王少爽 | 意图的显性编码：目的论视域下智能时代人机协同翻译的实践逻辑

摘 要：生成式人工智能系统虽具有较强的文本生成与任务执行能力，但其对翻译目的、目标受众、使用情境和目标文本功能的把握仍具有明显的不完备性，翻译目的显性化因而成为人机协同翻译中的重要问题。文章以德国功能主义目的论为理论依据，提出“意图的显性编码”概念，用以指称翻译目的及其相关要求的显性化过程，旨在将其转化为兼具可执行性与可检验性的任务规范，并从提示词、工作流和智能体技能三个层面探讨其具体实现路径。研究认为，提示词实现翻译目的指令化，工作流实现翻译目的流程化，智能体技能进一步实现翻译目的及专业规范的模块化，三者共同构成人机协同翻译的实践逻辑。人工智能技术介入正在重构译者主体性，译者需通过目的解释、专业判断、协同调控和责任承担，实现对人机协同翻译过程的总体统摄。

关键词：生成式人工智能；目的论；人机协同翻译；提示词；工作流；智能体技能

【基金项目】辽宁省教育科研中青年骨干专项重点课题“生成式 AI 时代翻译专业信息素养教育模式研究”（项目编号：JG25QGA10）；大连外国语大学 2025 年外语学科“AI+ 课程”研究生创新课程项目“生成式人工智能驱动下 MTI 翻译技术课程教学模式创新与实践研究”（项目编号：RGZNKC2025-13）。

【作者简介】王少爽，男，博士，教授，博士生导师，研究方向为智能翻译技术、人工智能素养、人机协同机制。

【引用格式】王少爽. 意图的显性编码：目的论视域下智能时代人机协同翻译的实践逻辑[J]. 外语教育研究, 2026(3): 1-9.

0 引言

以大语言模型为核心驱动的生成式人工智能技术持续演进，正在推动翻译实践模式由技术辅助转向人机协同。依托自然语言交互，译者可以通过提示设定任务，并根据模型输出持续反馈、调整和优化译文，人机关系由简单工具调用逐步转向持续互动与协商[1]。相关研究表明，以ChatGPT为代表的大语言模型已在多语翻译和提示驱动的译文生成方面表现出较强能力[2]。然而，较强的生成与交互能力并不意味着人工智能具有与人类译者同等完备的翻译意图。功能主义认为，翻译是目的导向的跨文化交际行动，翻译策略应服务于目标文本的预期目的与功能[3-4]。生成式人工智能虽能依据提示和上下文推断任务要求，却难以自主确定“为何而译”“为谁而译”及“译文应发挥何种功能”，在多重目标冲突时也缺乏稳定的优先排序和责任承担机制。

翻译目的显性表达在人机协同环境中具有新的实践意义。在传统翻译中，译者可以依据翻译委托、交际情境和专业经验补足隐性任务信息。在人机协同翻译中，若相关信息未被明确表达，模型只能依据上下文进行概率性推断。已有研究将翻译目的和目标受众纳入提示词设计[5]，尝试引入功能主义中的翻译任务说明（translation brief）[6]，根据不同翻译任务有针对性地设计功能导向的提示词[7]。这表明，目的论相关概念具有转化为模型可响应任务条件的可能性。然而，现有研究主要集中于提示层面的任务设定，对翻译目的如何贯穿多阶段协同过程并沉淀为稳定规则，仍缺乏系统探讨。

基于此，本文将翻译目的、目标受众、使用情境、目标文本功能、翻译类型、翻译策略、评价标准及责任约束等目的性信息转化为模型可识别、可执行和可检验任务规范的过程概括为“意图的显性编码”，探讨翻译目的如何通过提示词设计实现指令化，通过人机协同工作流实现流程化，并通过智能体技能构建实现目的与专业规范的模块化，进而探讨译者如何通过目的解释、专业判断、协同调控和责任承担，实现对人机协同翻译实践的总体统摄。

1 目的论对人机协同翻译的理论启示

生成式人工智能能够依据自然语言指令执行翻译任务，并表现出较强的目标响应和情境适应能力，但这种目标导向并不等同于人类翻译主体意义上的完整意图。一方面，模型的翻译目标主要来自用户提示、系统设定和上下文推断，具有明显的外部赋予性；另一方面，其对目标受众、使用情境和交际功能的把握主要依赖概率推断，当准确性、可读性、文化保留和传播效果等目标发生冲突时，缺少稳定的价值排序和责任承担机制。大语言模型对用户意图的遵循需要借助用户提示、人类示范和基于人类反馈的对齐机制加以强化[8]，其对意图意义、复杂语境和目标受众的把握仍存在一定局限[1]。可见，生成式人工智能虽具有一定的目标导向性，但其翻译意图仍呈现外部依赖、情境把握有限、目标排序不稳和责任承担能力缺失等不完备特征。

德国功能主义翻译理论为认识和回应这一问题提供了重要理论资源。Holz-Mänttäri[9]将翻译置于由发起者、委托人、译者、文本使用者和接受者等多方参与的专业行动中加以考察，目的论则进一步强调目标文本的预期目的对翻译决策和策略选择具有重要制约作用[3]。由此，翻译决策首先需要明确“为何而译”“为谁而译”及“译文需要发挥何种功能”，并在此基础上处理具体的文本转换问题。这一目的导向的行动观对人机协同翻译具有重要启示：模型可以执行翻译任务和生成目标文本，但翻译目的及其相关的受众、情境与功能要求仍需由人类主体加以明确，并进一步转化为模型能够响应的任务条件。

目的论认为，目标文本的预期目的（skopos）是翻译决策的重要依据，其基本原则包括目的原则、连贯原则和忠实原则：目的原则要求翻译方法和策略服从既定翻译目的，连贯原则要求译文在目标语交际情境中具有可理解性和可接受性，忠实原则要求译文与原文之间保持与翻译目的相适应的关联。其中，目的原则居于首位，连贯原则和忠实原则均受翻译目的制约[3]。翻译任务说明则通过明确译文用途、目标受众、使用情境和传播媒介等，将抽象目的具体化为可操作的任务要求。文献型翻译（documentary translation）与工具型翻译（instrumental translation）的区分，为不同目的下的源文保留、文化适应和功能重构提供了策略依据；适切性（adequacy）用于判断译文是否符合既定目的和任务要求，而Nord[4]提出的“功能加忠诚”（function plus loyalty）则进一步为目的实现划定责任边界。

这些核心概念和原则对人机协同翻译具有直接指导意义：翻译目的确定任务方向，翻译任务说明将目的转化为具体条件，目的原则统摄策略选择，连贯原则和忠实原则为译文生成提供基本约束，翻译类型为源文保留与功能调整提供策略依据，适切性提供评价标准，忠诚原则则限定技术应用和翻译决策的责任边界。由此，目的论为人机协同翻译建立起从目的设定、任务具体化、策略选择到质量评价和责任约束的完整逻辑，也为翻译目的进一步通过提示词、工作流和智能体技能实现显性编码提供了理论依据。

2 翻译目的指令化：目的论导向的提示词设计

生成式人工智能以自然语言提示作为重要的人机交互接口。在翻译任务中，原本隐含于委托关系、交际情境和译者认知中的目的性信息，需要进一步转化为模型可识别和响应的任务指令。已有研究表明，提示设计能够影响大语言模型的翻译表现：在使用ChatGPT执行翻译任务时，加入翻译方向、领域信息和少样本示例，可以改善特定任务条件下的翻译表现[10]；少样本提示的效果高度依赖示例选择，其中示例质量比领域匹配或词汇-语义相似度更为关键[11]；引入篇章级上下文有助于提高术语翻译一致性、零代词翻译准确性及整体语篇意识[12]；通过提示提供领域翻译实例、术语和外部词典知识，也能够增强模型的领域适应与词汇处理能力[13-14]。由此可见，提示词不仅是触发翻译生成的操作指令，也是组织任务信息、语境信息和专业知识的重要载体。

从目的论看，提示设计的关键在于将翻译任务说明转化为模型可识别、可响应的任务条件。功能主义强调，翻译决策应以翻译目的、目标受众和使用情境为依据，并据此确定目标文本功能和翻译策略[4]。对于人类译者而言，未被明确说明的任务信息尚可凭借职业经验和情境知识加以补足；对于生成式人工智能而言，“请将以下文本翻译成英文”之类的简单指令，实际上将译文用途、目标受众、传播媒介和文本功能等关键变量交由模型自行推断，其结果未必符合具体翻译任务的真实要求。因此，目的论导向的提示设计强调将隐含的目的性信息显性化，并编码为明确的任务条件，从而降低模型理解和执行翻译任务的不确定性。

翻译目的指令化可以按照从翻译目的和目标受众出发，结合使用情境与目标文本功能，进一步明确翻译类型、翻译策略和评价标准的逻辑展开。翻译目的规定任务方向，目标受众和使用情境限定译文的适应条件，目标文本功能将总体目的转化为具体交际要求，翻译类型界定源文与译文的基本关系，翻译策略落实到术语、文化项、语域、信息重组和形式调整等层面，评价标准则用于检验模型输出与任务要求的契合程度。由此，抽象的翻译目的被逐步编码为可操作、可执行和可检验的生成条件。

在具体实践上，译者可以借鉴现有提示词设计框架的结构化思路，将上述要素组织为相对固定的提示模块，如任务角色、翻译目的、目标受众、使用情境、功能与类型、策略与约束、参考信息，以及输出与评价要求等。结构化提示能够明确不同任务变量的边界及其层级关系，减少关键信息遗漏、指令歧义和多重要求之间的冲突，也便于译者根据不同翻译任务替换变量、迭代提示和复用模板。对于目的论导向的翻译提示词而言，结构化设计尤其有助于将分散的目的性信息转化为具有明确组织关系的任务规范，使模型更稳定地把握“为何而译、为谁而译、如何翻译，以及如何判断译文是否达成目的”。这一过程也对译者提示素养提出了更高要求，译者需要根据具体翻译任务的信息需求设计和优化提示，并对模型输出进行批判性评估和迭代调整，以实现对人机交互过程的有效引导[15-16]。

多重目标及其优先关系也需要在结构化提示中得到显性表达。实际翻译任务往往同时涉及准确性、可理解性、文化保留和传播效果等要求，不同目标之间可能存在冲突。若仅要求模型做到“准确、忠实、自然、流畅”，目标权衡仍需由模型自行推断。因此，提示还应明确核心目标、次级目标及必要约束，为模型处理目标冲突提供相对稳定的依据。文献型翻译与工具型翻译的区分，也有助于明确源文保留、文化适应和功能调整的程度及边界，从而保持局部翻译决策与总体翻译目的的一致性。目的论还可为提示中的语境和知识配置提供选择依据。示例、术语、篇章上下文和外部知识对不同翻译任务的作用并不相同：专业技术翻译更依赖术语规范、领域知识和平行文本，国际传播文本则更需要目标受众、文化背景和传播情境等信息。哪些信息进入提示，应由翻译目的和目标文本功能决定，从而实现对关键信息的针对性选择与组织。

据此，目的论导向的提示词可以视为翻译任务说明在生成式人工智能环境中的技术延伸。通过结构化编码上述目的性要素，译者可以将部分专业判断转化为模型可响应的任务规范，实现翻译目的由隐性认知向显性指令的转化。结构化提示还具有模板化和可复用特征，可为后续将翻译目的进一步嵌入工作流和智能体技能提供接口。然而，提示主要解决“目的如何进入模型”的问题，在长文本、多阶段和多轮协同任务中，还需将翻译目的贯穿任务分析、资源配置、文本生成、质量评价和反馈修订等连续环节，由目的指令化进一步走向目的流程化。

3 翻译目的流程化：目的论导向的人机协同工作流编排

提示词能够将翻译目的转化为模型可响应的任务指令，但复杂翻译活动通常涉及文本分析、知识检索、术语处理、译文生成、质量评价和反馈修订等多个环节，单次提示难以保证既定目的在全过程中持续发挥约束作用。随着大语言模型进入多阶段翻译流程，翻译实践逐渐由一次性生成转向任务分解、迭代修订和多角色协作。Chen等[17]通过多轮提示引导模型对初始译文进行迭代修订；Briva-Iglesias[18]探讨了单智能体与多智能体翻译工作流，并以翻译、充分性审查、流畅性审查和最终编辑等角色组织多智能体协作；Grubišić与Korenčić[19]则探索了评价指标驱动的多智能体翻译修订工作流。由此可见，工作流正在成为生成式人工智能参与复杂翻译任务的重要组织形式。

从目的论看，工作流设计旨在将翻译目的由生成前的任务设定转化为贯穿全过程的控制原则。Nord[4]的自上而下（top-down）功能主义路径强调从翻译任务说明和目标文本预期功能出发，确定基本翻译取向，并逐层处理文化和语言层面的具体问题。这一思路启示人机协同翻译将目的分析置于流程前端，使资源配置、策略选择、译文生成和质量评价均受到既定翻译目的的持续约束。近期，智能体开发中提出的驾驭工程（harness engineering）也体现出类似的系统化思路，其关注点由单次提示扩展到任务环境、上下文、工具、约束和反馈回路的整体设计，以提高智能体执行复杂任务的稳定性与可控性[20]。对人机协同翻译而言，这意味着翻译目的需要进入整个任务运行环境，而不能仅停留在初始提示之中。

据此，目的论导向的人机协同工作流主要包括目的确立、任务建模、资源配置、任务执行、功能评价和反馈校准等环节。各环节相互衔接，共同服务于既定翻译目的的实现。具体而言，该工作流首先通过翻译任务说明明确译文用途、目标受众、使用情境、核心功能及目标优先级，其次将其转化为翻译类型、术语规范、文化处理、风格要求和质量标准等任务参数，再次根据任务需要配置术语库、知识库、平行文本、风格指南和外部检索资源，并将复杂任务分解为文本分析、难点识别、术语确认、策略规划、译文生成和修订等子任务，最后依据既定目的评价输出并反馈校准。翻译目的由此成为连接各环节、协调不同资源和维持流程一致性的共同依据。

这一流程还需要依据人机能力差异进行合理分工。人工智能系统可以承担信息整理、知识检索、候选译文生成、术语检查、多版本比较和形式调整等任务；涉及翻译目的解释、目标冲突权衡、文化价值判断、事实风险和重大策略选择的环节，则需要译者发挥专业判断。现有多智能体翻译研究已通过翻译、评价和修订等角色分工组织复杂任务[18-19]。从目的论出发，人机分工还应综合考虑翻译目的、任务风险和判断复杂度，在高情境依赖、高文化敏感性和高风险环节设置明确的人工介入节点，使人机协同由“机器生成—人工纠错”进一步转向“人工规划—人机执行—动态校准”。

目的流程化还要求将评价嵌入关键节点，形成持续校准机制。在多阶段生成中，模型可能因局部追求流畅性、可理解性或形式优化而偏离既定的准确性、文化保留或文体要求。因此，评价应贯穿整个任务过程。各阶段均需依据目标受众、核心功能和策略边界判断当前输出与翻译目的的契合程度，并据此继续生成、补充检索、调整提示、重新执行或转交人工处理。Chen等[17]的迭代修订研究表明，多轮提示可以引导模型对初始译文进行迭代修订。由此，评价由结果检测扩展为过程控制，从而形成“生成—评价—反馈—修订”的闭环，使翻译目的在动态生成过程中得到持续维护。

因此，目的论导向的工作流以翻译目的为中心，对译者、模型、知识资源、任务步骤和评价活动进行系统组织。提示词解决目的如何转化为模型指令的问题，工作流进一步解决目的如何在多阶段协同中持续贯彻和校准的问题，实现翻译目的由静态指令向动态过程规则的转化。对于目的稳定、领域固定、规范相对成熟的重复性翻译任务，译者还可将经过验证的目的要求、专业规范和流程经验沉淀为可重复调用的能力模块，从而使目的流程化进一步走向目的与专业规范的模块化。

4 翻译目的模块化：目的论导向的智能体技能构建

提示词实现了翻译目的指令化，工作流进一步使目的贯穿任务分析、资源配置、文本生成、质量评价和反馈修订等环节。对于目的相对稳定、流程较为成熟的同类任务，若每次都重新设计提示、配置资源和编排流程，不仅增加重复成本，也容易造成策略选择和质量标准的不一致。随着生成式人工智能向智能体化发展，智能体技能（skills）逐渐成为封装和复用专业能力的重要机制。

在人工智能领域，智能体技能指由指令、脚本和相关资源组成的可复用能力单元，可根据任务需要由智能体动态发现和加载，从而赋予其特定领域的程序性知识和任务执行能力[21]。相关研究进一步将智能体技能概括为可组合、可按需加载的指令、代码与资源包，其作用在于将程序性知识从模型参数中分离出来，在无须重新训练模型的情况下实现能力扩展[22]。与一次性提示相比，智能体技能具有更显著的模块化、可复用和可组合特征，能够将相对稳定的任务规范和执行经验沉淀为智能体可持续调用的能力。本文所称的翻译技能（translation skills），是指面向特定类型翻译任务，将翻译目的、任务规则、工作流程、知识资源、工具调用、质量标准和人工介入条件等封装为可重复调用的专业能力模块，即用于执行翻译任务的智能体技能。这里的“技能”是智能体领域的技术概念，不等同于翻译能力研究中一般意义上的译者技能。提示词规定单次交互中模型需要完成的任务，工作流组织任务的执行过程，翻译技能则进一步将一类任务中相对稳定的目的、知识、规则和流程沉淀为可复用的能力结构。翻译目的由此从临时指令和过程规则进一步转化为稳定的专业能力配置。

目的论为翻译技能的模块化提供了组织原则。翻译技能首先应以翻译任务说明为入口，在生成译文前明确翻译目的、目标受众、使用情境和功能要求，并在关键信息缺失时通过询问或人工确认加以补足；继而依据目标文本功能和翻译类型，将文化信息保留、术语处理、信息重组和文体调整等要求编码为相对稳定的策略规则，并允许译者根据具体情境进行调整。Yamada[23]提出的智能体翻译原型将结构化任务说明纳入译文生成和验证过程，也体现出由文本输入驱动向任务规格驱动的转变。

知识资源、工具调用和质量评价也可以纳入翻译技能的模块化配置。专业翻译通常依赖术语库、领域知识库、平行文本、风格指南、机构规范及外部检索工具，不同翻译目的对应不同的资源需求。已有研究表明，智能体可以从外部技能库中检索和调用与当前任务相关的技能[24]；多智能体翻译研究也已将生成、评价和修订整合于相对稳定的执行结构[19]。从目的论看，资源与工具的选择、调用时机及评价标准均应服务于既定翻译目的。当出现功能偏移、事实不确定、目标冲突或高风险决策时，技能还应触发补充检索、重新生成或人工介入。由此，目的论导向的翻译技能可以由上述模块构成，并由翻译目的加以统一组织。任务说明明确目的，策略和资源服务于目的，工作流程贯彻目的，质量评价检验目的实现程度，人工介入则处理预设规则难以覆盖的复杂情境。翻译技能因而可以看作是翻译目的、专业知识与程序性经验的模块化载体。

需要注意的是，模块化并不意味着翻译决策可以完全规则化。同类文本在不同委托关系、目标受众和传播目的下仍可能需要不同的处理方式，过度固化规则也会削弱其对具体情境的适应能力。因此，翻译技能适宜封装相对稳定、可形式化和可复用的专业知识与程序性经验，同时为目的解释、策略调整、文化判断和高风险决策保留人工介入空间。至此，翻译目的显性编码形成由指令化、流程化到模块化的递进路径：提示词将目的转化为任务指令，工作流使目的贯穿执行过程，翻译技能则将目的及相关知识、规则和经验沉淀为可复用的专业能力。目的能够被编码和封装，并不意味着人工智能由此获得完整的翻译主体性。对翻译目的的解释、具体情境的判断及最终译文的责任承担，仍须由人类译者来完成。

5 意图、判断与责任：智能时代译者主体性的重构

随着翻译目的逐步被编码为提示指令、工作流程和智能体技能，部分原本依赖译者即时处理的任务开始显性化、规则化和自动化。人工智能参与翻译项目的任务分析、策略规划、文本生成、质量评价和反馈修订，从而推动译者主体性的实现方式发生重构。王华树、张成智[25]指出，人智协同翻译中，人工智能将承担更多数据分析、初步翻译等任务，译者则更多参与术语审定、文化适配和创造性审校。由此，智能时代译者主体性的重心正在由直接的语言生产转向对翻译意图的解释、翻译判断的实施和翻译责任的承担。

首先，意图构成译者主体性的起点。这里的翻译意图主要体现为翻译行动所要实现的目的及其具体要求。翻译任务说明并非总是完整、明确和内部一致的，委托方要求、作者诉求与目标受众需求之间也可能存在冲突。译者需要结合目标受众、使用情境和传播效果，对翻译意图进行解释、协商和必要调整，并进一步将其转化为可执行的任务要求。生成式人工智能可以依据提示和上下文推断任务目标，却难以自主判断不同目标的合理性及其优先关系。因此，提示词、工作流和智能体技能对翻译意图的显性编码，仍以译者对翻译目的的解释、确认和调整为前提。

其次，判断是翻译意图落实为具体行动的关键机制。明确的翻译意图并不意味着自动导出唯一的翻译方案，同一目的可能对应不同策略，同一策略在不同情境中的效果也可能存在差异。文化信息如何处理、形式特征保留到何种程度，以及准确性、可理解性和传播效果发生冲突时如何取舍，都需要情境化的专业判断。大语言模型可以生成候选方案并依据预设标准进行比较，但何种方案最符合既定翻译目的，仍须译者结合专业知识和具体情境做出裁决。提示词设计、工作流编排和智能体技能构建也因此成为译者专业判断的新载体，其中包含对任务优先级、人机分工、知识资源和质量标准的预先选择。译者由模型输出的后端审校者进一步转向协同任务的设计者、过程调控者和结果裁决者。

再次，责任限定了译者主体性的最终边界。Nord[4]提出的“功能加忠诚”理论强调，译者既要使目标文本在预期情境中实现相应功能，也要对翻译行动的相关参与者承担责任。人工智能技术的介入虽然改变了翻译生产方式和主体关系，却没有消除这种责任要求。刘世界等[26]指出，智能时代译者仍是翻译实践的重要主体，其责任涉及文本内容传达、译文质量把控、职业操守及人工智能工具的规范使用，并呈现出由译文生产者向质量把控者和伦理审视者转变的趋势。人工智能可以生成译文、执行规则和参与评价，却无法真正承担误译、事实虚构、文化误表征或不当传播所产生的职业影响与伦理后果。因此，翻译任务可以在人机之间重新分配，最终责任却不能随技术参与而自动转移。

意图、判断与责任共同构成智能时代译者主体性的核心结构。意图规定翻译行动的目的和方向，判断决定这一目的如何在具体情境中得到实现，责任则限定技术应用和翻译决策的边界。三者贯穿提示词、工作流和智能体技能的设计与运行：翻译意图需要由译者解释并编码，专业判断需要译者在协同过程中持续介入和校准，责任则要求译者对最终结果进行审视和承担。由此，智能时代译者主体性的重构，主要体现为其专业作用由直接语言生产进一步转向意图统摄、专业判断和责任承担。

这一主体性重构也对翻译教学提出了新的要求。智能时代的翻译教学需要在继续夯实语言能力、文化素养和翻译基本功的基础上，更加重视学生对翻译目的的识别与解释、复杂情境中的专业判断，以及人工智能应用中的责任意识。教学内容也应由单纯训练文本转换能力，进一步拓展到翻译任务分析、人机协同决策、提示词设计、工作流编排、智能体技能构建及译文评价等环节，引导学生理解人工智能在翻译过程中的能力边界，并学会根据翻译目的合理配置人机分工、审视模型输出和承担最终决策责任。由此，翻译教学的重点应从“如何借助人工智能完成翻译”进一步转向“如何以译者主体性统摄人工智能参与的翻译过程”，从而培养能够解释意图、做出判断、调控协同并承担责任的智能时代翻译人才。

6 结束语

当大语言模型深度介入翻译实践后，翻译活动中原本依赖译者经验、情境判断和专业规范加以把握的目的性要求，越来越需要以模型能够识别和执行的方式加以明确。本文以目的论为理论依据，从提示词、工作流和智能体技能三个层面考察翻译目的在人机协同翻译中的实现方式。提示词将目的及相关要求转化为任务指令，工作流使其贯穿任务分析、资源配置、文本生成、质量评价和反馈修订等环节，智能体技能则进一步将相对稳定的目的要求、专业知识和流程经验沉淀为可复用的能力模块。本文以“意图的显性编码”概括这一实践取向，其实质在于将翻译目的及其相关要求转化为模型可识别、可执行并可在过程中校验的任务条件。翻译目的的显性化还需要落实到翻译活动的知识处理与情境适配之中。翻译作为跨语言知识转移过程，涉及知识的再概念化与再语境化[27]，因而翻译目的的实现也应贯穿知识选择、情境适配、策略实施和功能评价等多个层面。

这一变化促使译者主体性在新的技术条件下发生重构。人机协同正在推动译者由技术使用者转向引导者、评估者和协同决策者，其主体性更多体现为在与技术互动中的动态调控能力[28]。人工智能可以承担越来越多的生成和执行任务，但翻译目的的解释、复杂情境中的专业判断及最终责任的承担仍有赖于人类译者。正如刘云虹、许钧[29]所强调的，人仍是人机协作翻译中完全意义上的责任主体和伦理主体。因此，人机协同翻译的关键在于使技术执行始终受到翻译目的、专业判断和责任边界的约束。需要指出的是，提示词、工作流和智能体技能只是现阶段人机协同翻译的具体技术形态，未来可能随人工智能技术演进而变化，但如何将翻译目的及其相关要求转化为人工智能可识别、可执行的任务条件，并使其贯穿任务执行过程，依然将是人机协同翻译的基础性问题。

（文章选择公众号前沿翻译技术）