基于大語言模型的翻譯AI智能體項目的構建與應用

林美蓉

(海南科技職業大學,海南 海口 570203)

0 引言

在全球化的背景下,不同語言之間的溝通成了日常生活和國際業務的重要組成部分。傳統翻譯服務受限于人力資源和時間成本,難以滿足即時、大量的翻譯需求。智能翻譯技術的興起,利用人工智能的強大計算能力和大數據分析的深度挖掘能力,為解決這一難題提供了可能[1]。基于大語音模型的翻譯AI智能體通過大模型學習大量的文本數據,理解詞匯、句法和語義,針對特定任務進行訓練,可以進行語音識別、機器翻譯和情感分析等。項目組在本文中基于大語言模型構建了翻譯AI智能體,可以實現對用戶輸入的識別、多語言翻譯和情感分析。

1 相關技術

1.1 大語言模型

大語言模型(Large Language Model,LLM)是通過訓練具有龐大參數空間的深度學習模型來理解和生成人類語言的方法。這些模型通常基于變換器(Transformer)架構,利用自監督學習在大規模未標注文本數據上預訓練,以捕捉語言的內在規律和語義信息。預訓練完成后,模型可以通過指定的任務、特定的數據進行微調,以適應各種自然語言處理任務,如文本分類、命名實體識別、情感分析、機器翻譯、問答系統和文本摘要等[2]。大語言模型的應用已經滲透到多個領域,包括客戶服務自動化、智能搜索引擎、個性化推薦系統以及輔助編程等。它們的發展推動了人工智能與人類交流的界限,使得機器能夠更加流暢和自然地理解和生成語言。

1.2 AI智能體

AI智能體,即人工智能智能體(Artificial Intelligence Agent),是指能夠在某一特定環境中自主感知、決策并采取行動,以實現特定目標的實體或軟件系統。這些智能體可以通過算法和模型模擬人類的學習、推理、規劃等智能行為,在多種場景中應用,如智能家居、自動駕駛汽車、虛擬助手等,是當前大模型落地業務場景的主流形式之一。大語言模型是AI智能體的核心大腦,實現將復雜任務拆解成可以實現的子任務,構成具備自主思考決策和執行任務的智能體。

1.3 提示詞

在人工智能和自然語言處理中,提示詞(Prompt)是引導模型理解和執行特定任務的文本片段。它們在與模型的輸入交互中扮演關鍵角色,能夠顯著影響模型的行為和輸出結果。精心設計的提示詞可以激發模型潛在的知識和能力,提高其對復雜任務的處理效率和準確性。專業的提示詞工程不僅涉及單個詞匯的選擇,而且包括整個短語、句子結構乃至上下文環境的構建。高效的提示詞設計可以幫助模型更好地理解用戶意圖,提升用戶體驗,在數據生成、文本分類、問答系統及機器翻譯等領域發揮至關重要的作用。

2 系統設計與實現

2.1 系統工作流程

為了對AI智能體進行更加深入的研究和分析,筆者基于ZeLinAI平臺進行了智能體的創建和應用。ZeLinAI是一款定位于零代碼構建企業AI應用的平臺,幫助用戶快捷、安全、高效地接入大模型。該平臺使用不同智能體,通過調試提示詞和各個智能體參數,訓練自定義的訓練集,達到穩定輸出的效果,助力打通大模型落地的最后一公里。項目組在詳細需求分析的基礎上明確本項目需要完成的主要功能,確保為用戶提供智能翻譯服務。本研究主要依托ZeLinAI平臺進行開發,可以根據需求對自建的數據集進行訓練,將訓練后的數據集與創建的智能體關聯,提高智能體數據的準確性。將翻譯AI智能體部署到H5應用,分享智能體,用戶可通過手機端和電腦端使用該AI智能體,反饋使用過程中的問題和建議。項目組根據反饋持續優化翻譯AI智能體。整個項目流程如圖1所示。

圖1 項目流程

2.2 系統實施過程

2.2.1 智能體創建

首先注冊并登錄ZeLinAI平臺。以創建“翻譯小助手”智能體項目為例,進入ZeLinAI平臺后,選擇平臺左側列表的“智能體”。進入智能體界面后,點選“創建智能體”按鈕即可進行智能體的定制和創建。“創建智能體”界面的參數有很多。定制最基礎的智能體可以不關注其他參數,只需要配置“智能體名稱”“模型型號”和“角色定位”,其他參數默認即可。

智能體名稱配置。用戶自定義智能體的名稱,例如“翻譯小助手”,也可以使用簡潔且寓意深刻的命令和朗朗上口的名稱,如“智譯靈”“譯通天下”“譯智軒”等。

模型型號配置。模型型號是從下拉菜單中選擇。目前,ZeLinAI平臺支持的模型包括微軟-3.5、微軟-4、文心一言、訊飛星火、MJ畫圖、SD畫圖、DALLE3等大語言模型。不同的大語言模型由于算法的不同對智能體返回的結果會產生不同的效果。用戶測試時,可對不同大語言模型的選擇進行調試,如智能體返回的結果不理想可以通過更換模型來優化。

角色定位配置。角色定位定義了智能體的角色(提示詞),即項目組需要寫的 Prompt。Prompt是智能體的重中之重,務必準確定義,才能有符合項目組需求的輸出。項目組在“翻譯小助手”中定義的Prompt如圖2所示。通常,這個步驟需要反復迭代。如果智能體返回的結果不理想,那么可以通過不斷反復迭代優化定義的Prompt來實現更符合需求的輸出。

圖2 翻譯小助手定義的提示詞

智能體測試。完成“智能體名稱”“模型型號”和“角色定位”的配置后,點擊“確認”,完成“翻譯小助手”智能體的創建。在窗體右下側輸入欄輸入需要翻譯的內容,智能體可以按照輸入內容進行翻譯和情感分析,如圖3所示。

圖3 翻譯小助手智能體測試

2.2.2 優化提示詞

項目組對翻譯AI智能體的提示詞進行了結構化的優化。結構化的提示詞有各種各樣的模板。項目組選擇了知名的 CRISPE 框架。CRISPE框架強調了迭代的過程,每個步驟都為下一步驟打下基礎,有助于系統地探索和利用模型的潛在能力。優化后的翻譯AI智能體從角色的主要工作任務、角色的工作背景、角色在互動中必須遵循的限制條件、角色的主要目標、角色的主要技能、角色的語氣風格、符合角色身份的價值觀、角色的工作流程結構化等多個方面進行遞歸定義[3],如圖4所示。

圖4 優化后的提示詞

2.2.3 引入訓練集

為了使智能體更加匹配項目組自身的業務,本研究還需要引入訓練集,通過精準的投喂訓練集,將智能體和訓練集關聯起來,提升翻譯AI智能體的準確性和流暢性。目前,ZeLinAI平臺的訓練集支持文本、圖片、視頻、多媒體庫等多種形式。

創建訓練集。選擇平臺左側列表的“訓練”,進入訓練窗口。可以創建智能訓練集和普通訓練集兩種訓練集。智能訓練集支持錄入內容的收斂和發散兩種訓練方式,而普通訓練集則是Q&A的問答形式。文本訓練直接輸入訓練的內容。文檔訓練采用拖拽的形式將需要訓練的文檔加入訓練集。目前,平臺支持.txt、.docx、.pdf3種格式的文檔。添加訓練集后,點擊“完成”即可。

創建智能體并關聯訓練集。創建智能體的步驟與之前創建基礎智能體完全一致。本研究需要關注的是新建智能體與訓練集的關聯。點擊添加訓練集按鈕,在新彈出的窗口中勾選新建的訓練集名稱,完成后,點擊確定,返回新建智能體的狀態。點擊訓練集,此時在“角色定位”框中自動添加訓練集,完成了自建訓練集與智能體的關聯。引入自建訓練集的智能體創建完成后,在窗體右下側輸入欄輸入需要了解的培訓相關的內容,智能體可以按照輸入內容進行問題解答。解答的下方標注引用訓練集的段落。

3 智能體應用

智能體創建之后,項目組希望把它分享出來給更多的用戶使用,需要把創建的智能體打包為AI應用。目前,平臺支持創建3種方式的應用:H5應用、API應用、BOT應用。在本次項目中,項目組采用了H5應用的方式。H5應用可以在電腦以及手機端打開直接使用。

創建應用。選擇平臺左側列表的“應用”,進入應用窗口后,選擇“創建H5應用”,進入H5應用窗口。在此窗口輸入應用名稱、應用圖標、應用介紹和選擇智能體4個必填項,完成應用創建。在內容設置欄,選擇需要分享的智能體——翻譯小助手,實現應用與智能體的關聯后,點擊“完成并分享”進入分享應用的窗口。

分享應用。分享應用窗口有鏈接分享、二維碼分享和海報分享3種分享方式。手機端掃描海報或二維碼可以登錄并使用智能體。

4 結語

通過智能體項目的創建和應用,項目組深切感受到智能體項目的關鍵核心在于提示詞。良好的提示詞可以讓模型正確地理解用戶需求并給出符合預期的結果,提示詞的質量決定了智能體輸出的質量。下一步,項目組一是持續優化提示詞,通過多學習、多實踐,盡可能地編寫語義明確、邏輯清晰、結果合理的提示詞,引導大模型的高質量回應;二是引入更多自定義訓練集,根據用戶的偏好和歷史數據來調整翻譯風格和詞匯選擇。翻譯AI智能體將更加注重個性化服務,同時將具備更強的適應性,能夠在不斷變化的語言環境中持續學習和進化。