流畅不等于准确
AI翻译最容易让人放松警惕的地方，是它能迅速给出语法完整、语气自然的句子。读者看到顺畅中文，往往会忽略模型可能没有识别术语所属年代、学派或文体。宗教、法律与历史文献中的一个词，可能同时拥有日常含义、技术含义和传统注释中的特定含义。
逐字替换把词看成孤立单位，但文本意义来自句子、段落、章节和写作目的。赞颂、训诫、论辩、编年和注释采用不同表达习惯，同一个词放在不同类型文本里，不应自动选择同一中文译法。
因此，第一步不是要求AI给出“最准确翻译”，而是先说明文本来源、语言、年代、作者、章节位置和读者用途。缺少这些条件时，模型输出最多只能视为一个候选解释。
阅读者还要区分直译、意译、术语对照和摘要。四种任务的评价标准不同。直译强调结构可追，摘要强调主旨，术语表强调一致性，面向普通读者的解释则需要补充背景。
如果一个结果没有保留原文片段和位置，后续核对会很困难。最实用的习惯是让译文旁边始终保留原句、页码或段落编号。
先建立文本身份
翻译前先确认资料版本。古典文本可能存在不同校订本、译本和再版，现代文章也可能同时存在网页、预印本和正式出版版本。页码或段落差异会让看似相同的引用指向不同内容。
记录标题、作者、语言、出版时间、版本和来源页面，不只是为了引用格式。这些字段帮助判断文本处于什么语境，也让团队成员使用同一底本。若版本暂时无法确认，应把不确定状态写出来。
扫描件中的文字识别错误会进一步干扰AI。形近字、连写字符、脚注和双栏排版都可能被错误拼接。把识别结果直接交给模型，会得到语法自然却建立在错误原文上的译文。
对于重要段落，应先对照扫描图抽查文字层。混合语言、专有名词、数字、年代和引文标记是优先检查对象。修正后的文本应另存，不覆盖原始识别结果。
文本身份清楚之后，再讨论术语含义。否则争论可能并非来自翻译方法，而是双方手中的原文根本不同。
术语需要上下文窗口
把一个词单独输入翻译工具，通常只能得到词典层面的常见义项。更可靠的做法是提供前后数句、章节标题和文本类型，让模型看到作者如何使用这个词。窗口过短会失去论证关系，窗口过长又可能让模型忽略目标位置。
可以分三轮处理：第一轮识别词性与可能义项，第二轮结合上下文排除不合适解释，第三轮比较既有译法并说明选择理由。每一轮保留结果，比一次要求“翻译得更好”更容易复核。
遇到专有概念时，不必强行寻找一个完全对应的中文词。有些术语适合保留音译并在首次出现时解释，有些适合使用学界通行译名，有些则需要在不同章节保持原文括注。
同一项目应建立术语表，但术语表不是不可改变的命令。每个条目需要记录来源、适用文本、候选译法和修改理由。遇到新证据时可以更新，同时保留旧版本。
上下文窗口还包括图表、脚注和引文。正文中的一句话可能是在反驳脚注所引观点，如果只翻译正文，就会把作者立场读反。
多语言页面要保留方向与层级
中文、英文、马来文和阿拉伯文并置时，语言和书写方向需要在页面结构中被明确处理。W3C国际化资料指出，正确语言信息有助于字体、朗读、断词和搜索。对读者而言，它也能防止不同语言段落在复制后失去顺序。
从右向左书写的文本夹有数字或英文缩写时，视觉顺序和存储顺序可能不同。复制到聊天工具或表格后，标点位置会改变。核对时应回到支持双向文字的阅读环境，并保留截图或原始文件位置。
翻译稿可以采用三栏或逐段对照，但移动端不适合无限横向表格。更好的方式是让原文、译文和注释按段落纵向排列，并提供清晰语言标签。这样在手机上也能保持对应关系。
字体替换会影响特殊字符和连写。发现字符缺失时，先检查字体与编码，不要立即把缺字解释为原文错误。保存时优先选择能够嵌入字体或明确声明编码的格式。
SSONE阅览室把语言、版本和注释作为资料字段展示，目的不是模拟学术出版，而是帮助普通读者保留文本之间的对应关系。
让AI说明不确定性
高质量辅助翻译不只给答案，还应列出不确定点。可以要求模型指出存在多个义项的位置、依赖历史背景的位置、可能受OCR影响的位置，以及需要领域专家确认的术语。
模型自述理由并不自动成为证据，但能帮助读者发现需要检查的环节。随后应回到词典、既有译本、可靠注释和原始文献，而不是继续要求模型用更肯定的语气回答。
对争议术语，可以并列两种译法，说明各自适用语境。隐藏分歧会让文本显得整齐，却降低透明度。读者知道哪里仍有争议，反而更能正确使用译文。
不要让AI虚构页码、出版信息或引文。模型无法确认时，应允许输出“资料不足”。引用字段需要从原文件或可信目录中核对，不能根据句子内容猜测。
最终稿中可把机器辅助、人工核对和未确认部分分开标记。这样的说明不削弱文章，反而让读者知道结论的可靠程度。
建立可回看的翻译记录
翻译过程应保存输入版本、提示目的、主要修改和最终决定。无需记录每次聊天的全部内容，但要保留影响术语和结论的关键理由。团队协作时，这能避免不同成员重复争论已经解决的问题。
每次修订使用明确版本，并把术语表与正文版本绑定。正文更新而术语表未更新，会造成同一概念在不同章节出现多种译法。自动检查可以发现不一致，最后仍由编辑判断。
读者反馈也需要带上下文。指出“这个词翻错了”不够，应说明所在段落、建议译法、依据和适用范围。这样意见才能进入下一版，而不是停留在口头争论。
长期项目可以定期选取高风险段落复查，例如重要定义、争议概念、数字、日期和直接引文。普通叙述不必采用同等强度，资源应优先放在影响结论的位置。
AI适合加快候选生成、格式整理和一致性检查，不适合代替文本身份确认与最终责任。让工具承担重复工作，让人保留解释与判断，是更稳定的分工。
把译文放进对照表，而不是单独交付
对照表可以包含原文、直译候选、通顺译文、术语说明和核对状态。它让读者看见每一次表达转换，不会把最后一栏误认为唯一可能答案。
核对状态可以使用“已确认”“待查版本”“需要领域意见”等自然标签。标签应描述资料状态，而不是给译文打一个看似精确的分数。
若同一术语在两个章节采用不同译法，应说明差异来自语境，而不是偷偷统一。机械一致有时会掩盖作者刻意改变的用法。
直接引文的标点与省略也要保留记录。为了让中文顺畅而重组句子时，应区分译文与摘要，避免读者误以为结构完全对应。
发布前随机抽取若干段落，从译文反向找到原文。任何无法返回原句的位置，都说明对照关系还不够稳定。
哪些内容必须由人确认
人名、地名、经典名称、法条、年代、数字和直接引文属于高风险字段。模型即使在正文层面表现良好，也可能把少见拼写改成更常见但错误的形式。
涉及传统解释或宗派差异的概念，应查阅多种可靠来源，并注明采用哪种译法。中立表达不等于抹平差异，而是清楚告诉读者差异在哪里。
模型可能把没有明说的因果关系补进句子。校对时特别检查“因此”“导致”“证明”等连接词，确认原文是否真的建立了这种逻辑。
译文需要面向特定读者。学术笔记可以保留术语密度，公共说明则应解释背景，但不能为了易读而把争议写成定论。
最终责任属于发布者。AI能够提供候选、发现不一致和协助排版，却无法替代对来源、版本与社会语境的判断。
对年代较早的文本，还要检查现代词典是否把后来含义带回原文。词义变化可能发生在几个世纪之间，通行译法也会随研究进展调整。
地域差异同样重要。一个阿拉伯语或马来语术语在不同地区的教育、法律或宗教语境中，可能形成不同惯用解释。
译文中的人称与语气需要核对。原文的敬语、被动结构或不确定语气若被改成直接命令，会改变作者态度。
模型容易补齐省略主语，但补出的对象未必正确。遇到连续段落时，应检查代词和省略成分究竟指向谁。
表格中的短语缺少完整句子，翻译时更依赖列标题和脚注。单独复制一个单元格，往往会失去必要定义。
引文中的古老拼写不应自动现代化。可以在注释中解释，但原文对照应保持可识别。
若资料面向公众，专业术语首次出现时可加入简短解释，后文沿用固定译法。解释应帮助理解，不应代替原作者论证。
对低资源语言，模型训练资料可能更少，输出稳定性也可能较低。抽样核对比例应相应提高。
不同模型给出相同译法，也不等于形成独立证据。它们可能共享相近训练材料或常见翻译习惯。
完成稿应由熟悉目标语言的人通读自然度，再由了解原文语境的人核对意义。两类检查不能完全互相替代。
项目结束时保存术语表、底本信息和高风险段落清单。后来重开资料时，读者可以理解当时为何选择某个译法。
如果译文用于检索，可额外保留同义词和旧译名，但正文不必把所有候选都堆在一起。检索字段服务发现，正文服务阅读。
机器输出的参考文献要逐项核对。标题看起来合理、作者名字熟悉，仍可能是不存在的组合，不能直接写进资料清单。
跨设备阅读时，原文和译文应使用共同编号。手机端即使只显示译文，也能通过编号回到电脑中的完整底本。
发布后收到术语反馈时，先核对对方使用的版本和段落。相同词语出现在另一版文本中，未必属于同一个翻译问题。
译文更新应保留修订日期和主要变化，让后来读者知道哪些解释已经调整，哪些争议仍然开放。
处理长文时，可以先选取术语密集、论证转折明显和包含引文的段落作为样本。样本能够暴露词义、语气与引用格式的问题，比从开头连续翻译到结尾更早发现规则是否适用。
同一作者在不同年代可能改变用词。术语表应记录出现位置和文本日期，不宜把作者全部作品压成一组固定对应。看到变化本身，有时比追求表面一致更接近研究问题。
译文若要进入搜索系统，应分别保存可读标题与检索别名。标题服务读者，别名帮助发现旧译、异体和缩写；把大量候选词直接堆进正文，反而会破坏自然表达。
涉及图像中的文字时，先保留原图，再进行识别和翻译。低清晰度、倾斜排版与手写内容容易产生误识别，翻译模型无法自动判断错误来自识别阶段还是语言理解阶段。
公开发布前，应邀请没有参与翻译的人按译文复述要点。若复述偏离原文，问题可能出在术语，也可能出在句子关系。这个阅读测试能够发现逐句核对仍未暴露的整体误导。