Imported from Zaious/translate-academic-paper (SKILL.md). Install upstream with npx skills add Zaious/translate-academic-paper. Copyright stays with the author.

學術論文翻譯工作流程

大方向

輸入一篇論文 PDF，輸出一個單一自包含 HTML（圖片/公式/掃描原頁全 base64 內嵌、CSS inline），頂部可切換 純中文 / 中英對照 / 純原文 三種檢視。每節先產生 build/sec01.html … secNN.html，最後 combine_paper.py 合併成 build/論文_中譯.html。

翻譯輸出繁體中文（台灣用語）。工具鏈：PyMuPDF (fitz)、Python 字串操作、WebSearch（查術語）。

與 TRPG 版的差異：論文求精確可對回原文而非文學再創作；術語查標準譯法而非創譯；沒有角色卡/NPC 肖像，改處理圖表、公式、參考文獻、雙欄、掃描檔。

適用範圍不限「論文」：現代技術論文、人文/社科經典（如哲學論說文、歷史文獻）都適用，差別只在語域——技術論文求精確簡潔；人文論說文求思辨流暢、保留修辭節奏（見 methodology.md）。

安裝依賴： pip install pymupdf pillow          # 核心
          pip install python-docx             # 選用：要輸出 .docx 才需要

執行環境與廠商中立

本 skill 為廠商中立：規則（references/）+ 腳本（scripts/）+ 這份 SKILL.md 自成一套，任何能操作檔案、跑 shell 的 agent（Claude / Gemini / GPT / 本地模型，搭配 Cursor / Cline / Aider / 各家 CLI）都能照 references/runbook.md 獨立跑完。

建議用視覺（多模態）模型：掃描檔要「看頁面圖翻譯」；非視覺模型只能退回 OCR 文字流。
敏感史料注意：翻譯 19 世紀以前經典時，原文常含當時殖民/種族/性別用語，這是正當的公有領域學術翻譯，但某些代管 API 的輸出過濾器會誤判並回傳 400 擋掉輸出。對策見 runbook：縮小輸出塊（一次一段、直接寫檔）、或把「逐段翻譯」這步交給過濾較寬鬆的模型執行。其餘步驟不受影響。

🚫 絕對規則：翻譯必須由你（執行的模型）親自逐段產出

這條凌駕一切。違反即等於任務失敗。

不得呼叫任何機器翻譯服務或工具代翻：Google Translate / DeepL / 百度・有道翻譯 / translate CLI / 任何 MT 函式庫 / 另開一個 LLM API 去跑翻譯。翻譯本身就是這個任務。
不得把整段、整節、整章丟給翻譯工具再貼回。外包會摧毀術語一致性、語域、頁碼對位與忠實度，交出來的是 Google 翻譯等級的東西——這正是本 skill 存在要避免的。
「我的 context 不夠」不是藉口：本 skill 就是設計成逐段／逐節增量進行—— 一次翻一節、寫進 build/secNN.html、釋放 context 再繼續下一節。你永遠不需要一次容納整本書。分批做，不要為了省事偷吃步。
唯一允許呼叫外部工具的時機：Phase 0 用 WebSearch 查術語的標準中譯。那是「查證」不是「代翻」——查完仍由你自己下筆。
自我檢查：每寫完一節問自己「這段中文是我讀著原文親手譯的，還是我叫工具譯的？」若是後者，作廢重譯。

Phase 0：領域理解 + 詞庫（⚠️ 翻譯前必做）

最不能跳過的一步。 術語第一節翻錯，後面全要回頭改。詳見 references/glossary-guide.md。

0-A：掌握領域與主題

快速讀摘要、引言、各節標題、結論，掌握這篇在做什麼、屬哪個領域、方法論流派、核心貢獻。
必要時 WebSearch 查領域背景。
輸出 150–300 字「領域與主題摘要」，記在 build/glossary.md 最上方，作為全文用詞的語域錨點。

0-B：建立詞庫（三層）

第一層領域核心術語：反覆出現、決定理解的詞。逐個 WebSearch 查主流中譯 （教育部學術名詞網 → 中文教科書/維基 → 社群慣例）。
第二層本文自訂概念 / 模型名 / 縮寫：模型與系統專名多保留原文（BERT、Transformer 不譯）；作者自造詞查無標準譯法就進「待確認」。
第三層人名 / 機構 / 資料集 / 工具：資料集與工具名保留原文（ImageNet、PyTorch）。

0-C：術語決策規則

唯一主流譯法 → 直接鎖定，不打擾使用者。
兩岸差異 → 取台灣繁中（最佳化 not 优化、演算法 not 算法、資訊 not 信息，見 methodology.md 對照表）。
≥2 種台灣譯法並存，或論文自造新詞 → 放「待確認」，翻該節前一次問使用者。
鎖定後全文一致，遇到照用不重決定。

Phase 1：偵察 + 文件分類

python scripts/inspect_pdf.py paper.pdf              # 總覽：A/B/C 判定、欄數、圖表/公式/文獻
python scripts/inspect_pdf.py paper.pdf --page 3     # 細看某頁 block 座標
python scripts/inspect_pdf.py paper.pdf --fonts      # 字型統計（找 body/標題/caption 字型）

必確認：

文件類型 A / B1 / B2 / C（腳本判 A/B/C；B 類必須加做髒度判級）：
- A 原生電子檔 → 走 Phase 2 文字流。
- B1 乾淨掃描（OCR 可信）→ 走 Phase 2，OCR 當底稿，翻譯時對照頁圖校對錯字。
- B2 髒掃描（OCR 不可信）→ 走 Phase 2-B2 批次流程（見 runbook §B2）： OCR = 只當定位器（locator only），乾淨原文必須逐頁看圖校訂，以 translation units 為正典資料層，批次推進、批批 QA。
- C 無文字層掃描檔 → 走 Phase 1.5，看圖直譯；長書可比照 B2 分層，原文層改看圖轉錄。
B1/B2 判級（兩分鐘）：render 3 頁樣本 → 看圖數 OCR 錯字。 ≲3 處/頁 → B1；>3 處/頁 → B2。另見即判 B2 訊號：19 世紀老字體、手寫批註/圈線、頁面破損污漬、腳註密集。只升不降——B1 翻到一半發現錯誤密度超標，當場升 B2，已完成部分照 B2 標準重驗。
offset：書本印刷頁碼 = PDF page index + offset。核實一頁比對。
欄數：單欄/雙欄（會議論文常雙欄）。輸出一律重排成單欄。
參考文獻起始頁（之後不翻）。
圖表 caption、編號公式的大致數量。
書目資訊：從標題頁／版權頁（或 DOI 查 Crossref）擷取作者、單位(Affiliation)、出處(期刊·卷期·頁／出版社)、年份、DOI/ISBN，寫成 build/meta.html（論文與專著都要，模板見 css-template.md 的「書目資訊 header」）。combine 會自動放在成品最上方。

Phase 1.5：掃描檔整頁渲染（僅 B/C 類）

python scripts/render_pages.py paper.pdf --offset 0 --pages 0-12 --zoom 3.0
# C 類同時輸出可內嵌的原文頁圖：
python scripts/render_pages.py paper.pdf --offset 0 --b64

產生 build/pages/p*.png。用 Read 工具逐張看這些圖，邊看邊翻成 sec*.html—— 這是「人肉 OCR + 翻譯」一步到位，不跑 Tesseract（老掃描檔錯字會污染翻譯）。
C 類的「原文」檢視欄直接放頁面原圖（--b64 產生的 data URI，見 css-template.md）。

Phase 2：逐節翻譯

先取乾淨原文（A/B1 類；B2 走 Phase 2-B2，不用這步）

python scripts/extract_structure.py paper.pdf --offset 0 --out build/source.txt

產生欄位還原、閱讀順序正確的原文（雙欄直接 get_text 會左右串行），並標出 [FIGURE]/[TABLE]/[EQ]/[REFERENCES] 位置，讓你知道哪裡插圖/插公式/停止翻譯。

section HTML 結構（關鍵）

每個 build/secNN.html 是完整 HTML，body 內含 <section class="sec" id="secNN">。 段落一律用對照結構（純中文檢視只是把 .orig 隱藏，原文不遺失）：

<div class="para">
  <div class="zh">中文翻譯，術語首見附<span class="en">term</span>。引用標記 [12] 原樣保留。</div>
  <div class="orig">Original sentence, citation [12] kept verbatim.</div>
</div>

圖：放占位 <figure class="fig" data-label="Figure 1"><figcaption>圖 1：中文圖說…</figcaption></figure>
公式：獨立行 <div class="eq" data-num="1"></div>；行內 <span class="eq" data-num="2"></span>
參考文獻：<section class="sec" id="sec-ref"> + .references，原樣不翻

完整模板見 references/css-template.md。

翻譯規則（摘要，詳見 `references/methodology.md`）

繁體中文、台灣用語。精確 > 通順 > 優雅。
引用標記 [12]、(Smith, 2020)、數值、單位、統計量 p<0.05、符號：一律原樣保留。
領域術語首見：中文<span class="en">English</span>，純中版也附。
模型/資料集/工具專名：保留原文。參考文獻：整段不翻。
被動語態轉中文主動或無主句，別硬翻「被…」。
用詞照 Phase 0 詞庫，不重新決定。

Phase 2.5：每章翻完立刻跑品質關卡（強制）

python scripts/check_translation.py build/secNN.html --min-page N1 --max-page N2
python scripts/check_fidelity.py   build/secNN.html   # 忠實度：數值/引用/長度比

check_translation.py 保結構（抽稿/缺原文/跳頁/腰斬句/簡體字）； check_fidelity.py 補內容忠實的客觀部分——逐段比對 zh vs orig 的數值、引用標記掉落與長度比離群，圈出疑似幻覺（漏譯/捏造/改寫）供人優先複核。兩者皆為機器層， 語意錯譯（數字對、引用在、長度正常卻翻反意思）兩者都抓不到，仍須人工抽查對圖。

實測抓過真的失敗案例：長章節被悄悄濃縮成幾段摘要交差（60 頁章節只給 9 段）。 不要等全書合併完才靠肉眼抓，每章翻完當場跑這個腳本，一併查抽稿／缺原文對照／頁碼跳號逆行／簡體字混入四項。❌ FAIL 就打回重譯該章，通過才進下一章。詳見 runbook.md §4.5。

Phase 2-B2：髒掃描批次流程（僅 B2 類；細節見 runbook §B2）

核心原則：頁面圖 = 證據；OCR = 定位器；乾淨原文 = 看圖校訂的轉錄；中文 = 逐段親譯。

分層產物（每層獨立存檔，HTML 只能由 units 生成）：

00 來源快照 → 01 頁面圖 → 02 page map → 03 乾淨原文 → 04 translation units(JSON)
→ 05 輸出(HTML/DOCX) → 06 QA 報告

批次是常態：~10 頁一批，邊界必以完整段落收口（跨頁段落跟到段尾）。每批 JSON 記 coverage.full_pages / partial_pages；下一批開工先驗接縫（前批尾段＋本批首段能無縫接上）。每批 QA 通過才進下一批—— batch 不是分工量，是「可驗證、可重做」的檢查點：壞了只重做一批，不會壞整章。

units 規則：

type: paragraph / footnote / heading / epigraph / caption
跨頁腳註合併為單一 footnote unit，pages 記實際跨頁，緊跟其出處段落
手寫批註/圈線/邊註一律不得進 orig——那是前任讀者的痕跡，不是原文
題詩/歌謠用 epigraph，行間用 / 分隔
乾淨原文的校訂建議用修正清單模式（模型只輸出 OCR 底稿的 diff，不重打全文）：省 token、也可避開代管 API 對「大量輸出書籍原文」的過濾器誤判

units JSON → units_to_section.py 轉成標準 build/secNN.html（.para/.zh/.orig 結構） → 之後與 A/B1 共用 Phase 3–5（圖表、公式、combine）。

Phase 3：圖表擷取

論文圖多為向量繪圖、表為排版表格（非點陣 xref），用 caption 錨點 + 渲染整塊區域。

# 1) 先看擷取對不對（強烈建議）
python scripts/place_figures.py paper.pdf --offset 0 --dry-run
# 抽看 build/figs/*.png，確認沒框錯

# 2) 注入某節（<figure data-label="Figure 3"> 會被填圖）
python scripts/place_figures.py paper.pdf --offset 0 --inject build/sec02.html
# 表格 caption 在表格上方的排版加 --table-above

Figure 預設在 caption 上方、Table 在下方。
務必用 Read 抽看幾張 build/figs/*.png——配錯比沒有更糟。
注入冪等，可反覆重跑調參。詳見 references/pipeline-notes.md。

Phase 4：公式（原圖截圖內嵌）

公式一律截原圖，保證與原文一致、不重排。

python scripts/render_equations.py paper.pdf --dry-run             # 先看抓到哪些編號公式
python scripts/render_equations.py paper.pdf --auto --inject build/sec02.html
# 沒編號的置中公式，或多行公式沒截全，用手動：
python scripts/render_equations.py paper.pdf --manual 5:220-260 --out build/eq_x.png

--auto 抓右對齊 (N) 編號公式。多行公式 / 無編號公式用 --manual page:y0-y1 （y 座標用 inspect_pdf.py --page N 讀）。
行內純文字小公式（x_i）可直接打字，不必截圖。

Phase 5：合併與輸出

成品建議輸出到獨立目錄（如 out/），與工作檔 build/ 分開。

# HTML：三態切換（純中/對照/純原文）、浮動 TOC、全內嵌、內建列印樣式
python scripts/combine_paper.py --build build --out "out/論文_中譯.html" \
    --title "論文標題 — 中譯" --default-view both

# （選用）Word .docx：docx 無切換，用 --view 選版本（需 pip install python-docx）
python scripts/export_docx.py --build build --out "out/論文_中譯.docx" --view zh
python scripts/export_docx.py --build build --out "out/論文_對照.docx" --view both

# （保底）純文字對照：零依賴，裝不了 python-docx 時用
python scripts/export_txt.py --build build --out "out/論文_對照.txt" --view both

樣式由 combine 內建（單一真相）：.pgmark/.poem/.en/figure/.eq/.abstract 等元件不論出現在哪一節都有樣式；section 檔的 <style> 只為單獨預覽用。要客製用 --css。
列印：切到想要的檢視再列印，@media print 會隱藏 TOC/工具列、避免段落被切斷。

快速清單

Phase 0（領域＋詞庫）

讀摘要/引言/結論，寫 150–300 字領域摘要
建 build/glossary.md，第一層術語逐個 WebSearch 查標準譯法
兩岸差異取台灣繁中；模型/資料集名保留原文
≥2 種譯法或自造詞 → 待確認，一次問使用者

Phase 1（偵察）

確認 A/B1/B2/C 文件類型（inspect 判 A/B/C；B 類抽 3 頁對圖判 B1/B2）
確認 offset、欄數、參考文獻起始頁
B/C 類 → 跑 render_pages；B2 → 走批次流程（Phase 2-B2）

Phase 2–5

寫 build/meta.html 書目 header（作者/單位/出處/年份/DOI/ISBN）
extract_structure 取乾淨原文（A/B）
逐節翻成 sec*.html（用 .para/.zh/.orig 結構）
每章翻完跑 check_translation.py（結構）＋ check_fidelity.py（忠實度），FAIL 打回重譯，fidelity 疑點對圖複核，通過才繼續
place_figures --dry-run 眼睛確認 → --inject
render_equations --auto/--manual 內嵌公式
combine_paper 合併，開三態切換抽查

可執行腳本（scripts/）

腳本	用途
`inspect_pdf.py`	Phase 1：A/B/C 分類、欄數、字型、圖表/公式/文獻偵測
`render_pages.py`	Phase 1.5：整頁渲染（掃描檔看圖直譯 / 內嵌原頁）
`extract_structure.py`	Phase 2：欄位還原、閱讀順序正確的原文 + 結構標記
`check_translation.py`	Phase 2.5（強制）：結構關卡——抽稿/缺原文/跳頁/腰斬句/簡體字，FAIL 即退出碼 1
`check_fidelity.py`	Phase 2.5：忠實度——數值/引用掉落、長度比離群，圈疑似幻覺供人複核
`units_to_section.py`	Phase 2-B2：translation units JSON → 標準 secNN.html
`export_txt.py`	Phase 5（保底）：零依賴純文字對照輸出
`place_figures.py`	Phase 3：caption 錨點擷取圖表並注入
`render_equations.py`	Phase 4：編號/手動公式原圖截圖內嵌
`combine_paper.py`	Phase 5：合併 + 三態檢視切換 + TOC + 列印樣式（內建正典 CSS）
`export_docx.py`	Phase 5（選用）：另外輸出 Word .docx（--view zh/both/orig，需 python-docx）
`paper_utils.py`	共用函式（被上面 import）

詳細參考資料

references/runbook.md — 可攜執行手冊（給任何 agent/模型照著跑；視覺/非視覺兩路徑、交付檢查、過濾器對策）
references/methodology.md — 翻譯方法論（學術文體、被動語態、台灣術語、反翻譯腔、常見陷阱）
references/glossary-guide.md — 詞庫建立與標準譯法查證流程
references/css-template.md — section HTML 結構、對照/圖/公式/文獻模板、CSS
references/pipeline-notes.md — 腳本原理、A/B/C 判定、雙欄坑、圖表/公式調參

translate-academic-paper

About

學術論文翻譯工作流程

大方向

執行環境與廠商中立

🚫 絕對規則：翻譯必須由你（執行的模型）親自逐段產出

Phase 0：領域理解 + 詞庫（⚠️ 翻譯前必做）

0-A：掌握領域與主題

0-B：建立詞庫（三層）

0-C：術語決策規則

Phase 1：偵察 + 文件分類

Phase 1.5：掃描檔整頁渲染（僅 B/C 類）

Phase 2：逐節翻譯

先取乾淨原文（A/B1 類；B2 走 Phase 2-B2，不用這步）

section HTML 結構（關鍵）

翻譯規則（摘要，詳見 `references/methodology.md`）

Phase 2.5：每章翻完立刻跑品質關卡（強制）

Phase 2-B2：髒掃描批次流程（僅 B2 類；細節見 runbook §B2）

Phase 3：圖表擷取

Phase 4：公式（原圖截圖內嵌）

Phase 5：合併與輸出

快速清單

可執行腳本（scripts/）

詳細參考資料

Use it

Manifest

Reviews

About

學術論文翻譯工作流程

大方向

執行環境與廠商中立

🚫 絕對規則：翻譯必須由你（執行的模型）親自逐段產出

Phase 0：領域理解 + 詞庫（⚠️ 翻譯前必做）

0-A：掌握領域與主題

0-B：建立詞庫（三層）

0-C：術語決策規則

Phase 1：偵察 + 文件分類

Phase 1.5：掃描檔整頁渲染（僅 B/C 類）

Phase 2：逐節翻譯

先取乾淨原文（A/B1 類；B2 走 Phase 2-B2，不用這步）

section HTML 結構（關鍵）

翻譯規則（摘要，詳見 references/methodology.md）

Phase 2.5：每章翻完立刻跑品質關卡（強制）

Phase 2-B2：髒掃描批次流程（僅 B2 類；細節見 runbook §B2）

Phase 3：圖表擷取

Phase 4：公式（原圖截圖內嵌）

Phase 5：合併與輸出

快速清單

可執行腳本（scripts/）

詳細參考資料

Use it

Manifest

Reviews

翻譯規則（摘要，詳見 `references/methodology.md`）