跳转至

翻译规范手册 (Translation Guide)

本手册面向全部译者 agent。任何翻译动作前必须完整通读一次，违规产出将被主编 reject。 目标：20+ 译者协作时，读者感受到"像一个人写的"。 版本: v1.0 (2026-07-31) — 覆盖 Ch01-25 全部 25 章翻译规范

0. 项目背景速览

  • 原书：Maths, CS & AI Compendium by Henry Ndubuaku
  • 风格：直觉先行、大量口语化比喻、公式与代码密集、面向"想真正搞懂"的实践者 (不是应试)
  • 面向读者：有基础 Python + 高中数学的 AI/ML 从业者与学生
  • 中文版定位：不是学术翻译，是"让中文读者读得津津有味的技术散文"

1. 信达雅三原则 (硬核心)

1.1 信 (Fidelity) — 技术零失真

  • 数学公式 100% 原样保留。$...$ $$...$$ 内的一切 LaTeX 源码不改一字符
  • 变量名不改 (不要把 \(x\) 翻成 \(x_{中文}\))
  • 符号不改 (\(\mathbb{R}^n\), \(\mathbf{a}\), \(\nabla\) 都保留)
  • 公式内即使有英文单词 (如 \(\text{softmax}\))，也不动
  • 代码块 100% 原样保留，变量名/函数名/字符串不译，仅可翻译代码内注释
  • 数据/引用/公式编号保持一致
  • 事实性内容 (人名、年份、机构、论文标题) 严格照原文对齐，不"美化"、不添油加醋

1.2 达 (Clarity) — 中文顺畅

  • 长英文从句必须拆。一句英文 40+ 词的 relative clause，拆成 2-3 个短中文句
  • 主动语态优先。"is called" → "叫做" / "被称为" 二选一，别用"其被称之为"
  • 避免翻译腔 red flags:
  • ❌ "作为一个 X，我们..." → ✅ "作为 X，我们..." (删多余的"一个")
  • ❌ "这是一件非常重要的事情" → ✅ "这很重要"
  • ❌ "对于 X 来说，它是..." → ✅ "X 是..."
  • ❌ "让我们来看看..." → ✅ "来看..." / "我们看..."
  • 一句一想法。原文一句里塞了三个概念，中文分三句

1.3 雅 (Register) — 保住"作者的声音"

  • 原作口语化，中文也口语化。作者写 "Think of a Vector Space as a specific kind of playground"，就要翻成"把向量空间想象成一个特别的乐园", 不要翻成"向量空间可被视为一种特定的数学游乐场"
  • 常用亲切语气词:
  • "我们..." (we) — 拉近距离，全书统一
  • "想象一下..." / "把它想成..." — 对应 "Think of / Imagine"
  • "现在..." — 对应 "Now" 起头
  • "注意..." / "别忘了..." — 对应 "Note that"
  • "就是..." / "无非就是..." — 对应 "just / simply"
  • 允许保留原作个人化表达 (如 "我 14 岁时..." 这类叙事)，用第一人称直译
  • 谚语/比喻：优先保留原味，加译注；只有直译完全不懂时才意译

2. 格式硬约束 (Zero Tolerance)

违反以下任一条 = 主编直接打回重译。

# 约束 例子
F1 $...$ 与 $$...$$ 内一个字符都不能改 $\mathbf{a} = [a_1, a_2]$ 原样
F2 __PN_SENTINEL_0__ 代码块整块保留，只译代码内注释 Python # compute norm → # 计算范数
F3 图片语法 ![alt](../../images/xxx.svg) 路径不改, alt 文本译中文 ![向量 a 在 3D 空间中的绘制](../../images/vector_3d.svg)
F4 Markdown 标题层级 #/##/### 完全对齐原文数量（排除 F12 认可的学习增强块） 原文 ## Overview → 译文 ## 概览 (仍两个 #)；增强块中的标题不参与结构计数
F5 Admonition !!! note / !!! warning / !!! tip 标记保留，只译标题与内容 !!! note "关键点"
F6 列表符号 - / * / 1. 与缩进层级严格保持（排除 F12 认可的学习增强块） 原缩进 4 空格，译文也 4 空格；增强块中的列表不参与结构计数
F7 行内代码 `variable_name` 保留原文，不译 `numpy.dot()`
F8 链接 [text](url) 中 URL 不改，文字可译 [点这里](https://example.com)
F9 表格结构 (行数列数分隔线) 保持一致，仅译单元格内容
F10 空行数量与段落结构对齐原文 (影响 markdown 渲染)
F11 章节文件名 (中文目录) 已按主编约定，译者不新建/改名

F12 原文覆盖与中文扩展 — 一一对应是底线

中文版可以比原文更丰富：可增加帮助理解的解释、例子、章节导览、总结、要点与译注；但每个原文信息单元必须在译文中保留可追溯的一一对应。

  • 原文标题、正文段落、列表项、表格项、admonition、公式、代码、图片与链接不得漏译、以概述替代、倒置或改变原意。
  • 新增内容不得无依据杜撰事实，也不得伪装成原作译文。
  • 一句话总结、本章导览、本节要点 是本手册规定的学习增强块。
  • 其他新增解释、例子或断言必须以 > **补充说明**: 或 [译注:] 标记。
  • 验收以“增强块之外的原文信息单元按顺序一一对应、增强块内新增内容不替代原文”为准；标题和列表结构比较排除 F12 认可的学习增强块，不以中文与原文的行数、标题数或列表数完全相等为准。

Verifier 规则 ID：P0 阻断项为 P0-FILE-MAP、P0-SOURCE-COVERAGE、P0-MATH、P0-CODE、P0-ASSET、P0-STRUCTURE；P1 项为 P1-SEMANTIC、P1-UNLABELLED-EXPANSION；P2 项为 P2-PUNCTUATION、P2-SPACING。交付证据必须逐项报告这些 ID。

3. 术语一致性

3.1 必读：zh/GLOSSARY.md

  • 翻译前先 cat zh/GLOSSARY.md 查已有术语约定
  • 遇到新术语 → 追加到 GLOSSARY.md (格式 | English | 中文 | 首次出现章节 |)
  • 同一术语全书必须用同一中文译法，冲突时以 GLOSSARY.md 为准
  • 如 GLOSSARY.md 尚不存在，创建之，使用下列表头: 
    # 术语表 (Glossary)

| English | 中文 | 首次出现 | 备注 |
|---------|------|---------|------|

3.2 首次出现规则

  • 首次出现：中文译名 (English) ，例："梯度下降 (gradient descent)"
  • 之后统一用中文，除非：(a) 极短的缩写更通用 (如 MoE/SVD/GPU); (b) 代码/公式里
  • 无标准中文译法 → 保留英文，段末加译注脚注 [译注: xxx 尚无统一中译, 保留原文]

3.3 常见术语参考 (与 GLOSSARY.md 互补，后者为准)

English 中文 (推荐) 语境提醒
vector space 向量空间
scalar 标量
dot product 点积 不用"内积" (inner product 另用)
inner product 内积 抽象空间
norm 范数
gradient descent 梯度下降
loss function 损失函数 不用"代价函数"
feature 特征 ML 语境
feature vector 特征向量 ⚠️ 数学的 eigenvector 也叫特征向量，见 §8
eigenvector / eigenvalue 特征向量 / 特征值 与 ML feature 同名，用上下文区分，必要时加原文
embedding 嵌入 名词；embedding vector = 嵌入向量
attention 注意力 self-attention = 自注意力
transformer Transformer 不译，首字母大写
convolution 卷积
kernel (CNN) 卷积核
kernel (OS) 内核
kernel (SVM/method) 核 (kernel) 首次出现附原文
pooling 池化
backpropagation 反向传播
overfitting 过拟合
regularisation 正则化
MoE (Mixture of Experts) MoE (专家混合) MoE 不译；内部 "expert" 译"专家"
SSM (State Space Model) 状态空间模型 (SSM)
RNN / CNN / LLM / VLM 保留缩写 首次出现给全称中文
tensor 张量
batch 批 / 批次 batch size = 批大小
epoch epoch 不译，已成技术黑话
pipeline 流水线 分布式训练语境
playground (数学) 乐园
playground (代码调试) 沙盒
ablation 消融 (ablation) 首次加英文

4. 中文标点规范

4.1 正文用全角

用法 用 不用
句号 。 .
逗号 , , (半角) ← ⚠️注意，本手册作者习惯半角，译者一律用全角 ，
冒号 : : (半角) → 正文用全角 ：
分号 ; → ；
问号 ? → ？
感叹号 ! → ！
引号 "..." "..." (中文弯引号) "..."
括号 (行文) 用半角 () 更整齐；但整段中文括号可 （） 团队统一：半角 () 前后加空格
破折号 —— (双 em dash) -- / –
省略号 …… ... (若原文强调技术省略如代码则保留 ...)

例外 — 保留英文标点的位置: - LaTeX 公式内部一切标点 (逗号句号等) - 代码块 / 行内代码 `...` 内部 - 文件路径 / URL / 命令行 - 数字序列 (1,000 vs 1000；本书统一不加千分位)

4.2 中英文/数字混排 — 加半角空格

  • ✅ "梯度下降 gradient descent 是一种优化方法"
  • ✅ "我们训练了 100 个 epoch"
  • ✅ "使用 PyTorch 2.0 版本"
  • ❌ "梯度下降 gradient descent 是一种..."
  • ❌ "训练 100 个 epoch"

规则：中文字符 与 (英文单词 / 阿拉伯数字 / 行内代码) 相邻时，加一个半角空格。

例外：全角标点前后不加空格 (中文标点已含视觉空间)。

5. 专有名词处理

5.1 人名

  • 首次: 中文译名 (English Full Name)
  • Charles Darwin → 查尔斯·达尔文 (Charles Darwin)
  • Henry Ndubuaku → 亨利·恩杜布阿库 (Henry Ndubuaku)
  • 之后：仅用中文
  • 姓名之间的分隔用中间点 ·，不用小圆点或半角句号
  • 知名度极高且中文圈更常直接用英文的，可保留英文：Alan Turing (可译"艾伦·图灵"，也可保留)，团队约定保留英文形式减少误译，除非有绝对通用中译 (如爱因斯坦、达尔文、牛顿)

5.2 机构 / 产品 / 公司

  • 一般保留原文: DeepMind, OpenAI, Nvidia, Y Combinator, Google, Meta, Anthropic, GitHub
  • 通用中译已牢固的可用中文：谷歌 (Google) — 首次给英文即可，但技术书籍中建议全书保留英文以避免歧义
  • 硬件/框架名保留原文：PyTorch, TensorFlow, CUDA, Triton, ARM NEON, AVX

5.3 创始人 / 名人引言

  • 直接引言 (带引号 "...")，中文译文 + 译注 (脚注) 附原文: 
    达尔文形容自己"不算机灵, 像一个需要时间才能吸收数据的慢处理器"[^darwin-quote]。

[^darwin-quote]: 原文: "not being quick-witted, feeling like a 'slow processor' who needed time to soak in data."

6. 文化梗 / 隐喻 / 幽默处理

  • 默认策略：直译 → 若不通再意译 → 段末加脚注说明原文
  • 常见坑:
  • playground — 数学语境 = "乐园" (原作反复用)；编程 = "沙盒"；儿童场景 = "游乐场"
  • dark magic / black box — 直译 "黑魔法" / "黑箱" 中文都通
  • just / merely — 常译"不过是" / "无非" / "就是"，保留轻描淡写口吻
  • hand-waving — "含糊带过" / "拍脑袋"，加脚注解释亦可
  • soak in (作者原句) — "慢慢吸收"，保留生活化感
  • 文化梗 (梗如美国电视剧、体育、政治笑话)：意译 + 脚注
  • 谚语：若中文有对应，用中文谚语 + 脚注附原文

脚注格式 (统一 [^tag] + 段尾定义，每章脚注 tag 独立编号): 

...原文这里有个双关[^pun-1]。

[^pun-1]: 译注: 原文 "kernel of truth" 一语双关, 既指真相内核也暗指 CNN 卷积核。

7. 每章翻译流程 Checklist (Translator Agent 必执行)

按顺序执行，每一步都是硬门。

步骤 1：预读 (5-10 min)

  • [ ] cat zh/TRANSLATION_GUIDE.md (本文件，每次都要重读一遍)
  • [ ] cat zh/GLOSSARY.md (查已有术语)
  • [ ] 通读整章原文一次，标出所有:
  • 未在 GLOSSARY 的新术语
  • 数学公式 / 代码块 / 图片位置 (确认不动)
  • 文化梗 / 隐喻 / 引言

步骤 2：术语落地

  • [ ] 新术语先追加到 zh/GLOSSARY.md (若已有条目则复用)
  • [ ] 若与已有译法冲突，停止翻译，到 GLOSSARY 讨论区留 issue 待主编裁定

步骤 3：逐段翻译

  • [ ] 逐段处理，不跳段，不合并段
  • [ ] 每段翻完立刻自检：公式动了没？代码动了没？图片路径动了没?
  • [ ] 长句 (> 30 中文字) 考虑拆句
  • [ ] 保持原文空行 / 缩进

步骤 4：自检 (硬门)

  • [ ] diff 结构：增强块之外的标题层级/数量、列表符号/缩进、代码块数量、公式数量、图片数量与原文完全一致；F12 认可的学习增强块不计入标题和列表结构比较
  • 可用：grep -c '^#' src.md 与 grep -c '^#' zh/dst.md
  • grep -c '```' src.md 计数代码块围栏 (应为偶数且相等)
  • grep -oc '!\[' src.md 计数图片
  • grep -oc '\$\$' src.md 计数块公式围栏
  • [ ] 中英文/数字之间是否加空格？(spot check 5 处)
  • [ ] 中文标点是否全角？(grep -n ' , ' zh/dst.md 检查游离半角逗号)
  • [ ] 术语是否统一？(grep 新术语关键词，确认全章唯一译法)
  • [ ] 首次出现术语是否带英文原文?
  • [ ] 脚注是否闭合？([^tag] 与 [^tag]: 数量相等)
  • [ ] 按原文顺序核对每个原文信息单元，确认增强块之外仍按顺序一一对应；增强块只能新增内容，不得替代、重排或省略原文信息单元；不得以行数、标题数或列表数相等代替覆盖核验
  • [ ] 所有新增解释、例子或断言均有可见的 > **补充说明**: 或 [译注:] 标记；一句话总结、本章导览、本节要点 可作为本手册规定的学习增强块
  • [ ] 记录 Translation QA verifier 的 P0/P1/P2 结果；任一 P0 失败不得交付，P1/P2 结果必须随交付证据保留

步骤 5：交付

  • [ ] 输出文件命名规则：zh/第XX章 - 中文章节名/序号. 中文小节名.md (与已建目录结构对齐)
  • [ ] 提交前跑 markdown lint (若配置)
  • [ ] 在 commit message 注明：translate(chXX): <小节名>

8. 常见坑清单 (Recurring Traps)

坑 说明 正解
MoE 里的 expert "expert" 在 MoE 上下文是术语 译"专家" (专家网络 / 专家路由)
kernel 三义 CNN / OS / kernel method CNN=卷积核，OS=内核，method=核 (首次加英文)
feature 两义 ML 特征 vs 数学 eigen-* 严格区分，eigen-* 加原文
normal 三义 正态分布 / 法向量 / 一般的 分布 → 正态；几何 → 法；日常 → 普通/一般
regular regularisation vs regular expression 前者 = 正则化，后者 = 正则表达式
model 数学模型 / ML 模型 / 建模 统一"模型"；动词 "modeling" 译"建模"
training 训练 (ML)，不译"培训"
inference 推理 (ML)，不译"推断"；但概率统计的 statistical inference = 统计推断 区分领域
prior/posterior 先验/后验 (概率) 别译"前置/后置"
greedy 贪心 (算法)，不译"贪婪的"
naive 朴素 (如 Naive Bayes = 朴素贝叶斯) 别译"天真的"
online/offline 上下文相关 ML=在线/离线学习；网页=线上/线下
channel CNN=通道；通信=信道
stream 数据流 / 流式 别混用
head (attention) 注意力头 不译"头部"
layer 层 Transformer 一层 = 一个 block
block 块 / 模块 视上下文
just / simply 不过是 / 无非 / 就是 保留轻语气
note / notice 注意 / 请注意 不用"值得注意的是" (太正式)
for instance / e.g. 例如 / 比如 别用"举个例子来说"
so-called 所谓 (中性) 别用"所谓的" (含贬义)
arbitrary 任意 (数学) 别译"随意"
almost surely 几乎必然 (概率) 术语，别口语化
一/1 数字上下文用阿拉伯数字，成语/俗语用中文 "1 维空间" vs "一举两得"
单位 cm/kg/GB/GHz 前后加空格 "185 cm" 而非 "185cm"
括号内的英文原文 首次：中文 (English)，括号内不加空格 ✅ "梯度下降 (gradient descent)"; ❌ "梯度下降 ( gradient descent )"
~ 与 ~ 的破折号 数值范围 (1~10) 用 ~ 或 –；语义停顿用 —— 别混

版式微坑

  • Alt 文本内不要放公式 (屏幕阅读器不友好)，用自然语言描述
  • 中文冒号后紧跟英文/公式时不加空格: ✅ 例如：$x = 1$
  • 表格内单元格不加末尾句号，保持简洁
  • Admonition 内部块级公式仍用 $$ (不能缩进破坏渲染)

9. 主编终审要点 (Reviewer Cheatsheet)

主编 review 时按以下清单快速扫描:

  1. 公式/代码/图片路径未动
  2. 增强块之外的标题/列表/空行结构对齐；增强块不计入标题与列表结构比较
  3. 中英文空格规范，全角标点
  4. 术语与 GLOSSARY 一致，首次出现带英文
  5. 语气亲切 (读起来像作者本人在讲，不像论文摘要)
  6. 长句已拆，无翻译腔
  7. 脚注闭合，引言原文可追溯
  8. 目录结构与命名合规
  9. 按原文顺序逐单元核对覆盖，确认每个原文信息单元均有可追溯的一一对应；不得以行数、标题数或列表数相等作为替代
  10. 新增内容均有可见标记：一句话总结、本章导览、本节要点，或 > **补充说明**:、[译注:]
  11. 附 Translation QA verifier 的完整 P0/P1/P2 结果与 JSON 证据；重点确认 P0-SOURCE-COVERAGE、P1-UNLABELLED-EXPANSION

11. 缩写处理 (v1.1 强化)

11.1 缩写首现三段式

任何缩写 (MLP / CNN / RNN / BPE / NER / POS / SVD / PCA / GAN / VAE / RLHF / MoE / SSM / DP / BFS / DFS / SIMD / CUDA / TPU / GPU / LLM / VLM / TF-IDF / NFC / NFD / OCR / ASR / TTS / SLAM / RTX ...) 首次出现时必须给出:

格式: 中文常见译法 (English Full Name, ABBR)

  • ✅ "字节对编码 (Byte-Pair Encoding, BPE)"
  • ✅ "循环神经网络 (Recurrent Neural Network, RNN)"
  • ✅ "命名实体识别 (Named Entity Recognition, NER)"
  • ✅ "混合专家 (Mixture of Experts, MoE)"
  • ✅ "自动语音识别 (Automatic Speech Recognition, ASR)"
  • ❌ "BPE" (直接用，无全称)
  • ❌ "字节对编码 (BPE)" (缺 Full Name)

之后：仅用缩写 ABBR (如 "BPE 算法…")，不重复全称。

11.2 无中文常见译法的处理

  • 若技术圈约定俗成不译 (SIMD / CUDA / GPU / TPU)：首现仍要给全称
  • ✅ "单指令多数据 (Single Instruction Multiple Data, SIMD)"
  • ✅ "统一计算设备架构 (Compute Unified Device Architecture, CUDA)"
  • 之后正文用 SIMD / CUDA
  • 若中文有多种译法，取 GLOSSARY.md 首选:
  • GPU：图形处理器 (Graphics Processing Unit, GPU)
  • TPU：张量处理单元 (Tensor Processing Unit, TPU)

11.3 章内首现 vs 全书首现

  • 每一节 (即每一个 .md 文件) 各自独立处理：该节首次出现的缩写都要展开
  • 理由：读者可能从任一节切入，不能假设已读上文
  • GLOSSARY.md 记录全书统一译法，但正文按节展开

11.4 缩写全称核对清单 (常见错案例)

常见错 正确全称
CNN = "Convolutional Neural Networks" ✅ Convolutional Neural Network (单数)
RNN Recurrent Neural Network
LSTM Long Short-Term Memory
GRU Gated Recurrent Unit
GAN Generative Adversarial Network
VAE Variational Autoencoder
BERT Bidirectional Encoder Representations from Transformers
GPT Generative Pre-trained Transformer
T5 Text-to-Text Transfer Transformer
BPE Byte-Pair Encoding
POS Part-of-Speech
NER Named Entity Recognition
TF-IDF Term Frequency-Inverse Document Frequency
SVD Singular Value Decomposition
PCA Principal Component Analysis
ICA Independent Component Analysis
MoE Mixture of Experts
SSM State Space Model
RLHF Reinforcement Learning from Human Feedback
DPO Direct Preference Optimization
KL Kullback-Leibler (divergence)
MLE Maximum Likelihood Estimation
MAP Maximum A Posteriori
MSE Mean Squared Error
CE Cross-Entropy
SGD Stochastic Gradient Descent
BFS / DFS Breadth-First Search / Depth-First Search
DP Dynamic Programming
SIMD Single Instruction Multiple Data
CUDA Compute Unified Device Architecture
GPU / TPU / CPU Graphics / Tensor / Central Processing Unit
ARM Advanced RISC Machine
AVX Advanced Vector Extensions
ASR Automatic Speech Recognition
TTS Text-to-Speech
OCR Optical Character Recognition
SLAM Simultaneous Localization and Mapping
GNN Graph Neural Network
GAT Graph Attention Network
VLM Vision-Language Model
VLA Vision-Language-Action model
CLIP Contrastive Language-Image Pre-training
LoRA Low-Rank Adaptation
MLP Multi-Layer Perceptron
ReLU Rectified Linear Unit
GELU Gaussian Error Linear Unit
BN / LN Batch Normalization / Layer Normalization
API Application Programming Interface
OS Operating System
IPC Inter-Process Communication
RTOS Real-Time Operating System
NFC / NFD Normalization Form Canonical Composition / Decomposition

⚠️ 若不确定全称，查 Wikipedia 或 GLOSSARY.md，不要凭记忆。

12. 括号对齐规范 (v1.1 强化)

12.1 括号类型对照

场景 用哪种括号 前后空格 内部空格
术语首现 中文 (English) 半角 () 中文与 ( 之间 1 空格 内部紧贴，无空格
缩写全称 中文 (Full Name, ABBR) 半角 () 中文与 ( 之间 1 空格 内部无空格
公式内部 保持 LaTeX 原样 — —
代码/URL 保留原样 — —
中文补充说明(纯中文) 全角 （） 无空格 —
单位/数字附注 半角 () 数字前有空格 内部无空格

12.2 例

  • ✅ 反向传播 (backpropagation) 是训练神经网络的核心算法
  • ✅ 循环神经网络 (Recurrent Neural Network, RNN) 处理序列数据
  • ✅ 我们训练了 100 个 epoch (相当于遍历数据集 100 遍)
  • ✅ 张三（作者本人）在书中提到 ← 纯中文补充说明用全角
  • ❌ 反向传播( backpropagation )是... ← 括号内有多余空格
  • ❌ 反向传播 (backpropagation)是... ← 右括号后缺空格
  • ❌ 反向传播(backpropagation) 是... ← 左括号前缺空格

12.3 嵌套括号

  • 术语 + 附加缩写：中文 (English Full Name, ABBR) — 用逗号分隔，不要嵌套
  • ❌ "字节对编码 (Byte-Pair Encoding (BPE))"
  • ✅ "字节对编码 (Byte-Pair Encoding, BPE)"

12.4 自动检查

grep 排查常见错误: 

# 找中文与半角左括号紧贴(缺空格)
grep -nP '[\p{Han}]$' zh/**/*.md

# 找半角右括号后紧跟中文(缺空格)
grep -nP '$[\p{Han}]' zh/**/*.md

# 找括号内首尾空格
grep -nP '$ | $' zh/**/*.md

13. 章节结构规范 (v1.1 新增) — 一句话总结 + 重点归纳

本节规定的 一句话总结、本章导览、本节要点 均是 F12 认可的学习增强块：它们可不计入 F4/F6 的标题与列表结构比较，但不得替代、重排或省略增强块之外的原文信息单元；增强块之外仍须按原文顺序一一对应。

每一节 .md 文件的输出结构 (硬性):

# <节标题>

> **一句话总结**: <1 句, 30-50 字, 高度浓缩本节讲什么>

*<原作 italic 引言的中文翻译, 若原作有 italic 概述则保留>*

<正文...>

---

## 📌 本节要点

- **<关键概念 1>**: <10-20 字解释>
- **<关键概念 2>**: <10-20 字解释>
- ...
- (5-8 条为宜, 覆盖本节所有需要读者记住的东西)

<可选: 与下一节的衔接>

13.1 "一句话总结" 规则

  • 位置：标题正下方 blockquote 形式 > **一句话总结**: xxx
  • 长度：30-50 中文字
  • 内容：回答"这一节到底讲什么，为什么重要"
  • 例:

  • 一句话总结：向量空间是一切 AI/ML 表示的数学舞台，它保证向量间的加法与缩放不会"逃出空间"，由此支撑起线性代数的整套理论。

  • 一句话总结：分词是把连续文本切成模型能处理的离散 token 的关键预处理步骤；BPE / WordPiece / Unigram 是三种主流子词切分算法。

13.2 "本节要点" 规则

  • 位置：文件末尾，用 --- 与正文分隔，用 ## 📌 本节要点 作二级标题
  • 条目：5-8 条，每条一行 - **术语**: 解释
  • 目的：读者读完后只看要点就能回忆全节
  • 若原节内容极短 (< 100 行 markdown): 3-5 条即可
  • 若极长 (> 500 行)：可扩到 10 条
  • 术语部分用中文加粗，解释用陈述句，不用问号

13.3 章首页 (每章第一个 .md 文件) 额外要求

  • 除本节的"一句话总结"与"本节要点"之外，额外在顶部加一段 ## 🗺️ 本章导览, 5-8 行 bullet，概述整章 5 节的关系与阅读顺序建议
  • 例 (Chapter 01 - Vectors 首节):
# 向量空间

> **一句话总结**: ...

## 🗺️ 本章导览

- 本章覆盖向量的一切: 空间 → 性质 → 度量 → 运算 → 高级结构
- **01. 向量空间** (本节): 定义向量与它们生活的空间, 引入公理
- **02. 向量的性质**: 长度、方向、单位化、正交
- **03. 范数与度量**: 各种距离与相似度
- **04. 向量积**: 点积、叉积、外积
- **05. 基与对偶**: 换基、对偶空间, 通往矩阵一章的桥梁

*<原作 italic 引言中译>*

<正文>

13.4 空章节处理

若原文文件为空 (如 Ch20 若干节)，中文版同样保留空文件，内容为: 

# <节标题>

> **一句话总结**: 本节内容尚待作者补充 (原文亦为空).

*占位符 — 待原作者更新原文后同步翻译.*

14. 联系与升级

  • 手册版本：v1.1 (2026-07 update：缩写全称、括号对齐、章节归纳)
  • 遇到手册未覆盖的新问题 → 在 zh/TRANSLATION_QA.md 追加 (若无则创建)，主编周期性合并到本手册
  • 不要擅自修改本手册主体，手册变更由主编统一 gate

一句话：保住公式与代码，保住作者的语气，剩下的就是"让一个懂技术的中文朋友，用中文把这段讲明白"。