这是一个虚构但很典型的案例：小蒋是一位从事笔译或本地化工作的自由译者或公司译员，最近手头在忙“交付一份 8000 字技术手册翻译”，同时还要准备“更新个人术语库”。这次小蒋需要整理一份给项目经理的译文，决定试试 AI 决策矩阵分析。

背景

对小蒋来说，交稿周期紧，术语统一和风格一致要求高，大量时间花在查资料和自我校对上。偏偏这次还遇到一个变数：客户术语表版本不一致，需要确认以哪个为准。译文需要尽快交给项目经理，时间并不宽裕。

第一次尝试：问题出在哪

小蒋一开始只写了一句话：

帮我写一份关于“软件产品的本地化”的译文。

结果 AI 给出的内容四平八稳却用不上。复盘下来，主要有两个问题：

  • 标准之间重复计算。
  • 忽略一票否决项。

改进后的提示词

小蒋按照决策矩阵的思路重写了提示词，核心是列出评价标准：

我是翻译，正在决定：客户术语表版本不一致，需要确认以哪个为准，应该怎么应对。
候选方案：[方案1]、[方案2]、[方案3]
请帮我做一个决策矩阵：
1. 先建议 5 个评价标准，并说明为什么重要；
2. 我确认标准和权重后，请按 1-5 分为每个方案打分，并写出理由；
3. 计算加权总分；
4. 指出如果把最重要的标准权重降低 10%，排名会不会变化。

结果（示意）

下面的效果为虚构演示，用来说明这类改进通常带来的变化：

示例（虚构）：一位求职者在两份工作间选择。矩阵显示 A 公司总分略高，但敏感性分析指出，只要把“成长空间”的权重提高一点，B 公司就会反超。这让他意识到真正需要想清楚的是自己更看重什么。

拿到结果后，小蒋没有直接转发，而是先检查关键事实和数字，再补上 AI 不知道的背景。

复盘：这次用到的方法

  • 为每个标准分配权重，权重总和为 100%。
  • 为每个选项在每个标准上打分，并写下理由。
  • 让 AI 计算加权总分，并分析结果对权重的敏感程度。
  • 比如“薪资”和“收入”分开计分，会让同一因素权重过高，合并相似标准。

之后小蒋发现，同样的方法也适用于另一类场景：决策重要且难以反悔，想更系统地思考。

复盘时小蒋还想到一个问题：个人生活决策也适用吗？答案是：适用，比如选房、选学校，但要记得把情感因素也作为一项标准。

给翻译的提醒

把术语表和风格要求放在提示词开头，让 AI 严格遵守。客户保密文件不要上传到公共 AI 服务，提交前确认合同对 AI 使用是否有限制。另外，对话里不要出现客户保密文件和未公开的产品资料。

一个额外的小技巧：把矩阵和反方视角结合，再检查一遍首选方案的风险。

可以复用的经验

这个案例里最值得复用的，不是某一句提示词，而是“先说清背景和标准，再看结果、再修正”的习惯。下次遇到“学习一款计算机辅助翻译工具的新功能”这类任务，同样适用。

相关阅读