怎样突破大语言模型字数限制？一键完成百万千万字的翻译任务，且翻译结果自动按句对齐

**本案例编号0003 作者：吕靖
学习本案例之前应掌握调用大语言模型API的方法，否则请先学习前期的文章，点击这里学习：如何调用大语言模型API.

---

1.目标描述

1）自动从本地电脑指定位置读取大文档，自动批量拆分大文档，使每份子文档的字数不超过大模型单次任务的字数要求；

2）自动保存拆分结果至指定文件夹；

3）自动实现与大语言模型的对话，实现所有子文档批量翻译；

4）自动将翻译结果句对齐；

5）自动以excel格式保存句对齐结果至指定文件夹；

6）出一份总结报告，列出所有翻译失败的句子（个别句子可能会因网络拥堵或敏感词原因而致翻译失败）。

总而言之，本案例能够实现：批量完成大文档的智能翻译，且将翻译结果句对齐，保存为excel格式。译者只需要在excel中做译后编辑即可！

本案例是典型的AI Python，即：用AI实现Python编程。学习者不需要编程基础，零基础也可以实现以上复杂任务。

2.具体方法：

1）将以下提示词，输入deepseek的官网窗口，deepseek会为我们实现编程（由于每次生成结果可能有所不同，如果你没有生成理想的代码，本文最后会附上经过调试、验证的代码）;

2）将deepseek编写的代码复制粘贴到Jupyter Notebook；

3）将待目标大文档的路径、事先设置好的“切分结果”文件夹路径、“翻译失败报告”文件夹路径、“句对齐结果”文件夹路径、API KEY，填入代码中的相应位置；

4）最后点击Jupyter Notebook上的“运行”，然后观察运行结果，如果进度条正常滚动，没有报错，你就可以去喝咖啡、摸鱼了。过一段时间再来看看，翻译任务就全部完成了。

5）注意事项：如果出现类似报错信息

“ModuleNotFoundError: No module named ‘xxx’”，直接使用 pip install xxx安装所缺模块即可，但有一个例外，如果报错要求安装docx或python-docx时，请安装此版本：pip install python-docx==0.8.11

下面提供提示词。

3.DeepSeek提示词

你是一位使用python语言的高级程序员，请代我编写一个python脚本，满足以下要求：
1.有一个txt、doc、docx或pdf格式的大文档，请从本地电脑读出该文档；
2.将其切割成多份，每份不超过1000个tokens；
3.切割时，要保证段落的完整性，不能把段落切开了，如果段落的tokens数量超过1000，依然保留段落此时忽略tokens数量限制；
4.这里“段落”是指以换行符结尾的字符串，剔除空白行；
5.把切割结果格式化为json文档，以"段落"为主体字段，不同"段落"字段下还包含以下子字段：

-“句子编号”、“原文句子”，“译文句子”

–"句子编号"是指该句在本文档内的句子序号
–"原文句子"是指原文中以句号、问号、感叹号、省略号结尾的字符串，没有标点符号时以换行符为句标记
–“译文句子"暂时为空值，后面完成翻译后，用句子的译文填充，如果翻译失败，标记为"None”

6.将json文档保存于本地电脑指定的文件夹1
7.然后调用kimi的大语言模型，依次完成各份json文档的英译；
8.翻译时，向大模型提交整份文档，以便大模型掌握原文语境，但要求大模型按照json文档中的"原文句子"逐句翻译；
9.把各句的翻译结果填充到其相应的字段"译文句子"中去；
10.翻译失败的句子标记为"None",并生成一个txt文档，罗列出所有翻译失败的句子所属的json文档名、句子编号、原文句子；
11.调用大模型时，请控制请求速率，每分钟不超过3次请求(RPM:3)；
12.最后，把各个json文档中除"段落"字段外的内容另外输出为excel格式的文档；
13.把excel文档保存于本地电脑指定的文件夹3。

4.提示词的秘诀

网上关于提示词写法的教程非常非常多，但说来说去都是在讨论提示词的模板框架，主要是：角色、背景、任务、目标之类的。这些大的条条框框，大家基本都懂，即使凭直觉，一般也不会有大的遗漏，本文不予讨论。这里只强调两点：

1）要求应“条呈化”。 有逻辑地按照1234顺序把任务要求列举出来，做到条分缕析；同时，这样处理也更容易延展，后续优化提示词时只需要增删条目即可。

2）数据应“结构化”。 传送给大语言模型的数据结构、格式越清晰越好。本文的提示词，要求deepseek编程将各子文档先格式化为：子文档-段落-句子-句子译文的层层嵌套格式。这样处理后，再把整个子文档上传给大语言模型来做翻译，既能够提供较大的翻译语境，又能够实现按句翻译，按句对齐。

题外话：虽说可以零基础入门，但真正能够实现自如应用还是要学会基础技能的，不然无法发出科学、有效的指令。因此，建议通过阅读、修改AI生成的代码来逐渐掌握python基础知识。

5.基础作业（人人应能够完成）

1）学会实际应用本案例调试的代码（具体代码见附录或去百度网盘下载：https://pan.baidu.com/s/1UL6Vkq3kgQRiH9BYoOn7Hg?pwd=runu 提取码: runu ）；

2）怎样修改代码，把1000tokens的切分标准，改为4000tokens的切分标准？

3）怎样修改代码，把调用kimi大模型换成调用deepseek大模型来完成翻译？

4）怎样修改代码，使其由汉译英转为英译汉？

6.进阶作业（不强制）

1）参照本案例提供的提示词，完整演绎一遍提示词调试、代码生成、代码优化、代码应用的过程；

2）把本文提供的Python代码再次上传给deepseek，让其修改代码，使之能够接受用户提供的各种不同大模型的API KEY用于翻译；

3）把本文提供的Python代码再次上传给deepseek，让其修改代码，使之能够将最后的句对齐结果转换为tmx格式保存（注：tmx格式是翻译记忆库通用格式）；

4）把本文提供的Python代码再次上传给deepseek，让其参考该代码，另外再编写一份独立的程序，用于再次翻译本案翻译失败的句子；

5）把本文提供的Python代码再次上传给deepseek，完善其他你能想到的功能，然后让deepseek给你做出一个完整的应用程序，可以安装于普通电脑，供大众使用 。

欢迎留言分享作业问题、解决办法或作业心得。

7.附录_本案例的Python代码

**见本文上传的资源包**

欢迎转载，摘要、改编、引用等请注明出处，谢绝白嫖。