pdf-translate
"Use when translating PDF documents between languages while strictly preserving original layout, formatting, typography, tables, and signatures. Powered by LLM direct comprehension, two-stage data-contract translation, chunked modular generation, in-browser JS overflow detection, and high-fidelity vector PDF reconstruction. Features zero-hallucination guardrails and automated 1:1 page-by-page audit script (audit_pdf.py)."
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Badge for your README
Markdown
[](/listings/lxsssssss--pdf-translate)HTML
<a href="/listings/lxsssssss--pdf-translate"><img src="/api/listings/lxsssssss--pdf-translate/badge.svg" alt="findsafeskills safety rating" /></a>Install
Install instructions from the README
As written by the repo's author. findsafeskills has not verified these steps.
1. 安装依赖
git clone https://github.com/lxsssssss/pdf-translate.git cd pdf-translate pip install -r requirements.txt playwright install chromium
> *注:Windows 环境下亦支持直接调用系统自带的 `msedge` 浏览器信道。*
---
2. 运行一键开箱即测 Demo
无需准备任何复杂环境,直接运行项目内置的端到端体验脚本:
python examples/quick_demo.py
终端将依次执行:渲染英文原件与中文译件 ➔ 递归溢出探针与页数校验 ➔ 以原件为基准逐页审计译件 ➔ 在 `examples/output/` 输出 JSON 报告与并排对比图!
运行测试:
pip install -r requirements-dev.txt python -m pytest
---
3. 命令行工具使用指南
🔹 矢量 PDF 渲染 (`render_pdf.py`)
将排版好的 HTML 源码渲染为物理隔离的矢量 PDF:
# 基础渲染 python scripts/render_pdf.py input.html output.pdf # 开启严格模式 (任何溢出或页数不符则不写出 PDF,退出码 2) python scripts/render_pdf.py input.html output.pdf --strict-overflow # 指定浏览器 (默认 auto:优先 Edge,失败回退 Playwright 自带 Chromium) python scripts/render_pdf.py input.html output.pdf --browser chromium
🔹 自动化 1:1 对比审计 (`audit_pdf.py`)
比对原版 PDF 与翻译后 PDF 的页码、矢量层、条款编号与文本完整性:
# 基础对比审计 python scripts/audit_pdf.py --src original.pdf --tgt translated.pdf # 严格模式 (任何警告均触发非零返回码) python scripts/audit_pdf.py --src original.pdf --tgt translated.pdf --strict # 输出结构化 JSON 审计报告 (便于 CI/CD 或 Agent 自动化解析) python scripts/audit_pdf.py --src original.pdf --tgt translated.pdf --json audit_report.json # 生成原件|译件并排对比图 (可用 --pages 1,3,5-7 指定页) python scripts/audit_pdf.py --src original.pdf --tgt translated.pdf --compare-png compare_png/ # 忽略合法差异 (如年份),或使用自定义敷衍词表 python scripts/audit_pdf.py --src original.pdf --tgt translated.pdf --ignore "^(19|20)\d\d$" --keywords my_keywords.json
---
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
SKILL.md · Manifest · 158 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- ---
- name: pdf-translate
- description: "Use when translating PDF documents between languages while strictly preserving original layout, formatting, typography, tables, and signatures. Powered by LLM direct comprehension, two-stage data-contract translation, chunked modular generation, in-browser JS overflow detection, and high-fidelity vector PDF reconstruction. Features zero-hallucination guardrails and automated 1:1 page-by-page audit script (audit_pdf.py)."
- version: 2.4.0
- author: Antigravity
- ---
- # PDF 保持原排版翻译 Skill (大模型直译 + 几何探针测量 + 矢量排版重构 + 生成后对比自愈)
- 当用户需要**翻译 PDF 文档**,且要求**必须完整保留原始版面格式、公文表头、目录、双语表格、签章栏、插图物理尺寸**并最终**输出为高保真矢量 PDF 文件**时,使用此 Skill。
- > [!IMPORTANT]
- > **四大核心铁律(杜绝机翻乱码、长文档幻觉、跨页溢出与图片排版变形)**:
- > 1. **严禁脑补,严格忠实直译 (Strict Faithful Translation & Zero Hallucination)**:
- > - **不得压缩或遗漏条款**:逐条忠实翻译每一个一级、二级、三级子条款(如法定资质证照清单 2.1.1~2.1.8、年限指标、年产能门槛 150,000 吨、分卷装订规则 Volume 2A/2B 等),坚决禁止主观总结或合并条款;
- > - **坚决禁止虚构常识**:严禁凭常识脑补原文不存在的交付程序、装订份数、银行授信金额或办事流程(例如原文未写具体金额则绝对禁止编造 1,000,000 KWD,无 5.3 节则绝对不可添加 5.3 节);
- > - **表格格式 1:1 忠实还原**:官方附表(如 Appendix-1 至 Appendix-6)的列名、行高、选项框、备注及签字盖章区必须严格对齐原件,严禁用自创的“申报核对清单 (Checklist)”或通用表格粗糙代替。
- > 2. **几何探针与视觉锚点测量铁律 (Geometry Probe & Visual Anchor Measurement)**:
- > - **绝对禁止经验主义猜度尺寸**:严禁在未测量原件几何信息的情况下,随意给插图或表格加上 `max-height: 220px` 等主观限制,导致原图严重缩水变形或比例失调;
- > - **原图物理坐标与尺寸 1:1 提取**:提取图片时必须调用 `page.get_image_rects(xref)` 获取原图在页面上的实际 `width`、`height` 以及 `x0, y0`,并在 HTML 中严格以真实物理尺寸呈现(如原件宽 218.9pt、高 322.4pt,HTML 中必须按照该物理尺寸渲染);
- > - **几何线条与装饰框高保真复刻**:通过 `page.get_drawings()` 提取所有几何元素(如顶会论文标题框的 4pt 粗黑顶线与 1pt 细底线、长度 143.5pt 的左对齐短横脚注线),严禁用通用单薄的 100% 宽度边框粗暴替代;
- > - **中文信息密度补偿与垂直基线对齐**:中文字符信息密度通常比西文高 20%~35%,必须记录关键文字块的垂直基准起点 `y0`(如摘要标题、正文、章节起始与脚注线位置),通过微调行高(`line-height: 1.35~1.45`)、段落间距(`margin`)以及灵活运用网格与绝对定位,确保中文版面的视觉重心与垂直基线与原件严密锚定,杜绝页面下半部分突兀大面积留白;
- > - **首页页眉页脚特殊规则**:大部分顶会论文(NIPS/ICML/CVPR 等)或官方公文首页(Page 1)不编排页码,底部通常为会议发表信息或官方备案行,严禁在第一页机械添加页码。
- > 3. **两阶段解耦与分块生成 (Schema-First & Chunked Pipeline)**:
- > - **数据与排版分离**:长文档翻译时,优先提取页面结构化数据(条款清单、参数字典、表格行列),再灌入标准化 HTML 模板,严禁一边长篇自由发挥一边写标签;
- > - **单批次生成严禁超过 10 页**:超过 10 页的文档强制按 10 页为单位拆分为独立模块(如 `part1_pages.py`, `part2_pages.py`),避免模型在中后段注意力衰减导致失控。
- > 4. **生成后对比质检与用户确认关卡 (Mandatory Audit & User Preview Before Commit)**:
- > - PDF 渲染生成后,**绝不允许直接交付给用户**,必须运行技能内置的 `scripts/audit_pdf.py` 执行页数、页面尺寸、矢量层、条款/数值/结构引用差集与敷衍词全面扫描,并用 `--compare-png` 生成并排对比图;
- > - 渲染生成 1:1 并排对比图(PNG),**必须在对话中直接展示关键页面对比效果供用户审阅确认**,在获得用户明确许可前严禁擅自 Git Commit 或推送!
- ---
- ## 触发场景 (Trigger Scenarios)
- - 用户提供或指定 PDF 文件,要求翻译为中文、英文或其他语言;
- - 用户明确要求“**保持原排版**”、“**格式不变**”、“**输出为 PDF**”;
- - 官方招标文件、商务合同、投标预审资格手册(如中东阿文/英文标书、水电部 MEWRE、管网工程);
- - 包含中英阿多语言混排、双语对照表格、签字盖章区、点线对齐目录的复杂 PDF 文档;
- - 行业技术规范、学术论文、企业白皮书。
- ---
- ## Agent 执行标准工作流 (Standard Operating Procedure)
- 当收到翻译 PDF 任务时,Agent 需严格遵循以下 5 步标准化闭环作业流程:
- ### 第一步:文档几何探测与结构分块 (Inspection & Geometry Probing)
- 使用 Python (`fitz` / PyMuPDF) 全面探测文档物理尺寸、插图尺寸、装饰线与关键文本块基线坐标:
- ```python
- import fitz
- doc = fitz.open("path/to/document.pdf")
- print("Total pages:", len(doc))
- for i, page in enumerate(doc):
- print(f"\n=== PAGE {i+1} rect: {page.rect} ===")
- # 1. 探测图片物理尺寸与位置
- for img in page.get_images():
- for r in page.get_image_rects(img[0]):
- print(f" Image xref {img[0]}: w={r.width:.1f}, h={r.height:.1f}, (x0={r.x0:.1f}, y0={r.y0:.1f})")
- # 2. 探测几何线条与装饰边框
- for d in page.get_drawings():
- r = d['rect']
- if r.width > 30:
- print(f" Line: w={r.width:.1f}, h={r.height:.1f}, (x0={r.x0:.1f}, y0={r.y0:.1f})")
- # 3. 探测核心文本块垂直基准起点 y0
- for b in page.get_text("blocks"):
- if b[4].strip():
- print(f" Block ({b[0]:.1f}, {b[1]:.1f}, {b[2]:.1f}, {b[3]:.1f}): {b[4].strip()[:40]}")
- # 若总页数 > 10 页,强制制定分块规划(如 Part 1: P1~10, Part 2: P11~20 ...)
- ```
- ### 第二步:两阶段专业直译(严格无脑补)(Two-Stage Strict Translation)
- - **阶段 1(提取与核定)**:先按页提取条款编号、所有数值区间与表格字段,建立精确的翻译数据契约;
- - **阶段 2(模板化填装)**:
- - 准确翻译专业术语与国际标准(如 Transformer 自注意力、编码器-解码器架构、BLEU 得分、残差连接;或标书中的 ISO 2531、BS EN 545、AWWA、科威特水电部 MEWRE 等);
- - 数字、单位与公式 100% 核实(如 200.00 ppm, 4°C, 150 微米, 2200 kg/cm², $d_{\text{model}} = 512$ 等)。
- ### 第三步:高保真矢量页面重构与物理限高 (Layout Reconstruction with Physical Anchors)
- 利用标准 HTML5 + CSS `@page` 打印样式进行 1:1 页面映射重构:
- - **物理尺寸动态适配与防溢出**:
- 根据第一步探测得到的真实页面尺寸定义 `@page`(如 US Letter `size: 8.5in 11in;` 或 A4 `size: 210mm 297mm;`):
- ```css
- @page {
- size: 8.5in 11in;
- margin: 0;
- }
- .page {
- width: 8.5in;
- height: 11in;
- max-height: 11in;
- padding: 72pt 108pt 72pt 108pt;
- page-break-after: always;
- position: relative;
- box-sizing: border-box;
- display: flex;
- flex-direction: column;
- overflow: hidden; /* 严禁内部元素撑爆高度触发打印机额外分页 */
- }
- .content-area {
- flex: 1;
- overflow: hidden; /* 渲染探针会递归检测所有裁切容器,被裁掉的内容同样报错 */
- }
- ```
- > 统一约定:`@page { margin: 0 }`,每个 `.page` 恰好等于一张物理纸张(宽高 = 原件 `page.rect`),页边距一律写在 `.page` 的 `padding` 中。不要同时使用 `@page margin` 与 `.page` 固定高度,否则极易多出空白页。
- - **插图 1:1 物理尺寸渲染**:严格按照第一步测量的 `w` 和 `h` 设定图片的 `width` 与 `height`(如 `width: 218.9pt; height: 322.4pt;`),绝对禁止用经验值限制!
- - **几何线条还原**:依据探测出的线条坐标绘制精确线宽与长度(如标题框 4pt 顶线 + 1pt 底线、143.5pt 短横脚注线);
- - **中文垂直基线对齐**:通过段落间距和舒适行高(1.35~1.45)合理分布垂直空间,使各区块垂直起点与原件基线严格对齐;
- - **字体标准**:默认使用标准专业矢量字体(英文 Times New Roman,中文 SimSun / Songti SC / Noto Serif CJK SC),确保学术严肃性与无乱码渲染。
- ### 第四步:内置引擎渲染与 JS 溢出探针 (Vector Rendering with Overflow Probe)
- 调用技能内置渲染脚本直接生成纯矢量 PDF(以下路径均相对于本 SKILL 所在目录):
- ```bash
- python scripts/render_pdf.py "path/to/full_doc.html" "path/to/output_full.pdf" --strict-overflow
- ```
- - 探针会递归检测每个 `.page` 及其内部所有 `overflow: hidden/clip/auto/scroll` 容器的纵向与横向溢出;
- - 渲染后校验 PDF 实际页数 = `.page` 容器数量,防止多出空白页;
- - `--strict-overflow` 下任何溢出均不写出 PDF 并以退出码 2 结束;浏览器默认先用 Edge,不可用时自动回退到 Playwright 自带 Chromium(可用 `--browser` 指定)。
- ### 第五步:自动化对比审计与视觉并排质检 (Automated Audit & Visual Review)
- 生成 PDF 后,**必须运行技能内置的 `audit_pdf.py` 自动化对比工具并生成对比图**:
- ```bash
- python scripts/audit_pdf.py --src "path/to/source.pdf" --tgt "path/to/output_full.pdf" \
- --json audit_report.json --compare-png compare_png/
- ```
- 该工具逐页执行以下检查(`--strict` 时所有 WARNING 也判为失败):
- | 检查项 | 级别 |
- | :--- | :--- |
- | 总页数 1:1 一致 | CRITICAL |
- | 逐页页面尺寸一致(默认容差 2pt,防止 Letter 被渲染成 A4) | CRITICAL |
- | 译文出现整页位图(扫描件伪装) | CRITICAL |
- | 译文出现 U+FFFD 乱码字符(字体缺字) | CRITICAL |
- | 敷衍/捏造词(如“因篇幅省略”“详见英文原版”“核对清单”)出现在译文但原文没有 | CRITICAL |
- | 条款编号缺失(2.1 / 2.1.1 …) | WARNING |
- | 跨语言结构引用缺失(Section/Appendix/Table/Figure ↔ 第N部分/附录/表/图) | WARNING |
- | 数值缺失或被改动(金额、年限、产能门槛,自动归一千分位) | WARNING |
- | 逐页图片数量 / 尺寸(>5%)不一致 | WARNING |
- | 原文有内容而译文页面近乎空白 | WARNING |
- | 译文存在未嵌入字体 | WARNING |
- - 敷衍词表位于 `scripts/keywords.json`,可用 `--keywords` 替换;
- - 对年份、标准号等合法差异,可用 `--ignore "<正则>"` 排除,例如 `--ignore "^(19|20)\d\d$"`;
- - `--compare-png DIR [--pages 1,3,5-7]` 输出原件|译件左右并排 PNG,供下方视觉门禁使用。
- **用户视觉确认门禁 (User Confirmation Gate)**:
- - 使用 `--compare-png` 生成的 1:1 并排对比图,在会话中直接展示重点页面(如封面、架构图页、复杂表格页);
- - 向用户汇报质检结果与对齐细节,**必须等待用户明确确认满意后,方可执行 Git 提交或任务交付**!
- ---
- ## 核心脚本工具箱 (Built-in Scripts)
- - **PDF 渲染引擎(含 JS 页面溢出自检)**:[`scripts/render_pdf.py`](scripts/render_pdf.py)
- - 底层基于 Microsoft Edge / Chromium 矢量打印,递归检测 `.page` 及嵌套裁切容器溢出,并校验 PDF 页数。
- - **PDF 1:1 自动化对比审计引擎**:[`scripts/audit_pdf.py`](scripts/audit_pdf.py)
- - 逐页 1:1 扫描源文件与目标文件:页数、页面尺寸、纯矢量层、图片、字体、条款 Diff、结构引用、数值一致性、敷衍词拦截,并可输出并排对比 PNG。
- - **敷衍/捏造词表**:[`scripts/keywords.json`](scripts/keywords.json)
README.md · README · 251 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- <p align="center">
- <b>简体中文</b> | <a href="README_EN.md">English</a>
- </p>
- # 📄 PDF-Translate Skill
- > **High-Fidelity Vector PDF Translation, Layout Reconstruction & Automated Audit Engine for AI Agents.**
- > 基于大语言模型直译、矢量排版重构、浏览器溢出探针与自动化双向对比自愈的高保真 PDF 翻译技能。
- [](https://github.com/lxsssssss/pdf-translate/actions/workflows/ci.yml)
- [](LICENSE)
- [](https://www.python.org/)
- [](https://playwright.dev/)
- [](https://pymupdf.readthedocs.io/)
- [](https://antigravity.google)
- [](https://claude.ai)
- [](https://cursor.com)
- [](https://codeium.com/windsurf)
- [](https://openai.com)
- [](https://github.com/lxsssssss/pdf-translate)
- [](https://deepseek.com)
- ---
- ## 📸 效果对比展示 (Before & After Showcase)
- > **实测案例**:现代深度学习与大模型开山之作《Attention Is All You Need》(arXiv:1706.03762),包含多作者机构矩阵、精准边栏学术水印、双栏摘要、数学脚注及严格版面限高。
- ### 1. 顶会学术论文封面与双栏排版 1:1 还原 (Paper Cover & Dual-Column Layout)
- 
- ### 2. 复杂模型架构图与物理点位 1:1 精准锚定 (Figure 1 Architecture & Physical Anchors)
- 
- ---
- ## 🌟 核心痛点与解决方案 (Why PDF-Translate?)
- 传统的文档翻译工具(如通用机翻、常规 OCR 导出)在面对**工程标书、跨国商务合同、法定资质证书、学术白皮书**等严肃公文时,常常面临四大致命难题:
- 1. **版面坍塌**:表格错位、签章栏截断、页码漂移、目录点线混乱。
- 2. **位图失真**:将文字光栅化为低分辨率图片,导致无法检索复制、模糊不清。
- 3. **AI 幻觉脑补**:长文本模型擅自“归纳升华”、擅增/缩减子条款编号或脑补不存在的数字。
- 4. **跨页溢出**:翻译后的中英文文本长度差异撑爆页面物理高度,导致打印机额外产生空页或乱页。
- **`pdf-translate`** 专为解决上述痛点而生,结合大模型精准语义提取与前端 CSS 矢量打印控制,确保翻译结果达到**正式出版与官方公文交付级标准**。
- ---
- ## 🚀 核心特性 (Key Features)
- - 🎯 **1:1 原版排版还原 (1:1 Layout Preservation)**
- - 严格保持页面尺寸(标准 A4、Letter 等)、物理边距与布局比例。
- - 精准重建双语对照表格、官方公文双栏表头、目录点线对齐(Dotted Leaders)及签字盖章框。
- - 🚫 **零幻觉与两阶段解耦规范 (Zero Hallucination Pipeline)**
- - **阶段 1(结构化契约)**:按页先提取条款树、数值、参数与表格结构。
- - **阶段 2(模板化填装)**:严禁压缩、省略或凭常识脑补条款(如法定资质清单 2.1.1~2.1.8)。
- - 📐 **浏览器物理高度溢出探针 (JS Height Overflow Probe)**
- - 在无头渲染阶段注入 JavaScript 探针,实时检测每个 `.page` 容器的 `scrollHeight` 与 `clientHeight`。
- - 自动拦截并报警任何可能导致分页错乱的微小溢出。
- - 🖨️ **纯矢量无损 PDF 重构 (Publication-Grade Vector PDF)**
- - 基于 Chromium / Edge 内核,输出全矢量、可选中、可搜索、超高清的工业级 PDF。
- - 🔍 **自动化对比审计引擎 (`scripts/audit_pdf.py`)**
- - **页数与页面尺寸校验**:总页数严格 1:1,逐页尺寸一致(防止 Letter 被渲染成 A4)。
- - **纯矢量层、图片与字体校验**:杜绝整页截图伪装,逐页比对图片数量/尺寸,检测未嵌入字体与乱码字符。
- - **条款 / 结构引用 / 数值逐页 Diff**:比对子条款编号、跨语言的 Section/附录/表/图引用,以及金额、年限等关键数字。
- - **敷衍词扫描(参照原文)**:拦截“待补充”、“因篇幅省略”、“详见英文原版”等占位符,原文本身就有的词不误报。
- - **并排对比图**:`--compare-png` 一键生成原件|译件左右对照 PNG。
- ---
- ## 🏗️ 架构与工作流 (Architecture & Workflow)
- ```mermaid
- flowchart TD
- A["原始 PDF 文档"] --> B["步骤 1: PyMuPDF 结构探测与分块规划"]
- B --> C["步骤 2: 两阶段数据契约抽取与严谨直译"]
- C --> D["步骤 3: 现代化 HTML5 + CSS @page 矢量重构"]
- D --> E["步骤 4: Playwright 无头渲染 + JS 溢出探针 (render_pdf.py)"]
- E --> F["生成目标矢量 PDF"]
- F --> G["步骤 5: audit_pdf.py 自动化审计对比"]
- G -->|"未通过: 发现溢出 / 遗漏 / 编号不符"| D
- G -->|"通过: 1:1 完美匹配 且 0 报错"| H["正式交付发布"]
- ```
- ---
- ## 📂 项目结构 (Repository Structure)
- ```text
- pdf-translate/
- ├── .github/
- │ ├── workflows/ci.yml # 自动化 CI 测试工作流
- │ └── ISSUE_TEMPLATE/ # 社区 Bug 与 Feature 规范模板
- ├── SKILL.md # Antigravity / AI Agent 核心技能指令与约束规范 (中文版)
- ├── SKILL_EN.md # Core Skill Definition & Zero-Hallucination SOP (English Version)
- ├── requirements.txt # 核心 Python 依赖项
- ├── requirements-dev.txt # 开发/测试依赖 (pytest)
- ├── LICENSE # MIT 开源协议
- ├── README.md # 简体中文说明文档
- ├── README_EN.md # English Documentation
- ├── assets/ # 官方公文 1:1 真实案例对比图
- ├── examples/ # 开箱即测示例与一键体验脚本
- │ ├── sample_source.html # 英文原件示例(审计的 --src)
- │ ├── sample_doc.html # 对应的中文译件示例(审计的 --tgt,A4 统一页面约定)
- │ └── quick_demo.py # 一键端到端「渲染原件+译件 → 审计 → 并排对比图」脚本
- ├── scripts/
- │ ├── audit_pdf.py # 逐页审计:页数/尺寸/矢量层/图片/字体/条款/结构引用/数值/敷衍词 + 对比图
- │ ├── keywords.json # 可扩展的敷衍/捏造词表
- │ └── render_pdf.py # Playwright 矢量渲染(递归溢出探针 + PDF 页数校验 + 浏览器自动回退)
- └── tests/ # pytest:抽取器单测 + 故意制造缺陷的译文集成测试 + 渲染探针测试
- ```
- ---
- ## 🛠️ 安装与快速上手 (Installation & Quick Start)
- ### 1. 安装依赖
- ```bash
- git clone https://github.com/lxsssssss/pdf-translate.git
- cd pdf-translate
- pip install -r requirements.txt
- playwright install chromium
- ```
- > *注:Windows 环境下亦支持直接调用系统自带的 `msedge` 浏览器信道。*
- ---
- ### 2. 运行一键开箱即测 Demo
- 无需准备任何复杂环境,直接运行项目内置的端到端体验脚本:
- ```bash
- python examples/quick_demo.py
- ```
- 终端将依次执行:渲染英文原件与中文译件 ➔ 递归溢出探针与页数校验 ➔ 以原件为基准逐页审计译件 ➔ 在 `examples/output/` 输出 JSON 报告与并排对比图!
- 运行测试:
- ```bash
- pip install -r requirements-dev.txt
- python -m pytest
- ```
- ---
- ### 3. 命令行工具使用指南
- #### 🔹 矢量 PDF 渲染 (`render_pdf.py`)
- 将排版好的 HTML 源码渲染为物理隔离的矢量 PDF:
- ```bash
- # 基础渲染
- python scripts/render_pdf.py input.html output.pdf
- # 开启严格模式 (任何溢出或页数不符则不写出 PDF,退出码 2)
- python scripts/render_pdf.py input.html output.pdf --strict-overflow
- # 指定浏览器 (默认 auto:优先 Edge,失败回退 Playwright 自带 Chromium)
- python scripts/render_pdf.py input.html output.pdf --browser chromium
- ```
- #### 🔹 自动化 1:1 对比审计 (`audit_pdf.py`)
- 比对原版 PDF 与翻译后 PDF 的页码、矢量层、条款编号与文本完整性:
- ```bash
- # 基础对比审计
- python scripts/audit_pdf.py --src original.pdf --tgt translated.pdf
- # 严格模式 (任何警告均触发非零返回码)
- python scripts/audit_pdf.py --src original.pdf --tgt translated.pdf --strict
- # 输出结构化 JSON 审计报告 (便于 CI/CD 或 Agent 自动化解析)
- python scripts/audit_pdf.py --src original.pdf --tgt translated.pdf --json audit_report.json
- # 生成原件|译件并排对比图 (可用 --pages 1,3,5-7 指定页)
- python scripts/audit_pdf.py --src original.pdf --tgt translated.pdf --compare-png compare_png/
- # 忽略合法差异 (如年份),或使用自定义敷衍词表
- python scripts/audit_pdf.py --src original.pdf --tgt translated.pdf --ignore "^(19|20)\d\d$" --keywords my_keywords.json
- ```
- ---
- ## 🌐 多平台 AI 助手原生兼容 (Multi-Platform Ecosystem)
- 本项目设计为**跨平台、零依赖摩擦的通用 Agent 技能**,原生兼容目前主流 AI 编程助手与大模型智能体环境:
- | 平台 / 工具 | 部署路径 / 形式 | 核心支持说明 |
- | :--- | :--- | :--- |
- | **Google Antigravity** | `.agent/skills/pdf-translate/` | 原生 Skill 识别,自动探测与 5 步 SOP 闭环 |
- | **Claude Code** | `.claude/skills/pdf-translate/` 或全局规则 | 遵循 `SKILL_EN.md` 规则与两阶段零幻觉契约 |
- | **Cursor** | `.cursorrules` 或 `.cursor/rules/` | 代码生成严格遵循 `@page` 限高与纯矢量布局 |
- | **Windsurf (Cascade)** | `.windsurfrules` | 自动化调用 `render_pdf.py` 与 `audit_pdf.py` 自愈 |
- | **OpenAI Codex** | Custom Instructions / Action | 结构化数据提取 + 模板化填充双阶段工作流 |
- | **WorkBuddy** | 智能体工作流 / 技能中心插件 | 商务公文、外贸标书 1:1 翻译自动化作业 |
- | **DeepSeek (V3 / R1)** | 系统提示词 (System Prompt) | 深度推理提取条款树,严禁虚构与脑补条款 |
- ---
- ### 💻 各平台快速接入指南
- #### 1. Google Antigravity
- 直接将本项目拷贝至工作区的 `.agent/skills/pdf-translate` 目录下:
- ```text
- your-project/
- └── .agent/
- └── skills/
- └── pdf-translate/
- ├── SKILL.md
- ├── SKILL_EN.md
- └── scripts/
- ```
- 在会话中提示 **“帮我把这份文件翻译为中文,保持原排版并输出为 PDF”**,Agent 将自动激活该 Skill 并执行闭环工作流。
- #### 2. Claude Code
- 将本项目拷贝到项目级 `.claude/skills/pdf-translate/`(或用户级 `~/.claude/skills/pdf-translate/`),Claude Code 会自动识别其中的 `SKILL.md`:
- ```bash
- git clone https://github.com/lxsssssss/pdf-translate.git .claude/skills/pdf-translate
- ```
- #### 3. Cursor & Windsurf
- 本项目根目录已内置配置好的 [`.cursorrules`](.cursorrules) 与 [`.windsurfrules`](.windsurfrules),直接打开本项目所在目录即可自动生效;或将规则内容直接复制进你现有工程的全局规则中。
- #### 4. DeepSeek / OpenAI Codex / WorkBuddy
- 将 `SKILL.md`(或 `SKILL_EN.md`)核心铁律与 SOP 粘贴为 Agent 系统的 System Prompt,并开放 Python 终端权限以供调用 `scripts/render_pdf.py` 与 `scripts/audit_pdf.py`。
- ---
- ## 📈 Star History
- <a href="https://star-history.com/#lxsssssss/pdf-translate&Date">
- <picture>
- <source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/svg?repos=lxsssssss/pdf-translate&type=Date&theme=dark&_v=101" />
- <source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/svg?repos=lxsssssss/pdf-translate&type=Date&_v=101" />
- <img alt="Star History Chart" src="https://api.star-history.com/svg?repos=lxsssssss/pdf-translate&type=Date&_v=101" />
- </picture>
- </a>
- ---
- ## 📄 开源许可证 (License)
- 本项目采用 [MIT 许可证](LICENSE)。
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.