Overseas Document Translation into Chinese — 海外文书翻译·外译中

Overview

把境外证书与公文书译成可直接使用的规范中文文档，也支持把中文文书按原件版式仿制为 Word。一份 skill 覆盖从识文到出稿的全链路，按文书语言走两条分支：

主场景是海外证书与公文书——出生/婚姻/死亡证明、无犯罪记录、学历学位、护照签证、疫苗健康证明、公证书、权属与不动产登记、公司登记、裁判与执行文书等，不限国别。日韩已有专门术语表（terminology-ko.md）；其他国家的证书，走 terminology-intl.md 的"证书类型 → 权威源"对照表，并优先判断该证书能否用国际统一格式 / 多语标准表格免除翻译。

交付物共三类（按需产出）：

1. 文字提取稿：原文转录 + 关键字段对照表 + 校核说明（含修正记录与存疑清单）；
2. 仿原件版式复刻稿：逐份独立成页，复刻边框栏、防伪贴纸框、印章、注意事项等全部版式；须带「复刻件·非原件」身份标识与页脚免责声明；
3. 译制稿：中外对照版（外文原字 + 中文译文）与纯中文版（全中文，专名原字加【?】保留）。

核心原则两条：

1. 先交叉校核再输出。照片小字初读错误率高，所有编号、日期、文号、人名、地址必须经局部放大复核后才能定稿；无法确认的内容以红色【?】标注，不得静默猜测、不得强译专名。
2. 忠实于原件——内容与版式两个维度都要忠实。内容不许漏、不许猜、不许改、不许加（第 2.6 步）；版式不许少、不许补、不许"美化"（第 8 步 A）。复刻件的全部价值就在于它像原件——任何"顺手规范化"都在削弱这一点。

> 境外文书译制的完整链条 = ⓪完整性·用途（把关）→ ①识文取证 → ②交叉校核 → ②.5结构化自校验 → ②.6零添加 → ③存疑标注 → ④术语定名 → ⑤事实核验 → ⑥性质定性 → ⑦真伪核验 → ⑧出稿（带身份标识）→ ⑨状态判定·交付披露
>
> 跳过 ②②.5④⑤⑥⑦ 直接"丢给大模型翻译"，是这类任务最常见的翻车方式。这一判断来自一次真实教训（境外法院登记完成通知书案）：当事人提供的参考件本身就系统性出错——字形相近词被替换（일련번호→알림번호、권리자→관리자）、多份文书的发文日被"归并"成同一天、整句被臆改；地块所属的邑面洞被整体读错，靠第三方房源信息才勉强推翻；多份文书被直觉当成"外国房产证"，实际是登记完成通知书。这些错误的共同点是：不查不会发现，而参考件不承担任何责任。
>
> 三条"机械防线"（不依赖判断力，最可靠）：⓪ 输入侧查"拍全了没有"｜②.5 中间查"数字算得通没有"｜⑨ 输出侧查"能不能这么交出去"。这三处是本 skill 与"直接用大模型翻译"的分水岭。

工作流

第 0 步：语言、完整性、用途三判

① 判语言与风险
- 判明语言（决定识文路线）、出具国/法域、文书类型。
- 高风险信号（出现即必须逐项放大复核）：金额、日期、编号、人名、地址门牌、权利类型、有无权利负担。

② 判完整性（输入侧把关——最容易被跳过的一步）

照片是采样，不是文书本身。先确认采到了什么、漏了什么：

• 背面：大量证书的背面载有关键内容——加注、批注、骑缝章、附加证明书（Apostille）、发证机关备注。只拍正面＝信息缺失，而且看不出来。
• 页数：登记簿誊本、成绩单、公证书常为多页并含骑缝章。少一页无人察觉。
• 成套：正本 / 副本 / 说明页 / 附件，是否齐备。
• 载体缺陷：翻拍屏幕（摩尔纹）、强反光、透视畸变、局部过曝——这些会系统性破坏特定区域，不是随机噪声。
• 交付说明中必须写明：本稿基于 N 张图；是否覆盖正反面与全部页，未获确认。

③ 判用途（输出侧把关——决定交付形态）

> 术语层有 L0（"能免译就不译"）；输出层也要有对应判断：能不能就这么交出去。

• 属中国香港、中国澳门、中国台湾地区出具的文书：是中国境内文书，不办 Apostille、不走外国使领馆认证，按内地与港澳台之间的公证转递 / 查证渠道处理（见 references/verification-channels.md），并在交付说明中主动讲清。

第 1 步：识文取证（OCR 路线选择，关键岔路）

非中英文文书绝不能走本地轻量 OCR。MinerU 本地 pipeline 自带 OCR 模型为 ch_PP-OCRv6（仅中/英），处理韩文/日文会输出整篇乱码——这不是识别率低，而是字符集根本没有。

• 首选：直接让多模态模型 Read 原图，配合局部放大复核，往往优于传统 OCR 管线。
• 走 MinerU 时：加 --remote（云端 VLM）或本地 --tier standard；首次预热需 3–5 分钟。
• 图片缓存陷阱：同路径图片重复读取可能返回缓存占位，用 sips -Z 740 <img> --out /tmp/xxx.jpg 重编码到新路径再读。
• 命令细节、报错对照见 references/ocr-routes.md。

第 2 步：局部放大交叉校核（本 skill 的命门）

有参考件时，参考件是"待核项清单"，不是答案。 用户手里的机翻稿、上一版人工稿、另一模型的产物，都可能有替换性误读。

• 用 scripts/crop_zoom.py 对各关键区域裁剪放大（建议 5–6 倍 + 对比度 1.3–1.4），必查：抬头机关名、文书名、编号/日期/文号行、人名、地址与门牌、表格内每个字段、印章与贴纸框文字。
• 特别警惕三类系统性错误：
  1. 字形相近的字词替换（韩文 권리자/관리자、일련/알림）；
  2. 同类字段被"归并"（三份文书的发文日被统一写成同一天，掩盖了实际差异）；
  3. 整句臆改（把 종래의 등기필증을 첨부한 것 改成意思相近但不同的表述）。
• 记录每处修正的初读值 → 复核值 → 依据，写入校核说明。修正记录本身就是交付物的一部分。

~/.workbuddy/binaries/python/envs/default/bin/python \
  <本skill目录>/scripts/crop_zoom.py <原图> <x1> <y1> <x2> <y2> /tmp/crop.png --scale 5 --contrast 1.35

• 坐标确定：先 sips -g pixelWidth -g pixelHeight 取原图尺寸，按读图时的视觉比例估算，裁偏了再调。

第 2.5 步：结构化自校验（机械通道——与放大复核是两条独立的腿）

放大复核与结构化自校验是两种不同性质的证据，必须都做：

凡是有校验位 / 可解析结构的字段，一律先算一遍：

PY=~/.workbuddy/binaries/python/envs/default/bin/python
$PY <本skill目录>/scripts/self_check.py --kind auto "640504-1024014"   # 示例号为公开算法测试向量，非真实个人
$PY <本skill目录>/scripts/self_check.py --scan 提取稿.md      # 自动提取候选并批量校验

支持：护照机读区 MRZ（各字段校验位）、IBAN、韩国居民登录号 / 事业者登录号 / 不动产固有编号、中国身份证号 / 统一社会信用代码、VIN。算法依据与用法见 references/self-check.md。

读数规则（重要）：
- 校验不通过 = 强信号：该字段几乎必然读错，必须回读原件，并写入修正记录；
- 校验通过 ≠ 一定正确：只证明数字之间自洽，不证明文书真实、不证明内容属实；
- 校验失败有三种可能——① 我们读错、② 原件录入有误、③ 原件伪造。三种都要报告给用户，不得默认是①；
- 没有校验位的字段（姓名、地址、金额、事由）本工具查不出，仍须第 2 步放大复核。

> 特别有用的场景：编号里嵌了地理／机构／日期信息的字段，要拆开与正文互校。例：韩国不动产固有编号前 10 位即法定洞代码，可到 code.go.kr 对表——曾有一案，编号拆出的法定洞代码与正文地名不一致，本可用这一步直接判定，不必依赖第三方房源信息。凡"编号里能拆出事实"的字段，都要拆。

第 2.6 步：零添加原则（译文纯净性——与"不许猜"是一体两面）

内容忠实有两个方向，只守一个是不够的（版式忠实另见第 8 步 A）：

禁令（适用于译文正文，不适用于校核说明）：

• ❌ 不得添加解释性内容——「（即……）」「注：」这类一律进校核说明，不进译文正文；
• ❌ 不得润色原文——原文不通顺就照译，不得理顺、不得合并同义句；
• ❌ 不得静默规范化格式——日期、数字、金额保留原件写法。尤其日期：03/04/2026 究竟是 3 月 4 日还是 4 月 3 日，必须查证后在校核说明中注明来源惯例（DD/MM 还是 MM/DD），不得凭直觉转换。
• ❌ 不得改动原件中的数字形式（外文数字不得改成中文数字，反之亦然）。

> 理由：对方律师最常用的攻击是「该译本并非对原件的忠实翻译，译者添加了原件所无的内容」。一句话即可让整份译本可信度归零，而攻击成本极低。 一切补充内容只进校核说明——那里才是它该在的地方。

第 3 步：存疑标注规则

• 红色【?】= 放大后仍无法确认的字段（人名、地址小字等）。
• 联网检索结果分三类：✅ 已核实 → 更正正文并注明来源；⚠️ 检索否证 → 保留【?】并注明"公开渠道查无"；无法检索（个人信息、内部编号）→ 保留【?】，建议对照纸质原件。
• 关键信息分级：编号/日期/文号类经放大复核即可视为可靠；纯地址小字必须建议用户对照原件。

第 4 步：术语定名（外文文书适用）

顺序不能颠倒：先判"能不能免译"，再查官方术语库，引法条只是兜底。

0. L0 先判"能不能免译"（外文证书尤其重要）——该证书是否有国际统一格式 / 多语标准表格？
   - 欧洲出生/结婚/死亡证明 → CIEC Form A/B/C；欧盟各类公文书 → EU Reg. 2016/1191 多语标准表格；护照/签证字段 → ICAO Doc 9303；疫苗证明 → WHO IHR(2005) 固定格式。
   - 有 → 在交付说明中主动建议当事人向签发机关索取官方多语件（比翻译更快、更被接受），译文仍给出备用。
   - 能免译就不译——翻译永远排在"用官方多语件"之后。
1. 查官方术语库（首选，源清单见 references/terminology-sources.md；证书类按类型查 references/terminology-intl.md 第二节对照表）——命中即采用，记录来源 + 收录状态。
2. 查不到再引法条——仅在"该术语无通行译名且影响权利定性"时启用，且必须能贴出条文原文；贴不出就不引。
3. 都不行——退到"官方机构英译 + 通行译法"，标 M/L 级并写"未获权威译名，暂译如下"。

⚠️ 别把 UNTERM 当主力。联合国术语库有六语（含中文），但收的是国名、机构名、条约名、国际法概念，查不到一国国内的民事登记名词（如韩国的 등기필정보）。它是兜底层；证书类的主力是该证书类型的对口国际源。

⚠️ 最大陷阱：官方术语库多是"英译"，不是中译（日本 JLT、韩国 KLRI 皆以英译为主）。正确路径是 原文 → 官方英译（锁定概念边界）→ 中文译名；绝不能拿英译当中文直接用。

✅ 收录状态可当置信度用：日本 JLT 检索结果绿色＝收录于标准对译词典（记 H）、蓝色＝系统自动推断（记 L）；WIPO Pearl 每条术语自带 reliability score。

✅ 定中文译名时，最终锚点是"中国官方规范"——司法部《公证文书翻译规范》（2021 年试行）、术语在线（国务院〔1987〕142 号批文明确其审定名词"具有权威性和约束力"），优先于外国官方英译。

⚠️ "官方"要看措辞：日本 JLT 明示 unofficial translation, only the original Japanese text has legal effect；韩国英译同理。引用时须注明译本性质。

• 用户要求"给法条 + 原文引用"时，必须附条号与原文，不得只给概括性描述。
• 已沉淀：references/terminology-ko.md（韩文登记/地名/术语表 + 易错对照）；源清单见 references/terminology-sources.md（阶梯 + 分法域）与 references/terminology-intl.md（联合国体系 + 证书类型对照）。

第 5 步：事实要素核验（能联网就联网）

文书里的事实要素不能只信 OCR，也不能只信参考件：

• 机构名：确认该机关确实存在（韩国：○○지방법원 등기과〔地方法院登记科〕、한국자산관리공사 KAMCO〔韩国资产管理公社〕）。
• 地名/路名/地块号：用道路名地址检索、地方公开数据交叉印证。参考件与直觉都不可靠——曾有一案，参考件把地块所属的邑面洞整体写错，最终靠公开渠道才推翻；凡编号可拆，优先用编号判定（见第 2.5 步），别停留在"线索级"证据。

第 6 步：性质定性（外文文书适用；防止张冠李戴）

先判"这是什么法律文书、能证明什么"，再谈翻译。 名称的机械对应最容易出错——例：등기필정보 및 등기완료통지서 译作"登记完毕信息及登记完成通知书"，它不等于中文语境的"房产证"；对外证明权属的权威文件是 등기사항전부증명서（登记事项全部证明书，旧称登记簿誊本）。

• 方法论：找文书正文的自证句。以该类通知书为例，其自证句为"등기필정보…는 종래의 등기필증을 대신하여 발행된 것으로 분실 시 재발급되지 아니하니"（代替旧登记证书签发、遗失不补发），据此即可判定其性质与功能边界。
• 输出时明确写出：① 文书法定名称与性质；② 能证明什么 / 不能证明什么；③ 若当事人真正需要权属证明，应改取哪份文件。
• 各国"名称与功能不符"的文书陷阱见 references/document-nature-traps.md。

第 7 步：真伪核验（外文文书适用；给出可执行渠道）

译文再准，纸是假的也没用。主动给出分级核实渠道（详见 references/verification-channels.md）：

1. 发证机关本体（唯一能确认"这张纸是否该机关签发"的途径，凭受理编号查证）；
2. 官方登记/公示系统（韩国大法院互联网登记所 www.iros.go.kr；公卖平台 www.onbid.co.kr；정부24）；
3. 跨境使用：中国与韩国均为海牙 Apostille 公约缔约国，该公约 2023-11-07 在中韩间生效，韩国公文书送中国使用只需办附加证明书（Apostille），中国驻韩使领馆已停办领事认证。

第 8 步：出稿（复刻 + 双格式译制）

A. 仿原件版式复刻（docx-js）——assets/replica_docx_template.js 是与文书类型无关的原语库（run/fieldTable/gridTable/frame/multiFrame/sealPlaceholder/tagLine/bulletList/docPage/buildDoc/renderBlock），可 require 复用。按目标原件的实际结构挑选原语组装；不预设固定构图：

npm install docx --prefix ~/.workbuddy/binaries/node/workspace   # 首次
NODE_PATH=~/.workbuddy/binaries/node/workspace/node_modules \
  node build.js out.docx

版式忠实四条——复刻件像不像原件，就看这四条：

> 第 ④ 条是"尊重格式"的边界所在：要复刻的是文书的结构（框、栏、层级、位置关系），不是它的证明力载体。复制印章／签名图像会让复刻件具备被误当作原件的能力——所以这些一律占位，并因此必须带身份标识（见下）。

• 版式细节（边框粗细/颜色、底纹、字号层级、对齐）逐项对照原图确认；
• 配色不要目测，用 PIL 对原图取色。模板 COLOR 里的值只是默认起点、不是标准答案，必须按目标原图重取后覆盖（见 references/replica-docx.md 第三节）；
• 载体细节（有无二维码、印章方/圆/黑/红）必须先看原图确认，不得按印象填。
• ⚠️ 复刻件必须带身份标识（不可省略）：每页右上角注明「〔复刻件·非原件〕」，页脚附免责声明（模板 FOOTER_NOTE）。理由：高保真复刻件在视觉上逼近原件，不带标识可能被误当作原件或正式译本提交，风险由制作人承担。
• 结构不同的文书（如德国出生证明、英国无犯罪记录证明）：从原语库挑构件自行组装，不要硬套示例里的构图。原件上没有的块一个都不要加。原语清单与用法见 references/replica-docx.md。
• 指令细节与踩坑见 references/replica-docx.md。

B. 译制稿：

• 中外对照版：保留外文原字（便于与原件逐字比对）+ 中文译文；专名给"原文（中文）"。
• 纯中文版：全中文。无法确定汉字写法的人名、地名保留原字并加红标【?】，不得强译（韩文/日文专名的汉字写法常无唯一答案，音译可能张冠李戴）。保留原字是诚实，强译是风险。
• 两版均须遵守第 2.6 步「零添加原则」：正文只做语言转换，一切补充内容进校核说明。

第 9 步：状态判定、交付说明与自检

⚠ 先判状态——本流程不是无条件出稿。 出现下列任一情形，降级为「待核稿」并明确标注「不可直接使用」，而不是端出一份看起来完整的成品：

> 在信息不足时产出"看起来完整"的成果，比明确产出"不完整"的成果更危险。

通过状态判定后，交付说明必须显式给出四段：

1. 已确认可靠的字段（经放大复核、结构自校验通过、或官方渠道印证的编号/日期/文号/术语）；
2. 存疑清单（红色【?】逐条列明原因与建议动作）；
3. 性质与用途提示（第 6 步结论 + 第 7 步核实路径 + 跨境使用需办的认证手续 + 第 4 步 L0 的可免译建议）；
4. 译本性质与使用边界声明（按第 0 步用途分流）——至少包含：
   - 「本稿为人工智能辅助、经人工校核的参考译本，未经认证翻译机构或公证机构核签」；
   - 「若用于立案、公证、行政登记、诉讼证据，本稿不构成形式要件，请另行委托有资质的翻译机构或公证处出具并盖章，否则存在被退件或不被采信的风险」；
   - 「本稿基于 N 张图片制作；正反面与全部页是否齐备未获确认」；
   - 生成日期与源文件名。

交付前自检（两项都要做）：

PY=~/.workbuddy/binaries/python/envs/default/bin/python
D=<本skill目录>

# ① 残留外文扫描（纯中文版必做）
$PY $D/scripts/scan_foreign_chars.py 译文.docx --whitelist ○○洞 ○○里
# 原件为英/法/德/西等拉丁字母语言时，**必须加 --latin**，否则整段未译不会被发现
$PY $D/scripts/scan_foreign_chars.py 译文.docx --latin
# 返回码：0=通过，1=有残留需确认

# ② 结构化自校验扫描（有编号类字段时必做）
$PY $D/scripts/self_check.py --scan 译文.docx

自检结果须写入交付说明：scan_foreign_chars.py 的命中项应全部是「获准保留的原字项」；self_check.py 的不通过项必须逐条解释（读错已改 / 原件如此 / 待核）。

踩坑清单

• 别信参考件。参考件可能整段臆改、系统化误读；它只用来生成待核项清单。
• 别信轻量 OCR 能翻小语种。韩文/日文必须走 VLM；本地 pipeline 的 ch_PP-OCRv6 只认中英。
• 别信小字栏位。地址/门牌/地块号是大模型幻觉与人工误读的重灾区，必须放大 + 外部印证 + 建议对照纸质原件。
• 别只靠"多看几遍"。放大、换模型、对参考件都是同源冗余，误差会相关性传递。凡有校验位的字段必须先算一遍（第 2.5 步）。
• 别把"校验通过"当成"原件真实"。只证明数字自洽，不证明文书属实。校验失败也别默认是自己读错——原件本就可能有误或系伪造，三种可能都要报给用户。
• 别只拍正面。证书背面常载加注、批注、骑缝章、Apostille，漏了看不出来（第 0 步）。
• 别在译文正文里加东西。解释、润色、顺句子、改格式，全部只进校核说明（第 2.6 步）。对方律师一句话就能用这个打掉整份译本。
• 别凭直觉转换日期。03/04/2026 是 3 月 4 日还是 4 月 3 日，必须先查证并在校核说明注明来源惯例。
• 别凭空补版式。原件上没有的框／章／条码一律不渲染；看不清的用〔？〕占位。补版式＝伪造。
• 别把原件版式"规范化"。觉得原件的表格不齐、字号偏小、页边不匀就"顺手调好"——这是改造，不是复刻。复刻的是原件，不是"原件应该有的样子"（第 8 步 A 第 ③ 条）。
• 别让复刻件"裸奔"。高保真复刻件必须带「复刻件·非原件」标识与页脚免责声明，否则可能被误当作原件提交。
• 别按中文名称反推功能。"通知书"不等于"证书"，"登记完毕信息"不等于"房产证"。先定性，再翻译。
• 别强译专名。人名、洞名/里名的汉字写法不确定时，保留原字标【?】，不要音译充数。
• 别漏载体差异。原件上到底有没有二维码、印章是方是圆、是黑是红，都要看原图确认（曾见原件只有条形码 + 方形黑色官印、无二维码，而此前复刻件被误加了"〔QR 码〕"占位）。
• 别把中国港澳台地区文书当"外国"办。它们是境内文书，不适用 Apostille 与领事认证。
• 别默认检测脚本已覆盖。scan_foreign_chars.py 默认不查 ASCII 拉丁字母；原件为英/法/德/西等语言时必须加 --latin，否则整段漏译不会被发现。
• 图片缓存：同路径图片重复读可能返回缓存占位，必须重编码到新路径再读。
• docx-js 顺序：所有 Table/常量定义必须置于 new Document() 之前（TDZ 报错）；numbering reference 的 levels 只能定义一次。
• 本机渲染限制：Mac 通常无 LibreOffice CLI，docx→PDF 需经 Word；AppleScript 自动化可能因 TCC 权限报 -10004；QuickLook 缩略图 qlmanage -t 偶发 sandbox initialization failed（先 cp 到 /tmp/ 换文件名可提高成功率）。字体缺失（无微软雅黑时回退 Noto Sans CJK）需在交付时提醒。

环境约定

• 依赖一律装在隔离环境，不污染全局：
• Python：~/.workbuddy/binaries/python/envs/default/bin/python（图像类）、envs/mineru（MinerU）
• Node：~/.workbuddy/binaries/node/workspace/node_modules（docx 包）
• 本 skill 内脚本不自动安装任何依赖；缺依赖时给出隔离环境的安装指引后退出。

Resources

• references/ocr-routes.md — 分语言识文路线与 MinerU 实操（CLI、云端/本地档位、报错对照）
• references/self-check.md — 结构化自校验（为什么"算一遍"强于"再看一遍"；校验位/可解析结构清单与算法依据；五条读数规则；韩国不动产固有编号的地址互校实例）
• references/terminology-ko.md — 韩文法律/登记术语法定译名表（含易错项对照）
• references/terminology-sources.md — 官方术语源清单（优先级阶梯 L0–L6、日/韩分法域表、国际组织库、中文侧源、收录状态→置信度映射、术语登记表格式）
• references/terminology-intl.md — 国际组织与多法域术语源（联合国体系 UNTERM/UNBIS/IOM/UNHCR；证书类型→权威源对照表；CIEC 多语摘录、EU Reg. 2016/1191、ICAO Doc 9303、WHO IHR、UNESCO 学历承认、UNECE/CaLAThe 土地、BRIS 公司登记；"能免译就不译"的 L0 判断）
• references/document-nature-traps.md — 各国"名称与功能不符"的文书陷阱与定性方法
• references/verification-channels.md — 真伪核实渠道、Apostille 规则、认证翻译闸门、中国港澳台地区文书特别处理
• references/replica-docx.md — docx-js 仿版式复刻细则、四条版式铁律（不少/不加/不改造/边界）、配色取值原则、复刻 vs 占位判据与排错
• scripts/crop_zoom.py — 局部放大校核（裁剪 + LANCZOS 放大 + 对比度增强）
• scripts/scan_foreign_chars.py — 纯中文版交付前残留外文扫描（支持白名单；--latin 用于拉丁字母语言原件）
• scripts/self_check.py — 结构化自校验（MRZ/IBAN/韩居民登录号/韩事业者登录号/韩不动产固有编号/中国身份证/统一社会信用代码/VIN；支持 --scan 批量扫描文档）
• assets/replica_docx_template.js — 仿公文版式 docx-js 原语库（文本/键值表/网格表/单层与多层框/印章占位/项目符号/分页/整册组装；含身份标识与页脚免责声明；可 require 复用，与文书类型无关）