用Codex翻译、Claude验收，挖出消失的410条参考文献
从早上9点开始翻译，原本以为一两个小时肯定可以，结果到10点多还没搞定，就先把文章发了，准备等下午中文版翻译好了，再在评论区把地址放进去，两不耽误。样章倒是顺利搞定了，真正麻烦的是后面——全本翻译。这份PDF文档其实特别具有代表性：技术文档，里面有很多图片、表格、公式，而且还有双栏并排，文件足够大（603页，9.3MB），跑通这套流程，对我后面怎么用 AI 干活很有价值。Claude翻译样章耗了不少额度，想着用Codex翻译，Claude进行验收，一是避免额度限制问题，二是裁判不能下场当运动员。把这个PDF中的语言转成中文，翻译要专业、严谨，达到信达雅的效果，然后给我pdf文件结果还准备使用Bob工具（没充会员，蹭的免费额度），这样出来的效果肯定不行。不要使用bob，里面的AI翻译功能比较垃圾。你先翻译一个样章，渲染成pdf给我确认，确认OK后再执行后续部分。记得我的要求：翻译要专业、严谨，达到信达雅的效果，然后给我pdf文件这次样章出来很快，但结果不行，思路和方法比Claude的都差了很多。把你处理样章的思路、方法和流程给我，我让codex接管翻译，它翻译的样章比较垃圾，展示你实力的时候到了末了还加了一句“展示你实力的时候到了”，希望能有个好结果。然后Codex一顿操作，库库跑了四五个小时，中间压缩了几次上下文，调用了好几个工具，然后才给了结果。Codex已经将文件翻译完毕（中文全译的那个文件），现在我需要你帮我验证验收，确认内容是否满足质量要求（信达雅，内容专业、严谨）。1. 正文的 词元化 应该是 Token化 这样的描述更准确2. 细节的处理不像你的这样专业，比如第一部分，直接就开始了，没有做页面分隔。另外对于代码的处理上，也不如你专业所以，你需要整体确认一遍（包括所有的内容，我怕codex偷懒），将所有的问题（包括我列举的）和修改方法写成可以交接的文档，然后我再让Codex进行调整，力求整理出一份专业、严谨、准确的文件，是在你的监督下完成另外，修改完后我也会让Deepseek进行二次验证，希望不要让他看到你和codex会犯一些低级错误和笑话- 全量验收：我明确说了【整体确认】，而且还在括号中补充说明，甚至还点名了Codex执行的——要知道Claude和OpenAI两家一直不对付，而且坊间传闻用一个AI去验证另一个AI效果会更好，所以才特意点名
- 我自己发现的问题：我已经说了两个明显的问题，甚至还说了“细节的处理不像你的这样专业”“是在你的监督下完成”这样的话术，就是让AI能更完整执行。
- 多方验证：不仅是这一次验证，我还强调了会让Deepseek进行二次验证，说了“希望不要让他看到你和codex会犯一些低级错误和笑话”这种，也是希望能让AI之间的竞争和羞耻感，能让Claude能重点去验证翻译文件。
Claude 找到了一些问题，还贴心进行了分级（P0、P1和P2）。但是给Codex修复的文件还是用的md格式，会丢失很多细节和参考（比如有5个问题，md只能笼统地说，Codex修复的时候估计也是修了3个就算完成），就让提供html文件。而且最近不是Loop都很火嘛（慢热型的，一直还没来得及时间），就让AI直接提供Loop的提示词进行验证。把这个文件写成html格式的，另外给我loop格式的提示词，我让它根据提示词做loop验证，确保没问题后再输出。html格式你可以更好指出错误（比如示例之类）。另外我要全量验证，而不是只修复问题。注意这里再次强调了【全量验证】的问题，说明了我不是只修复问题，而是需要问题处理完毕之后再整体检查一遍，确认没问题后才算处理完成。然后Claude给了Loop循环的提示词，大概看了一下，结构很完整，内容还是很多（反正没咋看懂哈哈哈）。Codex修复改进了第二版，还给了一个反馈。和反馈一起给Claude。而且我还检查了一下，上一版的章节重新起一页还是没有执行（上一轮没有强调，结果这种体验类的问题两个AI都忽略掉了）。在手动检查的时候还发现了一个什么 【教室软链接】的词汇错误问题，这种技术文档出一个词问题很大，所以强调让AI检查。上一轮是让AI用loop循环处理的，但是从结果来看loop的循环效果并不是很好，补充要求了一下“没有达到90分以上的效果，再次按照上一轮的操作我让codex改”，就是要让AI自己再跑循环。codex又完成了一版，反馈是 audit.py 的英文注释启发式仍报 96 条，但逐页展开后属于中文解释中保留的技术词、输出示例、prompt 字符串、协议枚举、shebang 或文件文本；10 个代码页抽查已通过“解释注释中文 / 输出示例保留”的规则。修订说明页已附在 PDF 末尾。但从结果来看，各章节没有重新起一页，且里面部分用词感觉有点问题——比如有一页有什么 教室软链接 的说法，没看懂。感觉还是有问题。再次进行审计，如果没有达到90分以上的效果，再次按照上一轮的操作我让codex改Claude找了一圈说没有发现【教室软链接】这样的词汇，换了 【教师】 【软链接】的关键词都进行搜索验证：教师 软链接 这样的描述呢？不行就用 教师 找一下Claude反馈还是没有，但有【教师模型】这个说法。于是把章节重新起一页明确化“引言/目录这种都没有新开一页重新开始”，补充Codex 没有loop命令这种反馈给Claude。如果有教师模型这个说法那应该就是正确的。当前 引言/目录这种都没有新开一页重新开始，而且页眉/页脚也与原文不一致（导致很难比对）。其他的问题，你看一并提出，我让codex修改。也是loop模式（注意codex没有这个命令，只能让循环跑）又是库库一顿跑。Codex第三轮修复完成，至少我个人验证看不出啥问题了（前面的问题都修复了）。第三轮完成，审计一下，细节问题这一版暂时没发现。做一下全量审计，没问题我就让deepseek来检查了，不要遗漏，不然你们会被耻笑的注意这里又开始强调【全量验证】（心里感觉已经差不多了，如果全量验证没问题，就可以让Deepseek再次审计检查，这样版本就可以发了）。而且说明了 “不要遗漏，不然你们会被耻笑的”——注意我用的是“你们”，也就是如果被Deepseek检查出问题，OpenAI和Claude一个翻译一个验证都是能力不过关，会是一种打击。我没有找到的问题呢？另外，有没有全量对比审核？不要遗漏这一次有很明确的反馈。但从结果来看，还是一直在前面强调的问题转圈，没有说发现新的问题（所以主动性就很有怀疑），而且额度消耗还是不对（前面说了）。我就明确说了“我没有找到的问题呢？”，然后继续再次强调【全量对比审核？不要遗漏】Claude又给了一些新的补充反馈，还是一样，额度消耗不对，在反馈时又加了一个技巧【其他的呢？别以为我不知道】（其实我也不知道还有什么问题，但先装一波大的，阴它一手）所以我让你全量审计你也偷懒？除了这个问题之外，其他的呢？别以为我不知道这次来了波大的，找了好几个P0级问题。这里就需要开始上PUA话术了（坊间传闻用PUA话术效果会更好），而且我还特意把全量审查的含义解释了一遍。所以你还是没吸取教训吗？全量审查，就是把原文和译文进行一一对比，确保内容、格式都没有问题，才算过关，不是你说的抽取特性内容（公式、表格）来检查就算完成了的。那其他地方有埋雷怎么算？就这么不负责任？这一次，Claude是真的把原文和译文逐项对比了一遍，翻出来两个大窟窿：一本600多页的技术书，原书末尾整整410条参考文献，译文里【整章都没有】，正文里几百个引用编号全部悬空，指向一个不存在的书目；第27章大概108道测验题，原本是"问题+答案"的结构，译文只剩答案，题目本身整段消失。加上表格、代码、公式的编号也系统性丢了小三百处——题注文字都还在，编号没了。毕竟这种600多页的翻译，而且还要求专业、严谨，再加上都是技术、枯燥的内容，以及公式、代码、案例等各种奇怪的排版，就算是专业的人都会消耗很多的时间和精力，更不要说AI。上一次做的是 App 开发，让AI写的提示词，门禁可以直接直接下沉到代码级别，能跑测试、能过静态检查，客观、可自动化。这一次是PDF文件翻译任务，虽然文件特殊（前面强调过），但验收的标准比较个人化，这就导致Claude给的loop验收标准不完整，而个人偷懒（或者说不明白不熟悉loop）的情况下，没有对门禁进行检查补充，导致整个循环一直在跑，多轮循环没有满意的结果。说到底，还是自己对loop不熟悉，门禁和规则没写好。这一次是有额度消耗对不上这个信号能发现问题，因为 PDF 本身足够大、任务难度和上下文量级都撑得起这个信号——干这么大的活儿，消耗量理应有个下限。换一个上下文没那么长的任务，这个信号会不会还这么明显，但不确定以后能不能当成通用公式。[1]: 陆离,《智能人工智能搭便车指南:从基础到系统》—— 603 页的 Agent 搭建指南下载,公众号「陆离来信」Vol.023,2026-07-01。[2]: 陆离,《把长任务交给 Agent 之前,先把验证门搭起来》,公众号「陆离来信」Vol.018,2026-06-24。
