Gxpcode-translator
专业翻译工具。用术语词典（CSV）+ AC 自动机 + OCR + LLM 完成文本/PDF 翻译，PDF 输出双语对照 HTML + Markdown。
触发方式：/trans 指令或自然语言（"翻译这段话"）。
首次配置
> 触发条件：config.json 中 configured 为 false。进入任何路由前先执行。
对话式引导收集 4 项配置（output_dir / dict_path / domain / subdomain），完成后写入 config.json，configured 置 true。其中 domain 为强制必填。详情见 resources/step0_init_prompt.md。
工作流概览
flowchart TD
A[用户触发 /trans] --> INIT{首次运行?}
INIT -->|是| CFG[Step 0 首次配置<br/>对话引导 → config.json]
INIT -->|否| ROUTE{输入类型}
CFG --> ROUTE
ROUTE -->|文本| T2[Step 2 术语扫描 · text<br/>单次扫描全文]
ROUTE -->|PDF| P1[Step 1 PDF解析]
P1 --> P1A[Step 1a 截断修复]
P1A --> P2[Step 2 术语扫描 · PDF<br/>按页扫描,分页保存]
T2 --> T3T[Step 3 AI翻译 · text<br/>单次翻译,对话输出]
P2 --> T3P[Step 3 AI翻译 · PDF<br/>Agent 5页/批,静默写文件]
T3P --> T4[Step 4 合并校验]
T4 -->|通过| T5[Step 5 导出 HTML + MD]
T4 -->|告警/缺页| FIX[修复循环 · 最多2轮]
FIX --> T4
T3T --> T5C[Step 5c 写日志]
T5 --> T5C
T5C --> OUT[交付结果]
主流水线
| Step | 说明 | 输入 ← 输出 | 文本 | |
|---|---|---|---|---|
| 0 | 首次配置 | 对话引导 → config.json | resources/step0_init_prompt.md |
（同） |
| 1 | PDF 解析 | PDF → paddleocr/（逐页 md + elements JSON） | — | resources/steps/step_1_parse.md |
| 1a | 截断修复 | paddleocr/ → 完整 md（必须执行，不可跳过） | — | resources/steps/step_1a_fix_truncations.md |
| 2 | 术语扫描 | 原文 → term_matcher.py（AC 自动机 + 词边界） | step_2_scan_text.md |
step_2_scan_pdf.md |
| 3 | AI 翻译 | 原文 + 术语映射 → LLM | step_3_translate_text.md |
step_3_translate_pdf.md |
| 4 | 合并校验 | pages/ → step4_merge.py → translated.json | — | resources/steps/step_4_merge.md |
| 5 | 导出 | translated.json → HTML + MD | — | resources/steps/step_5_export.md |
| 5c | 日志 | 全量数据 → step5c_write_log.py → logs/ | resources/steps/step_5c_log.md |
（同） |
路由
| 输入类型 | 步骤序列 | 说明 |
|---|---|---|
| 文本 | 0 → 2_text → 3_text → 5c | 单次扫描全文术语 → 单次翻译 → 对话输出 |
| 0 → 1 → 1a → 2_pdf → 3_pdf → 4 → 5 → 5c | 按页扫描术语 → Agent 分页翻译（互不可见） → merge → 导出 |
输出路径
| 产出 | 路径（相对 output_dir） |
|---|---|
| 双语对照 HTML | {ts}-{slug}/Gxpcode-{title}.html |
| 双语对照 MD | {ts}-{slug}/Gxpcode-{title}.md |
| 翻译日志 | logs/{ts}_trans.md |
| 中间产物 | {ts}-{slug}/（paddleocr/、pages/、translated.json） |
强制约束
- 必须调用 AI 翻译：禁止手写或猜测译文，必须通过 Prompt 模板调用 LLM
- 对话不泄露译文：纯文本模式仅输出纯译文（无术语表/统计/说明）；PDF 模式仅输出进度/路径/校验结果，任何译文字符不得出现
- 禁止机翻痕迹：杜绝"to be X → 待X""be done → 被XX"等机械直译，中文用主动语态
- 修复循环上限：Step 4 告警或缺页最多自动修复 2 轮，仍失败则报告用户后继续导出
- 术语词典：CSV 格式（
en,cn,explain），按 en 长度降序，修改后无需重建索引，下次翻译自动生效
