近年来，人工智能技术快速发展，大语言模型产品层出不穷。DeepSeek、Kimi、通义千问、GROK、ChatGPT等极大便利了教学科研活动，可辅助用户搜索信息、生成PPT或表格等。问小白可以调用DeepSeek和通义千问，并支持把大模型生成的内容导出为Word和PDF格式。

DeepSider是一款集成于浏览器侧边栏的AI对话工具，可免费调用DeepSeek、GPT-4o、Grok3、Claude 3.5 Sonnet、Claude3.7、Gemini 2.0等国内外知名大语言模型，提供AI搜索、实时问答、内容创作、翻译、代码生成等服务。官网网址为https://deepsider.ai/。

AI旋风是一款国内外大模型应用导航工具，汇总了各类AI工具和AI平台，可供用户参考和搜索。官网网址为https://www.aixuanfeng.com/。

传统翻译模式以人为主，使用机器翻译工具作为辅助。大语言模型具备强大的语言理解和生成能力，一方面带来翻译实践新挑战——译者角色变化、项目流程调整、工作模式变革，另一方面也带来翻译教学新机遇——创新教学方法、丰富教学资源、提升教学质效、助力培养复合型翻译人才。

翻译技术在译前、译中、译后等环节的深度应用，对翻译人才技术应用能力提出更高要求。翻译技术课程可遵循分层设计和实践导向原则。分层设计原则即为翻译专业本科（BTI）、翻译专业硕士（MTI）和翻译专业博士（DTI）等阶段的学生设置不同的课程目标和重点内容。实践导向原则就是要遵循问题导向、项目导向、市场导向设计课程，同时推动大语言模型赋能翻译教学。

在翻译教学实践中，大语言模型可以辅助课程设置、优化课程大纲、制作教学材料、辅助开发教学案例、批改学生作业、生成课程封面、评价译文质量等，相关提示词设计参考如下所示。

整体而言，翻译技术教学可以参考以下策略。

第一，构建“人机协同”的混合教学模式，包括“AI预研+课堂思辨”和项目式学习。“AI预研+课堂思辨”即课前利用DeepSeek进行术语提取、生成译文初稿等，课堂上聚焦文化适配、逻辑批判与译文润色等对译文进行修订。项目式学习即设计结合AI工具应用的实践项目，如本地化网站翻译、游戏本地化等，让学生通过项目实践提升应用能力。

第二，着力提升学生术语管理能力和翻译技术素养。一是引入YiCAT、Trados、MultiTerm等工具，与DeepSeek结合，建立专用术语库，确保译文一致性。二是开设“AI+翻译”通识课程，教授学生利用AI进行信息查证、语法修正、译文优化等，明确技术边界。

第三，重视培养学生文化敏感性与批判性思维。一是通过案例教学强化文化适配能力。二是设计跨文化对比作业，让学生分析AI译文的文化偏差并提出改进方案。

第四，及时建立伦理规范与技术监管机制。一是制定AI使用指南，要求明确学术创作中的AI贡献度，学生在提交作业时要标注AI辅助比例。二是研发AI内容检测系统，结合反抄袭工具识别过度依赖AI的译文，防范学术不端。

大赛相关链接