI系统高效完成指定任务。提示语可以是一个问句、祈使句或陈述句，也可以是更为复杂和结构化的进阶形式。生成式人工智能蓬勃发展，愈发彰显了提示语的重要性，由此催生了提示工程（prompt engineer­ing），并衍生出提示工程师（prompt engineer）这一新兴职业，其主要职责是通过设计、优化和迭代提示语，最大限度地发挥大模型的潜力，为生成式人工智能系统的应用和优化提供更多可能。提示语工程师被视为“联结个体思想和大语言模型的摆渡者，能够凭借自身领域知识与数智素养弥合个体高意识需求与AIGC能力沟的‘最后一公里’”（赵晓伟等，2023）。

随着生成式人工智能的逐步落地和推广普及，先前的数字鸿沟发展为智能鸿沟，表现为个体或群体在人工智能技术的接触、使用和应用结果等方面的差异（彭兰，2024）。在这种背景下，提示素养作为用户与AI系统高效交互的核心能力，成为弥合智能鸿沟的关键手段。具备高提示素养的用户能够通过提示工程充分发挥AI系统的能力，从中获得更加精准的输出，在工作效率、学习能力和创新能力方面占据优势；而缺乏提示素养的用户则可能难以提出清晰有效的提示语，导致AI系统生成结果不符合预期，进而降低对AI系统的信任和使用意愿，加剧智能鸿沟的扩大。

提示素养是用户与生成式AI系统进行协商互动的关键能力。Hwang等（2023）将提示素养定义为设计精准的提示语，输入AI系统，解读其输出结果，并迭代优化提示语以实现预期目标的能力。Maloy和Gattupalli（2024）指出，提示素养可以让任何人无须掌握计算机编程的专业知识就能够与生成式AI系统进行交流并引导其工作。在教育领域，提示素养得到了特别关注。Jacobs和Fisher（2023）认为，提示素养在基于人工智能的学习中至关重要，它能够促进学习体验的个性化，提供更具沉浸感和互动性的学习机会，并激发学生的创造力，使其能够创造出前所未有的成果。Gattupalli等（2023）认为，随着生成式人工智能的崛起，提示素养逐渐成为一种基础能力，涵盖AI提示语的设计、解读和分析。文秋芳、梁茂成（2024）提出，人机互动协商能力是影响AI应用效果的关键因素，并阐述了培养学生人机互动协商能力的重要性和必要性。这种人机互动协商能力主要在于对提示语的设计、使用和优化，即提示素养。

翻译技术是人类翻译能力的延伸和拓展，其本质在于为人类的翻译能力进行赋能（王少爽，2024）。这种赋能对大众用户和专业译员具有不同意义。对大众用户而言，AI的使用门槛越来越低，越来越“傻瓜式”（fool-proof），操作越来越简便。虽然AI翻译的精准度和流畅性仍难以完全达到专业译者的水平，但作为一种方便快捷的翻译工具，它能够帮助人们在日常生活和工作中应对跨语言知识获取的难题，克服语言交流障碍。对专业译者而言，他们应具备有别于大众用户的智能翻译素养，尤其是人机协作翻译所需的提示素养，才能体现自身的专业属性，实现人工智能时代翻译职业道路上的可持续发展。专业译者需要根据翻译实践中的各种具体需求，选择并灵活运用合适的AI工具，批判性评估和使用AI生成内容，从而高效完成翻译任务。鉴于此，本文认为，译者提示素养是译者在翻译实践中与生成式人工智能系统高效协作所需的一种综合素养，指译者基于翻译任务的信息需求，精心设计和优化提示语，并批判性地评估和使用AI输出内容，进而构建高质量翻译产出所需的知识和能力系统。译者提示素养是生成式人工智能时代专业译者区别于使用AI翻译的普通用户的核心素养，也是当前语境下翻译专业性的关键体现。

3. 译者提示素养的构成要素

人与AI系统的交互方式经历了两次主要转变，即从早期的命令行界面到后来的图形用户界面，再到生成式人工智能时代的自然语言界面。在未来一段时期内，作为自然语言的提示语将是人与AI系统交互的重要方式。信息素养是人生活在信息社会中需要具备的一种基本素养，其内涵随着技术环境的演进而日益丰富和深化。联合国教科文组织曾建议，新的情境在任何时候都可能会对信息素养能力提出更高或全新的要求（Catts & Lau，2008）。数字素养、计算素养、媒介素养、网络素养、数据素养、算法素养、人工智能素养，乃至提示素养，均是信息素养在不同技术环境下的演进形态。已有多个组织机构、政府部门及学者针对这些素养提出了各具特色的框架，并对相关素养的构成要素进行了描述和规定。由于提示素养概念提出的时间相对较短，对其框架的探讨较为鲜见。譬如， 张贵香和贾君枝（2024）基于提示素养的内涵分析，提出其核心框架由四种要素构成：生成式AI 工具的理解与认知、提示词编写技巧、生成内容的评估能力及伦理与道德意识。

鉴于此，译者提示素养是译者信息素养在生成式人工智能时代的全新体现，它不仅是人类译者与AI系统高效协作翻译的关键要素，更是译者在技术革新中构建自身知识体系、提升专业能力和实现职业可持续发展的重要支撑。基于翻译实践中对提示语的使用经验，借鉴现有译者信息素养模型（王少爽，2017），笔者构建出译者提示素养的概念框架，将其构成要素归纳为认知、能力和伦理三个维度，如图1。

图1 译者提示素养的概念框架

如图1所示，认知维度为译者提示素养提供理论基础，能力维度是实践操作的核心环节，而伦理维度则为译者提示素养的应用提供方向性保障。同时，技术应用能力、问题求解能力、批判思维能力和沟通协作能力作为基本支撑，为三个核心维度的有机融合和全面发展提供有力支持。

3.1 认知维度

认知维度指译者对生成式人工智能技术和人机协作翻译模式的认识，为译者与AI系统之间的翻译协作提供必要的知识储备和理论支持，主要包括技术知识、提示逻辑和翻译思维。就技术知识而言，译者需要了解生成式人工智能的运作机制， 尤其是大语言模型的基本原理，包括机器学习、神经网络、强化学习、预训练、模型微调、检索增强生成、知识增强生成等关键技术，并知晓各种生成式人工智能系统的能力边界。正如优秀的司机需要了解汽车的基本构成和机械原理才能更好地发挥驾驶技能，优秀的译者亦需掌握生成式人工智能的技术原理，才能娴熟地运用提示语工程生成符合翻译任务需求的内容或译文。此外，译者还应掌握各种AI系统和工具的功能，能够根据具体的任务场景，灵活选用符合任务需求的系统或工具。提示逻辑则要求译者基于人机互动的沟通本质和提示工程的相关知识，理解AI系统对提示语的解析和响应机制，掌握高效提示语的设计策略，确保AI生成内容符合预期。人与AI系统之间的交流互动可视为数智时代人际沟通的新形态，只不过其中一方变成了具有“拟主体性”的AI系统。因此，译者可以借鉴人际沟通领域的经典理论和模型指导翻译过程中的提示语设计，如合作原则（cooperative principle）、关联理论（relevance theory）和乔哈里视窗（Johari window）等。在这些理论和模型的观照下，译者能够更为深入地理解人机协作翻译过程，提升与大语言模型互动的成效。例如，如果译者和AI系统都较为熟悉翻译相关语境，就可以采用较为简单的提示语；如果译者预判AI系统不熟悉翻译相关语境，就需要通过提示语为AI系统补充必要的语境信息，引导AI系统生成符合预期的内容。翻译思维指译者对翻译活动本质的认识，即译者的翻译观。译者要能够理解翻译是一种跨语言的知识生成和文化沟通行为，并非语言之间的简单转换。在人工智能时代，技术的飞速进步使得机器成为一种新型翻译主体，译者需要了解不同类型机器主体的翻译思维差异，包括统计机器翻译系统、神经网络机器翻译系统、生成式人工智能翻译系统，进而形成人机互惠共生的协同翻译思维模式。

3.2 能力维度

译者提示素养的提升不仅依赖于上述理论知识的积累，更需通过大量提示语应用实践，增强人机协作翻译的默契度。能力维度涉及需求分析、语境构建、提示编写、输出评价、提示优化、信息利用和提示管理等方面。译者对AI系统的使用源于其在翻译过程中的信息需求，因此需要精准识别信息需求，明确翻译任务的具体目标和要求。在翻译过程中，译者主要使用AI系统解决三个方面的信息需求：一是知识获取，包括语言知识、术语定义、背景信息、领域知识等；二是译文加工，包括译文生成、译文对比、语义优化、风格调整等；三是资源管理，包括术语提取、语料对齐、质量控制等。精准的需求分析能力是有效利用AI系统的前提，它能够帮助译者明确所需信息的类型和范围。语境构建能力则要求译者准确掌握当前翻译任务的语境信息。文本具有基本信息和作者意图双重意义，影响作者意图推理的关键项是文化语境，知识的个体差异及不同文化体之间的差异构成了翻译过程中文化语境构建最根本的释义障碍（陈开举，2023）。因此，译者需充分理解翻译任务的语境，补充AI系统所不具备的语境信息，对知识差异导致的释义难题进行有效调和，确保翻译结果的准确性和文化适应性。

提示编写能力要求译者能够基于翻译过程中的需求分析和语境构建，编写精准、高效的提示语，引导AI系统生成符合预期的内容，内容可以是生成或优化的译文、所需相关知识或加工后的翻译资源。译者需要掌握编写提示语的一般原则，如清晰表述、提供语境信息、明确输出要求、分解复杂任务、避免否定性提示等；熟悉零样本提示（zero-shot prompting）、少样本提示（few-shot prompt­ing）、角色扮演提示（role prompting）、思维链提示（chain of thought prompting）、自我一致性提示（self-consistency prompting）、知识生成提示（generated knowledge prompting）等提示技术；灵活运用成熟的提示模板，如BROKE、Co-STAR、CRISPE、ICIO、RISE、TRACE等。已有研究表明，不同格式的提示语会对大语言模型的内容生成产生明显的影响（He et al.，2024）。因此，译者还需要学会编写不同格式的提示语，包括纯文本、Markdown、JSON、YAML等，熟悉不同格式的提示语的内容生成效果及所适用的任务场景，以便根据任务的具体需求选用恰当的提示语格式，提升AI系统的内容生成质量。此外，译者还需要能够针对大语言模型的不同类型，选择相应的提示语策略。当前，大语言模型主要分为通用型和推理型两类。DeepSeek-R1模型的推出，大幅提升了推理大模型的能力，有效降低了其训练成本，推动了推理大模型的普及。例如，提示语中的角色设定在使用通用大模型时是一个非常重要的设置，但由于推理大模型能够根据提示语对角色进行分析推断，角色设定的作用有所减弱。因为需要进行推理运算，现阶段的推理大模型的响应速度普遍较慢，且幻觉程度较高。译者需要掌握两类大模型的特点，根据翻译任务的具体信息需求，对大语言模型的类型做出合理选择。

输出评价能力则要求译者能够对AI系统生成的内容进行正确评估，判断生成内容是否满足任务需求。评价标准可包括准确性、流畅度、逻辑连贯性、文化适配性、信息完整度及语境契合度等方面。如果AI系统的生成内容不能满足任务需求，译者需分析原因，调整提示语设计策略，补充必要的语境信息，重新引导AI系统生成，直至达到满意效果，这种能力即提示优化能力。信息利用能力指译者能够有效地整合和利用AI系统生成的内容，包括译文版本、语言知识、翻译资源、背景知识等，提升翻译工作的质量和效率。提示管理能力则指译者对提示语进行分类、存储、检索和维护， 确保在后续翻译任务中能够对其进行高效调用，达成提示语资源的充分利用与优化迭代。

3.3 伦理维度

人工智能技术在翻译实践中的广泛应用为译者带来了前所未有的伦理挑战。陆艳（2024）从算法伦理、交互伦理和生态伦理三个方面探讨了人工智能时代的翻译技术伦理标准。译者提示素养作为译者与AI系统进行翻译协作的核心能力，其伦理维度主要涉及交互伦理层面，即译者在与AI交互过程中的伦理考量，主要表现为数据安全、知识产权和偏见规避。译者在使用提示语与AI系统交互协作的过程中，需谨慎对待敏感信息，如未公开的商业机密、法律文件或客户隐私数据。这些数据一旦被上传至AI系统，很可能被用于训练大语言模型，从而造成数据滥用，引发泄露风险。有些AI 系统默认将用户数据用于模型训练，而用户对此并不知情，这进一步加剧了安全隐患。如确有上传需要，译者需对数据进行必要的脱敏处理，避免敏感信息和商业机密的泄露。译者应能够尽可能识别AI生成内容中可能存在的版权争议，确保所用数据和资料没有知识产权问题。由于训练数据的局限性，大语言模型生成的内容可能会带有性别、种族、文化、意识形态、社会阶层等方面的偏见。译者需具备批判思维能力，审慎地对AI生成的译文或知识进行偏见审核，避免使用不当内容。

4. 结束语

作为一种新兴的智能知识媒介，生成式人工智能凭借强大的语言理解与内容生成能力，加速了翻译过程的智能化转型，深刻重塑了翻译实践的工作模式。作为用于引导大语言模型生成内容的核心技术，提示工程在人机协作智能翻译模式中发挥着关键作用。因此，译者提示素养需要得到足够重视。译者提示素养是译者信息素养在生成式人工智能时代的拓展和升级，是当前人机协作翻译的关键能力，其构成要素主要涉及认知、能力和伦理三个核心维度。开源大语言模型DeepSeek的发布，显著降低了大语言模型的训练成本，表现出卓越的推理能力，成为生成式人工智能发展史上的又一里程碑事件，AI系统呈现出容易获取、操作便捷的特点，助推生成式人工智能技术的进一步普及。随着大语言模型翻译性能的提升，提示素养成为译者翻译专业性的重要体现，是专业译者区别于普通用户的关键能力特征。专业译者需要熟悉人工智能技术的基本原理，掌握提示工程的策略和方法，发展深刻的翻译思维和跨文化沟通能力，准确分析翻译过程中的复杂信息需求，充分构建翻译过程中的相关语境，编写、优化和管理提示语，审慎评估和合理利用AI生成内容，同时严格遵守相关法律和伦理规范，保护数据安全，尊重知识产权，规避歧视偏见。

然而，需要指出的是，虽然生成式人工智能为译者提供了极为便捷的知识获取渠道和译文生成路径，但传统的搜索工具和方式依然发挥着重要作用，译者须谨防对生成式人工智能系统形成技术依赖，从而导致搜商退化症。幻觉是大语言模型的一种内在特质，很难完全杜绝，译者应对AI系统生成内容保持批判态度，充分利用自己的搜商对存疑内容进行确证。生成式人工智能时代，译者需要兼备搜商和问商，才能更好地运用AI系统实现高质量人机协作翻译。鉴于此，高校翻译教育应审时度势，与时俱进，根据生成式人工智能时代人机协作翻译模式的新要求，调整和优化教学目标、教学内容和教学方式，重视发展翻译专业学生的提示素养，培养其敏锐的专业判断力和思维创造力，提升学生面对人工智能发展浪潮的数字韧性，为应对复杂且充满挑战的翻译实践奠定坚实基础，使其能够在不断发展的翻译行业和社会中保持职业竞争力， 实现个人职业生涯的可持续发展。

本文来源：原文载于《外语教育研究》2025年第1期，第1-8页，作者：王少爽。