朋友在微信上甩过来一张截图。
是他给国外客户写的邮件，英文版。我读了三行就不想读了——不是看不懂，是那种”每个词都对但每一句都不像人说的”感觉让他看起来像个来自 2003 年的翻译软件。他说他用了 ChatGPT 翻译，我说你用是用了，但你让它怎么翻的？
他发给我的 Prompt 就四个字：翻译成英文。
我说你这不叫用 AI，这叫让 AI 拿着你给的四毛钱预算去下馆子——它能给你上的菜只有速冻水饺。然后我把这条 Prompt 扔给了他：
I want you to act as an English translator, spelling corrector and improver. I will speak to you in any language and you will detect the language, translate it and answer in the corrected and improved version of my text, in English. I want you to replace my simplified A0-level words and sentences with more beautiful and elegant, upper level English words and sentences. Keep the meaning same, but make them more literary. I want you to only reply the correction, the improvements and nothing else, do not write explanations.
十分钟后他又发来一版邮件。我说这才是你的水平——不对，是你本来该有的水平，只是之前你没告诉 AI 标准在哪。
这条 Prompt 在做什么：三明治结构的直觉
第一眼看过去，这条 Prompt 好像在说同一件事：翻译、纠错、润色。但把它按句子拆开，每一句都在精确地限定 AI 的行为边界。
最外层是角色定义——”act as an English translator, spelling corrector and improver”。不是”帮我翻译”，而是”你现在就是这个角色”。中间层是流程描述——检测语言→翻译→输出。最内层是质量标准——”more beautiful and elegant, upper level”，以及一个关键的约束词：”A0-level”。
这不是随意写的三段话，这是一个角色三明治。面包是角色身份，肉饼是执行流程，酱料是输出标准——每层各管一摊，缺一层就会散架。
第一层面包：为什么”Act as”比”请帮我”强那么多
人类给 AI 下指令有两个模式。一种是「任务模式」——”翻译下面这段话”——AI 理解的是”有一个翻译任务需要完成”。另一种是「角色模式」——”你是一个英语翻译和润色专家”——AI 理解的是”你现在就是一个翻译专家，你的全部能力都应该以这个身份运作”。
这两者的差异在 LLM 的行为上肉眼可见。任务模式下，模型调用的是通用翻译能力——它见过无数翻译任务的训练数据，它会给出一个”平均水平的翻译”。角色模式下，模型被引导到一个更窄的分布——和”翻译专家””英语润色师”相关的训练数据——这些数据通常质量更高、更专业。
这条 Prompt 的厉害之处在于它一次性指定了三个角色：翻译（translator）、拼写纠正（spelling corrector）、语言改进（improver）。三个角色不是并列的——它们构成一个流水线。拼写纠正是最底层的保障，翻译是核心任务，改进是最后一公里的打磨。模型读到的不是”做三件事”，而是”在这个流水线上，你的产品要从原料变成成品，每一步都不允许跳过”。
第一口咬下去：拼写纠正为什么是第一站
大多数人写英文 Prompt 会说”翻译成英文，顺便检查语法”。这条 Prompt 把拼写纠正放在翻译前面——这其实是一个被很多人忽略的关键顺序。
如果你先翻译、后纠错，AI 的注意力已经分配给了语义转换。拼写问题会被当作”译文本身的问题”来处理——它可能改对，也可能把一个本来通顺但不够地道的表达判定为没问题。但反过来，先纠错、后翻译，纠错作用于源语言。源语言的拼写错误被修复后，翻译的输入质量更高，输出的英文自然也更好。
而且拼写纠正（spelling corrector）在这里是一个职能，不是一个动作。它不是”先帮我改错别字”，而是”你的身份之一是拼写纠正师”。这意味着即使你的输入完全没有拼写错误，AI 也会在这个身份下审视你的文本：没错误它跳过，有错误它拦截。身份决定了它始终在场。
第二层肉饼：语言检测 → 翻译 → 回答 —— 一条不可打断的流水线
“I will speak to you in any language and you will detect the language, translate it and answer in the corrected and improved version of my text.”
这句话等于给 AI 安装了一个「自动输入端」。用户不用每次都写”翻译以下中文”，甚至不用告诉 AI 原文是什么语言。你可以今天发中文，明天发日语，后天发西班牙语——AI 自己闻出来，自己处理。
这在实操上解决了两个问题。一是降低使用门槛：你不需要知道语言代码，不需要格式化输入。二是在长对话中保持一致性：同一个对话窗口里，你发什么语言都行，Prompt 不会因为语言切换而失效。这个功能在跨境沟通场景里出奇好使——上一句客户发来的法文邮件，下一句你要回英文，再下一句你要把同事的西语 WhatsApp 截图里的文字翻出来。一条 Prompt 管到结束。
第三层酱料：A0-level 为什么是整条 Prompt 的发动机
“I want you to replace my simplified A0-level words and sentences with more beautiful and elegant, upper level English words and sentences.”
很多人读到”A0-level”时会微微皱眉——谁会说自己的英语是 A0 级？但这不是自谦，这是一个精确的指令设计。
AI 在翻译时有一个隐含的假设：原文的水平就是目标译文的水平。如果你告诉 AI”翻译成英文”，但没有指定质量层级，AI 会根据原文的语言复杂度来判断输出水平。原文用词简单，它就输出简单的英文；原文用词高级，它就输出高级的英文。
但你给 AI 翻译的很多文本根本不是”你的真实英语水平”。它可能是一段中文口语、一条微信消息、一段脑子里过一遍就扔出来的草稿。这些东西的语言复杂度不能代表你需要的译文质量。
“A0-level”的作用是人为压低 AI 对输入的评估，从而触发更大幅度的升级。
这是一个刻意的误判。
AI 看到 A0-level 这个词，会认定”源文本的语言质量很低”。于是它有充分的理由把输出拔高——不是从 B1 到 B2 那种温和的升级，而是从 A0 到 C1 的跃迁。
这就是为什么同样的原文，加了”A0-level”之后出来的英文质感完全不一样。不是润色，是重建。
“Literary”不是让你写诗，是让你把话说得不像说明书
“Keep the meaning same, but make them more literary.”
literary 这个词是整个 Prompt 里最容易引起误解的部分。很多人以为 literary 意味着要用华丽辞藻、隐喻堆砌、莎士比亚式长句。不是。
在翻译和润色的语境里，literary 更接近一种话语质感。句子有节奏、词汇有意向、整体有一种”这话是被人认真写出来”的感觉，而不是”被翻译软件吐出来”的感觉。
一个具体的例子。正常的翻译模式会把”我很高兴收到你的邮件”翻译成”I’m very happy to receive your email”。这没错，但它是说明书。literary 模式下，AI 可能输出”It was a genuine pleasure to find your message in my inbox”。意思完全一样，但第二句有一种人在说话的温度。
literary 在这里的作用不是要求文学性，而是要求刻意性——每一个词都是被选过的，不是被默认生成的。它强制 AI 从”最可能的表达”切换到”最讲究的表达”，这对非英语母语者来说正是最稀缺的能力。
最后一块面包：”Only reply”是一道防火墙
“I want you to only reply the correction, the improvements and nothing else, do not write explanations.”
这条规则看起来是为了干净——不想让 AI 在前面加一句”好的，以下是翻译结果”。但它的实际作用远不止于此。
LLM 在没有被明确限制输出范围时，有一种”老师瘾”——它喜欢解释自己做了什么。”这句话我改成了 XX 因为原句缺少 YY””这里我调整了时态”…这些解释在学英语的场景里有用，但在实际使用场景里是噪音。你发给客户的英文邮件后面不能跟一段 AI 的自我解说。
更重要的是，这条规则让 Prompt 变成了一条可嵌入工具的指令。
纯译文无解释，意味着你可以把这条 Prompt 直接挂到翻译软件、微信插件、邮件助手里。如果输出带了”我改了这些地方…”，你就永远要多一步手动清理。
不写解释，是把 Prompt 从”聊天玩具”升级为”生产力工具”的最后一步。
这条 Prompt 教我们的事：什么是好的元指令
这条 Prompt 之所以经典，不是因为它翻译质量特别好——市面上有比它更好的翻译 Prompt。它经典在它是一个教科书级的元指令：一条告诉 AI”怎么执行”而不是”执行什么”的 Prompt。
大部分 Prompt 的逻辑是指定内容：”帮我做 X””按照 Y 格式输出””不要做 Z”。这条 Prompt 的逻辑是指定标准递进链：角色→流程→质量标准→输出边界。它不是在描述一个任务，而是在设定一个系统。
这才是值得放进收藏夹的 Prompt 类型——它不是换个变量就能用的模板，它是一种写 Prompt 的方式。你学会的不是”怎么让 AI 翻译得更好”，而是”怎么让 AI 在任何任务上执行得比你预想的更好”。翻译只是这套逻辑的一个应用案例。
技术参数
| 项目 | 内容 |
|---|---|
| 适用模型 | ChatGPT / Claude / Gemini / DeepSeek 等主流 LLM |
| 适用场景 | 英文邮件、简历、社交文案、学术摘要的翻译与润色 |
| 核心设计 | 角色三明治：身份定义 → 流程约束 → 质量分级 → 输出防火墙 |
| 亮点机制 | A0-level 锚定 → 触发跃迁式升级；only reply → 去解释化输出 |
| 输入语言 | 自动检测，不限语言 |
| Prompt 长度 | 约 150 词（英文原文） |
Prompt 完整附录
英文原文：
I want you to act as an English translator, spelling corrector and improver. I will speak to you in any language and you will detect the language, translate it and answer in the corrected and improved version of my text, in English. I want you to replace my simplified A0-level words and sentences with more beautiful and elegant, upper level English words and sentences. Keep the meaning same, but make them more literary. I want you to only reply the correction, the improvements and nothing else, do not write explanations.
中文对照版：
我希望你担任英语翻译、拼写纠正和语言改进者。我会用任何语言与你交谈，你将检测语言、翻译它，并用英语回答我已纠正和改进的文本。我希望你用更优美、更优雅、更高级的英语词汇和句子替换我简化的A0级词句。保持原意不变，但使它们更具文学性。我希望你只回复纠正和改进后的内容，不输出任何解释。
结构拆解：
| 层 | 原文关键句 | 职能 |
|---|---|---|
| ? 上层 | “act as an English translator, spelling corrector and improver” | 角色身份锚定 |
| ? 底层保障 | “spelling corrector” | 拼写纠错前置，先修源语言 |
| ? 中层 | “detect the language, translate it and answer” | 自动检测 → 翻译 → 输出流程 |
| ? 质量引擎 | “replace my simplified A0-level words…upper level” | 压低输入评估 → 触发跃迁式升级 |
| ✍️ 风格导向 | “make them more literary” | 强制刻意性，远离翻译腔 |
| ? 输出边界 | “only reply the correction…do not write explanations” | 防火墙：去解释化，可嵌入工具 |
常见问题
Q：这条 Prompt 跟 DeepL 之类的翻译工具有什么区别？
DeepL 做的是忠实翻译——语义准确性上几乎无可挑剔，但它不会主动帮你把”I’m happy”升级成”It was a genuine pleasure”。
这条 Prompt 则内置了”A0→upper level”的主动升级逻辑。
两者的使用场景不同：需要精准传达信息时用 DeepL，需要在精准传达之外还要”像有文化的人写的”时用这条 Prompt。实操上，追求最好效果的话，先 DeepL 初译，再用这条 Prompt 润色。
Q：如果我的英语本身就不错（B2-C1），这个 Prompt 还有用吗？
更有用。这条 Prompt 的核心不是”补差”，而是”升级”——A0-level 只是一个触发高质量输出的锚点，跟你的真实水平无关。B2 水平的英文邮件和 C2 水平的英文邮件之间的差距，往往不在语法而在措辞的讲究程度。这条 Prompt 做的就是措辞升级。而且你用更高水平的原文作为输入时，AI 翻译的基础信息保留更完整，润色的效果反而更好。
Q：为什么中文版加了”希望”开头，英文版没有？
英文版用的是”I want you to”——直接、有力、类似产品需求文档的语气。中文版不适合逐字翻译成”我要你”，读起来太硬。中文语境下”我希望你”是更自然的角色引导方式。但功能上完全等效：都在建立”我定义标准，你来执行”的指令关系。如果你在英文环境中使用，保留原文的”I want you to”不用改。
如果你对 Prompt 工程的设计思想感兴趣，之前拆解过的「20步流水线」Prompt也是一个元指令的好案例——它把角色定义、流程约束、输出标准这套逻辑做到了极致。
评论0