Token是詞元，Prompt是文令：是時候給AI配得上這個時代的中文了

2012 年，張一鳴給新公司取名，用了一個計算機術語做名字——字節。

這大概是中國科技公司里最讓人服氣的一個名字。兩個字，有技術感，有力量感，認知成本幾乎為零。你不需要懂計算機，只需要認中文，就知道「字節」說的是某種文字層面的基本單位。

干凈、準確、過目不忘。能拿一個術語做公司名且毫無違和感，這本身就說明這個詞翻譯得有多好。

現在，「字節跳動」成了全球價值最高的獨角獸公司。但要是問你：如果當年那家公司叫「存儲單位跳動」，你還覺得那么自然嗎？

別笑，這就是最近 AI 行業在發生的事。

別吵了，Token 最好的中文翻譯一直在那兒

上周大家對于 Token 該翻譯成生什么吵翻天「模元」「智元」「靈符」「令牌」「偷啃」……社交媒體隔段時間就會掀起一輪爭論，每次都以各說各話收場。

這些候選詞各有各的巧思，但放在一起看，你會發現：大家都在比誰更有靈氣、更有意境，卻沒人先問一個最根本的問題——Token在技術上到底是什么？

它不是「智能」的單位，不是「模型」的單位，它是語言處理的最小單位。

「靈符」有東方賽博美感，但術語不需要意境，它需要精確。

「智元」大氣，但 Token是語言的處理單位，不是「智能」的單位，往上貼「智」字是貼錯了標簽。

「令牌」最離譜，這是 Token在計算機安全領域的既有譯法，特指身份驗證憑證，拿來混用等于把銀行卡和撲克牌叫同一個名字。

「偷啃」這種音譯就完全喪失了中文的優勢了。

其實在這場混戰之前，答案早就在那里了。

在自然語言處理（NLP）學術文獻里，Token 作為文本的最小處理單位，長期被譯為「詞元」。

詞，指向語言屬性；元，指向最小粒度。兩個字，一個管歸屬，一個管層級。

蘋果就采用了這個譯法。打開 Apple 中國官網，產品詳情頁寫著「詞元響應速度」。

要知道蘋果的中文本地化團隊是出了名的較真——AirDrop 叫「隔空投送」，Live Text 叫「實況文本」，每個詞都是反復推敲的結果，目標只有一個：準確、簡潔、有造詞美感。

蘋果選了「詞元」，絕不是心血來潮。無獨有偶，在央視新聞節目里，Token 同樣被譯作詞元。

當蘋果和央視不約而同選了同一個中文翻譯，其實已經形成了事實標準的雛形，只是差更多人開口。

翻譯界有句老話：好的翻譯不是發明，是發現——發現那個本該如此的中文表達。

APPSO 認為，詞元是唯一一個同時滿足信、達、雅三個標準的翻譯。 它準確（信），一看就懂（達），有術語的凝練和古典感（雅）。

這場爭論，其實沒什么可吵的。

「提示詞」， AI 時代最將就的翻譯

Token 的問題可以收場了。Prompt 的問題，才剛剛開始。

目前業內通用叫法是「提示詞」。三個字，好懂，傳播也廣——但說實話，這個詞不夠用，早就不夠用了，只是沒人較真去捅破這層窗戶紙。

「提示詞」的問題不在于它翻譯錯了，而在于它把「提示」把權力關系翻反了。

你寫一段 system prompt，定義模型的人格邊界，規定它只能做什么、不能做什么，指定輸出格式和語氣——這叫「提示」？這是在下令。

「提示」暗含的邏輯是：模型是主角，人在旁邊小聲提醒它一下。但真實的權力結構恰恰相反，是人在驅動模型。一個譯名把主語關系弄反了，這就不只是措辭問題，是認知框架問題。

「詞」字還把格局說小了。 現在的 prompt 早就不是一兩句話的事。Anthropic 內部的 system prompt 有幾千字。企業級 RAG 應用里，一條 prompt 可能塞進了整本產品手冊。用「詞」來描述這個東西，就像用「便簽」來形容一份合同——你也沒說錯，但你說小了。

而且你看像素、字節、詞元，清一色兩個字。兩字詞在中文里天然帶有凝練感，是能進教科書、進國標文檔的形態。「提示詞」三個字，更像是技術社區里約定俗成的口語簡稱，不像一個嚴肅的技術命名。

好比當年把 byte 翻成「存儲小段」、把 pixel 翻成「圖像色點」，不是不能用，是將就。

「提示詞」就是 AI 時代最將就的翻譯之一。

「文令」 Prompt

APPSO 的提議是：Prompt，應該翻譯為「文令」。

說理由之前，先說這個詞怎么推敲出來的，過程本身就是最好的論據。

最初我們想到的是「句令」。句，成句的文字；令，命令、指令。古典美感十足，讀起來也響亮有力。

但仔細想有個漏洞：「句」暗示 prompt 是「一句話」。現實中，prompt 可以是一個詞，可以是三段話，可以是五千字的系統指令——「句」給了它一個不存在的邊界限制。

如果換成「文」，這個問題就消失了。

一字，是文字。一句，是文句。一段，是文段。一篇，是文章。不管 prompt 長成什么樣，「文」都接得住，沒有邊界焦慮。

于是定了，Prompt 就是文令。

文——文字、文本、文章。Prompt 的載體永遠是文字，不管是閑聊一句還是 Agent 編排指令，物理形態就是文。「文」不是修飾，是對 prompt 本質形態最直接的命名。

令——命令、指令。Prompt 的功能是驅動模型執行。寫下一段文字，模型照著意圖去生成、推理、行動。「令」精準地捕捉了這個動作——人在向模型發號施令。

文 = 它是什么（形態）。令 = 它做什么（功能）。

兩個字，一個管形態，一個管功能，各司其職，合起來剛好是 prompt 的完整定義。

像素 · 字節 · 詞元 · 文令，一條從機器通往人的路

把「文令」放進更大的坐標系里，會看到讓人心跳漏半拍的東西：

像素（pixel） → 眼睛看見的世界的最小單位

字節（byte） → 機器存儲的世界的最小單位

詞元（token） → 模型理解語言的最小單位

文令（prompt） → 人類驅動模型的最小單位

四個詞，同一套構詞邏輯：載體屬性 + 功能屬性。

像素——像（圖像）+ 素（元素）。

字節——字（文字）+ 節（片段）。

詞元——詞（詞語）+ 元（原始單位）。

文令——文（文字）+ 令（指令）。

像素離機器最近，文令離人最近。這背后有一條隱藏的一條進化時間線：從感知，到存儲，到理解，到驅動——這是人類一步步將意圖注入機器的完整進程。

相反，如果把「提示詞」放進這個坐標系就會格格不入，它描述的是功能，不是定位，和其他三個詞不在同一個維度上，因為它的造詞邏輯從一開始就跑偏了。

「人工智能」的遺憾，不要再來一次

當然有人會說，叫什么無所謂，大家看得懂就行。

多年前，大概也有人這么評價「像素」和「字節」。但今天，這兩個詞已經成了全民詞匯。你媽媽可能不知道 pixel 的英文拼寫，但她一定知道手機攝像頭「五千萬像素」。

好的術語翻譯，是認知基礎設施。 它決定了一個技術概念能不能從專業圈層穿透到大眾理解。

AI 時代的術語翻譯窗口不會一直開著。一旦某個詞在社交媒體、教科書、產品說明里固化下來，就很難再改了。

現在還來得及。

你看「黑客」的負面含義在中文里就被徹底固化，結果我們不得不另造一個「白帽子」來打補丁。

「人工智能」這四個字本身也不夠好——「人工」天然暗示「假的、模擬的」，但這個翻譯已經徹底定型了，沒有人有能力再改。「電腦」和「計算機」到今天還沒統一，還要再吵多少年不知道。

所幸，Token、「提示詞」還沒有徹底固化。它還在微信群和自媒體里流通，但還沒有被寫進國標，沒有被教科書鎖死。現在提出「詞元」「文令」，是成本最低、阻力最小的時候。

現在 「詞元」（Token）已經被開始被寫入工資單，成為薪酬福利一部分。再等兩年，當「提示詞」出現在高考題的閱讀理解里、出現在勞動合同的崗位名稱上，那時候再說就沒用了。

APPSO 不想再經歷一次「人工智能」式的遺憾，明明有更好的答案，只是沒人在窗口還開著的時候大聲說出來。

詞元、文令：請跟我們一起說

Token 就叫詞元。詞，定其形。元，定其根。

Prompt 就叫文令。文，定其意。令，定其魂。

這是 APPSO 的主張，也是 APPSO 的邀請。

我們不是要定義術語。 術語由每一個在文章里寫它、在發布會上說它、在課件里用它的人定義。我們做的事，只是在窗口關閉之前，把一個更好的選項擺上桌面。

像素讓機器把畫面給人看。

字節讓數據在機器之間流動。

詞元讓模型讀懂人類的語言。

文令讓人類的意志驅動機器的智能。

下一次你打開 AI 的對話框，你寫下的每一個字，都是文令。

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）