吴恩达 Andrew Ng 分享了一种基于反思代理工作流的机器翻译 Python 实现。他认为它有可能超越传统的神经机器翻译。他宣布开源发布一个他在周末项目中开发的示范项目，该项目利用了一种代理工作流来优化机器翻译。该工作流包括以下步骤：
- 提示语言模型（LLM）将文本从一种语言翻译成另一种语言。
- 让LLM反思翻译，提出改进建议。
- 根据这些建议优化翻译。
在初步测试中，这种方法有时表现不错，有时不如目前的商业翻译服务。然而，它具有高度的可定制性。用户可以通过更改提示来调整翻译的语气（正式/非正式）、区域变体（例如，西班牙的西班牙语与拉丁美洲的西班牙语）以及术语的一致性（通过提供词汇表）。
