AI 如何做中英文术语一致性检查？

中英文术语一致性检查的难点不在翻译模型有多强，而在有没有一份能持续维护的术语库。滚水科技在做这类项目时，会先把客户已有的双语对照、缩写、禁用译法、上下文限制整理成结构化术语表，再让 AI 在全文里做检索、比对和异常提示，结果都是建议项，最终拍板权留给人。

具体流程上，我们一般这样切：

• 术语库治理：把客户散落在 Excel、Word、过往译稿里的术语收上来，做归一、去重、加版本号，标清楚每条术语的适用范围（产品线、文档类型、客户口径）。
• 检测引擎：跑两轮，一轮是术语命中后的标准译法对比，一轮是同一术语在全文里的多种译法/缩写聚类，找出"前后不一致"的位置。AI 还会顺带做指代识别，避免简单做字面匹配。
• 结果呈现：每个问题点给出原文位置、当前译法、建议译法、置信度，以及"为什么这样建议"。这一点很关键——如果 AI 只是丢一份红黄标记，编辑会非常抵触。
• 闭环维护：审校确认过的修改回流到术语库，模型不擅长的领域术语由人补进去，避免每次重新跑都犯同样的错。

我们见过的两个常见误区：一是想让 AI 直接改全文，结果一改就出新错；二是把术语库当一次性交付物，半年后没人维护，准确率持续下滑。滚水科技的做法是把术语库当作一个长期产品来运营，配套提供管理后台、变更日志、责任人机制，让客户内部能自己维护下去。

落地节奏方面，对资料体量中等的客户，我们一般四到六周可以交付首版可用系统：包含术语库后台、单文档检查、批量检查、报告导出，以及一份初始术语库。客户配合的事情主要是提供历史译稿、已有术语 Excel、典型有问题的稿件作样本，以及一位熟悉业务的同事在试点期做答案审核。