团队翻译最怕术语漂移：LinkEngine 的术语库与翻译记忆

单个人用 AI 翻译一段文字，最关心的是通不通顺。

但团队长期做产品文档、合同、说明书、跨境内容时，最头疼的往往是另一个问题：同一个词，今天一个译法，明天又换一个译法。

比如：

• 一个产品功能名，在官网、说明书、客服话术里译法不一致
• 法律合同里的定义项，前后出现了不同表达
• 工程手册里的设备名、单位和缩写被模型自由发挥
• 跨境商品详情页里品牌语气每一批都不一样

这不是简单的“模型不够聪明”。很多时候，是系统没有把历史经验沉淀下来。

我理解的 AI 翻译长期能力，至少要有三层：

1. 术语库：规定关键名词应该怎么译
2. 翻译记忆：复用历史原文和译文的表达
3. 长期偏好：记住用户和团队更喜欢什么风格

这三层解决的问题不一样。

术语库像规则，适合产品名、公司名、行业术语、缩写、功能模块名。

翻译记忆像经验，适合长期项目里反复出现的句子、段落和表达方式。

长期偏好更像协作习惯，比如你希望译文更正式、更口语、更适合营销，还是更接近技术文档语气。

LinkGo 在这个方向上做的是把这些翻译资产统一到工作流里，而不是让它们散落在不同文件夹里。翻译、审校、问答、对齐语料和后续智能体任务，都可以尽量复用同一套记忆。

这对团队尤其重要。

因为团队协作里，最贵的不是翻译一句话，而是每次交付前都要人工检查：

• 这个词以前怎么翻
• 客户上次有没有改过
• 同一批文件是不是一致
• 新人有没有沿用老项目风格

如果这些判断每次都靠人翻历史文件，AI 的效率会被大量沟通和返工抵消。

所以我现在更愿意把 AI 翻译看成“模型 + 资产 + 工作流”的组合。

模型负责生成，术语和记忆负责稳定，工作流负责把结果变成可交付文件。

少了任何一层，短期看还能跑，长期就会越来越乱。