Literess 作为智能体：一个能记住你的决策并代劳工作的编辑器

这篇文章是关于翻译记忆库专题文章的姊妹篇。那一篇探讨的是翻译工具应该记住什么。而这一篇则关注当具备记忆能力的工具也能付诸行动时，会发生什么——少一点营销辞令，我们直入正题。

如今，大家都见过"集成在翻译工具里的 AI"：屏幕右侧固定着一个聊天面板。你可以让它翻译段落、查单词或解释语法规则。它确实有用，但在架构上，它完全是个"陌生人"。它不知道你正在处理哪个项目。它也不记得你上周才决定保留该客户的品牌名不翻译。当它给出不错的建议时，你还是得亲自动手——复制、找位置、粘贴，并祈祷自己在这个过程中没断了思路。

我们想要的是"陌生人"的反面。我们想要的是这样一位编辑器：她读过整个文件，记得你之前为了某个术语反复推敲的细节，并且——只要你开口——她能直接上手修改，而不仅仅是动口描述。

这位编辑器就是 Literess。本文将探讨为什么我们将她定义为智能体而非"聊天机器人"，以及这个词在这里绝非只是一个时髦的标签，而是有着其实际用意。

聊天机器人与智能体的区别

"智能体"这个词的含义现在被无限延伸，几乎可以指代任何东西。因此，我们有必要明确它的定义，因为这种区别正是核心所在。

聊天机器人只负责回答。你输入问题，它生成文本，交互到此为止。至于如何将这些文本转化为文档中的实际修改，则需要你亲自动手。

智能体则会采取行动。它拥有工具，并能决定如何使用，它完成了从"这是我的方案"到"已搞定"之间的闭环。它的价值不在于它更聪明，而在于它消除了从建议到结果之间的手动衔接。

到了 2026 年，这两者本身都已成为寻常之物。在翻译界面加个聊天面板并非难事。一个会使用工具的智能体也变得越来越普遍。真正的难点——也是我们投入核心精力的地方——在于如何让智能体的行动值得信赖。一个在错误语境下盲目自信地采取行动的智能体，比没有智能体更糟糕，因为它正以机器般的速度制造错误，而你则成了那个跟在后面收拾烂摊子的人。

所以，我们关注的核心有两点，依次是：

1. 她掌握了什么？——她所基于的记忆。
2. 她能用这些记忆做什么？——她的行动，以及相应的约束机制。

Literess 掌握了什么：是决策语境，而不仅仅是文字

如果你读过那篇关于翻译记忆库的文章，对这些基础概念应该不会陌生。如果你还没读过，这里有个简要版。

大多数翻译记忆库只记录句子——原文、审核通过的译文以及一些元数据。这只是基本门槛。而 Transept 的核心在于记录那些让译文变得可信的幕后工作，这在行业内非常罕见：包括被否决的备选方案、边注、审核历史，以及最终选定某个版本的逻辑。我们称之为决策语境，关键在于我们将这些信息反馈给模型，让下一次翻译能够复用这种推理逻辑，而非简单地复制输出结果。

Literess 正是汲取自这一源泉。她并非只是一个碰巧嵌入翻译工具的通用助手。她的根基在于：

• 你的项目及其中的文档，
• 你的术语库和风格指南——即你已确定的术语和语调，
• 过往决策——已通过的译文及背后的讨论过程，包括你否决掉的备选方案，
• 以及你当前正在处理的文档。

正因如此，她才不会让你感到陌生。当她建议某种措辞时，那是根据你此前在别处认可的内容打磨而成的。当她指出某个术语有问题时，她不只是会说"这地方看起来不太对"，还能告诉你："你在之前的两个文档中对它的翻译不同，这里是你当时解释原因的备注。"她读取的是支撑整个产品的同一套记忆——是决策背后的逻辑，而不仅仅是文字本身。

一个能记住你决策的编辑器，本身就极具价值。但如果记忆只会动口，那它也只完成了一名优秀编辑一半的工作。剩下的另一半，则是动手实干。

Literess 做了什么：实际行动，且始终经过确认

接下来这点，才让"代理人"这个称谓变得名副其实。

Literess 不仅仅停留在描述层面。当你要求她执行某项操作并确认后，她就会在产品内部直接操作，使用的正是你团队成员所用的工具。在实际应用中，这意味着她可以：

• 创建并运行工作流——即 Transept 自动执行的多步审核流程（翻译、校对、风格指南检查等）。她可以针对当前任务搭建工作流并启动运行。
• 起草文档——直接为你新建文档，而不是把文本丢给你，让你自己去手动粘贴。
• 在 CRM 看板上移动任务——随着项目进展，将项目从一个状态推向下一个状态，使看板能够实时反映进度，而无需你切换操作环境。
• 设置默认项——将特定的术语库或风格指南设为文档的默认配置，确保从第一行起就能调用正确的记忆。
• 邀请团队成员——当任务需要额外人手时，将协作者引入工作。
• 操控编辑器本身——打开所需面板，导航到正确界面，直接带你进入工作现场，而不是向你描述该点击哪里。

请再次阅读这个列表，重点关注其中的动词。它们不是关于"如何做事"的回答，而是实实在在的行动。

而且，每一项操作都必须经过你的确认。这并非细枝末节——而是一项核心设计原则，也是"得力助手"与"脱缰野马"之间的本质区别。当 Literess 提议某项操作时，界面会弹出一个小巧的确认卡片：这是我准备执行的操作，你同意吗？ 在你确认之前，你的项目、文档或看板不会发生任何变动。她代表你行事，绝不会背着你自作主张。

我们是有意这样设计的。让她拥有更高的自主权本非难事——比如，让她在觉得"你大概就是这个意思"时，就自动启动工作流或重组看板。但我们没有这样做。在翻译中，为了求快而做出的错误决策，其代价往往高昂且隐蔽：术语可能偏离、文风可能走样，或者客户受版权保护的措辞出现在了不该出现的地方。确认步骤的成本微乎其微，但它所防范的错误却代价巨大。

为什么"记忆与行动"会重塑工作形态

将这两个部分结合在一起，便会产生某种单靠其中任何一方都无法实现的转变。

如果一个工具仅仅具备记忆功能，你依然是唯一的执行者。你必须亲自留意过去的相关决定，将其找出来并手动应用。此时的记忆就像一个文件柜——固然出色、井井有条，但它完全是被动的。

一个只会行动的工具——即缺乏实际背景依据的工具型智能体——不仅动作快，而且错得理直气壮。它会毫无顾忌地套用错误的术语库来运行工作流，因为它根本不知道你真实想要的是哪一个。

一个兼顾这两方面的编辑器，将翻译从一种静态的产物转变为一个充满生命力的工作空间。传统机器翻译的思维模式就像面对一块死气沉沉的"石板"：机器丢给你一堵密不透风的文字墙，而你的任务就是沿着墙面修补破绽。翻译在交付的那一刻就已定型，且在你关闭窗口的瞬间，它便会忘掉一切。

我们正在构建的，是与"石板"模式截然相反的东西。你的每一个决定都在丰富系统的记忆，而这些记忆又为 Literess 提供了行动依据。在得到你的确认后，Literess 会处理那些机械化的应用工作——执行翻译轮次、设置默认项、确保看板准确反映现状——这样你就能全身心地投入到只有人类才能胜任的环节：判断怎样的表达才听起来最地道。处理下一份文档时，系统不再是从零开始，而是带着前一份文档积累的所有经验出发。这是一个可以产生复利效应的工作空间。

一言以蔽之：一个兼具记忆与执行能力的编辑器，能将翻译从一块需要你费力修补的"石板"，变成一个越用越顺手的工作空间。

她不是什么

我们应当像阐明功能一样，清晰地界定其局限性，因为过度吹嘘是失去信任最快的方式。

Literess 是一款文学编辑器，而非人类判断力的替代品。她基于前沿模型运行——目前是 Google 的 Gemini——这些模型在处理机械化的繁杂工作时表现卓越：比如确保 4 万字手稿的一致性、记住第二章出现的术语，或者察觉到你在第四十页可能忽略的表达偏差。但它们无法像人一样做出这种判断：比如为了保留某种特定的幽默感，而故意让一个笑话显得有些"尴尬"，因为这种尴尬感正是其精髓所在。这种判断权属于你，也理应属于你。

她不会擅自行动。她的每一个动作都经过了你的确认。选择哪种质量模式——快速、标准或专业——由你决定，哪些建议会被采纳为最终定稿也由你决定。她非常擅长确保无一遗漏；但她并不负责定夺优劣。这种界限并非我们需要致歉的缺陷，而恰恰是整个设计的核心。

我们想要打造的，是一个能记住所有细节并承担繁琐劳动的编辑器，从而让翻译者能将精力集中在那些真正需要人类智慧的选择上。它不是一个置身事外的聊天机器人，而是一个身处其中的协作智能体。