Paper CN Reader — 学术论文精读翻译与批注
将英文论文 PDF 转换为带 AI 批注的中文精读 HTML + PDF 文档。核心：忠实逐句翻译（非概括）+ 保留原文图表公式 + 辅助理解批注。
核心原则
- 忠实完整：逐段逐句翻译，不压缩为摘要，不省略限定条件和实验细节
- 三视觉分离：中文译文 / 原文内容 / AI 批注必须在视觉上明确区分
- 不编造：无法识别标记
【原文此处识别不清】，AI 分析只在批注区
工作流程
第 1 步：解析论文
读取 PDF，识别：
- 总页数、章节结构、单栏/双栏排版
- 图片数量、表格数量、公式数量
- 附录和参考文献位置
双栏 PDF 注意：必须正确识别阅读顺序（先左栏后右栏），避免错误拼接。
第 2 步：提取资源
使用 bundled 脚本提取图片到 assets/ 目录：
python scripts/extract_pdf_assets.py <论文.pdf> assets --min-width 100 --min-height 100
- 图片按
figure_1.png,figure_2.png... 命名 - 同页多图追加 a/b/c 后缀
- 矢量图无法提取时，用脚本内
screenshot_region()按区域截图（3 倍缩放） - 不得因提取困难省略图片，失败必须在对应位置说明
依赖：pip install pymupdf
第 3 步：翻译正文
按论文顺序逐段翻译，保存页码映射。详细规则见 references/translation_rules.md，要点：
- 逐段逐句翻译，术语首次出现用
中文术语（English Term） - 模型名/数据集名/变量名/缩写保留英文
- 默认只呈现中文译文，不重复完整英文正文
- 长难句可调语序但不改原意
第 4 步：添加批注
仅在真正需要辅助理解处添加。8 种批注类型及示例见 references/annotation_guide.md。
密度：平均每 1-2 页 1-3 个有价值批注。重点位置：摘要贡献、引言动机、框架图、核心结构、重要公式、损失函数、关键表格、消融实验、局限性。
禁止无效批注：「很重要」「结果很好」、正文简单重复、泛泛评价。
第 5 步：生成 HTML
基于 assets/template.html 骨架和 assets/styles.css 样式生成。模板已包含：
- 语义化结构（
<article>/<section>/<aside class="annotation">） - MathJax CDN（行内
$...$，独立$$...$$） - 8 类批注 CSS（不同低饱和边框色）
- 目录导航 + 页码定位（
data-source-page/[P5-C2]） - 打印 CSS（
@pageA4 +@media print）
生成时：
1. 复制 template.html 和 styles.css 到输出目录
2. 替换占位符为实际翻译内容
3. 图片用相对路径 assets/figure_N.png
4. 表格重建为 HTML <table>（保留数值、加粗、最优值标记）
5. 公式用 LaTeX，保留 \tag{N} 编号
第 6 步：生成 PDF
使用 bundled 脚本将最终 HTML 转为 PDF：
python scripts/html_to_pdf.py 论文精读中文版.html 论文精读中文版.pdf
脚本会等待图片、字体、MathJax 渲染完成后再导出。A4 页面，边距 18mm/16mm。
依赖：pip install playwright && playwright install chromium
替代方案（若 Playwright 不可用）：Puppeteer / Chromium Headless / WeasyPrint。
第 7 步：质量检查
逐项检查 references/quality_checklist.md，涵盖：内容完整性、翻译质量、图片表格、公式、批注、排版、PDF 输出。
交付物
输出目录/
├── 论文精读中文版.html # 主文档（可独立打开）
├── 论文精读中文版.pdf # 由 HTML 渲染生成
├── styles.css # 样式表
└── assets/
├── figure_1.png
├── figure_2.png
└── ...
完成后简要报告：论文总页数、已翻译章节、提取图片数、重建表格数、批注数、无法识别内容、各文件路径。
关键约束
- 不得编造论文内容、实验结果、表格数值
- 不得省略图片/表格/公式——提取失败必须说明
- AI 分析只在批注区，译文区只呈现忠实翻译
- 批判性批注必须注明"分析或推测"，不可伪装成论文结论
- HTML 可独立打开：CSS 和图片用相对路径，文件夹移动后仍可显示
