| name | chinesexiv |
| description | 把 arXiv 论文自动翻译为中文 PDF 的 ChineseXiv skill。触发后按本 skill 四步顺序直接执行，勿长篇规划。用户提供论文标题或 arXiv ID、说「翻译论文」「我想读中文版」等时立即使用。支持本地 xelatex 与在线编译双引擎、英文原文 _zh 副本对照、多篇并行处理。每篇论文文件夹同时保留英文原文 PDF 与中文译文 PDF。无需用户手动操作。 |
ChineseXiv：arXiv 论文中文翻译
目标： 将指定论文的 LaTeX 源码译为中文，并编译得到 PDF。
流程： 须严格按下文「第一步」至「第四步」顺序执行，不得擅自省略、合并或调换步骤。
交互： 仅在论文 ID 无法确定、检索结果存在多个需用户择一才可向用户提问；其余情况一律无中断的执行得到最终翻译后的PDF。
翻译： 翻译全部由当前对话模型自身完成，严禁使用外部翻译工具以及下载已有的翻译版本。
第一步：确定论文 ID
- arXiv URL/ID → 直接提取 ID
- 论文标题 → 搜索 arXiv / 网页查找 ID；找不到时给出候选让用户确认
第二步：获取源码
python3 {SKILL_DIR}/scripts/download.py "{PAPER_ID}" "$OUTPUT_DIR/source"
download.py 一步完成：下载源码 → 解压 → 递归查找 .tex → 定位主文件 → 提取标题 → 把主文件以及它通过 \input{} / \include{} 引用的子 .tex 文件都复制为 _zh.tex 副本，并把 zh 主文件里的 input 引用一并改写到 _zh 版本 → 直接下载 arXiv 官方编译好的英文 PDF（按英文标题命名）落在 source/ 同级目录，稍后与中文译稿 PDF 并排存放。
OUTPUT_DIR 的命名约定
用户通常给出父目录（例如 ~/papers、~/projects/paper-reading）。约定每篇论文落在一个独立子目录下，命名为 {paperid}-{中文标题}，目录里同时放英文原文 PDF 与中文译文 PDF：
~/projects/paper-reading/
├── 1706.03762-你所需要的只是Attention/
│ ├── source/
│ ├── Attention Is All You Need.pdf ← 英文原文（arXiv 官方 PDF，download.py 自动下载）
│ └── 你所需要的只是Attention.pdf ← 中文译文（compile.py 编译）
└── 2605.17792-HydroAgent_基于模拟器驱动…/
├── source/
├── HydroAgent_Bridging the Gap….pdf ← 英文原文
└── HydroAgent_基于模拟器驱动….pdf ← 中文译文
由于中文标题在翻译完成前不可知，按下列两阶段处理：
-
下载阶段：先用 $OUTPUT_DIR = $PARENT/$PAPER_ID 占位（只用 arXiv ID，无标题后缀）。
-
翻译完成、确定 \title{} 中文标题后：把整个目录从 $PARENT/$PAPER_ID 重命名为 $PARENT/$PAPER_ID-$PDF_NAME_ZH，再调用 compile.py 把 PDF 写到新目录里。$PDF_NAME_ZH 不是 \title{} 的原样，而是把 \title{} 里的全角 ： 替换为 _（详见第三步「文件系统命名」），例如 \title{HydroAgent：基于模拟器驱动……} → $PDF_NAME_ZH=HydroAgent_基于模拟器驱动……。
mv "$PARENT/$PAPER_ID" "$PARENT/$PAPER_ID-$PDF_NAME_ZH"
OUTPUT_DIR="$PARENT/$PAPER_ID-$PDF_NAME_ZH"
WORK_DIR="$OUTPUT_DIR/source"
若用户只翻一篇论文，没有「父目录」语义（例如直接说「放到 ~/Desktop」），保持 $OUTPUT_DIR = ~/Desktop/$PAPER_ID-$PDF_NAME_ZH 即可。不要把多篇论文的 source/ 直接堆在同一个父目录里——会互相覆盖。
源码统一落在 $OUTPUT_DIR/source/（不再使用 .tmp_arxiv 之类的临时名）。
无源码（仅 PDF）则告知用户跳过。
脚本向 stdout 输出六行，格式如下：
WORK_DIR=<源码目录绝对路径，即 $OUTPUT_DIR/source>
MAIN_TEX=<英文原始主文件相对路径，只读快照>
MAIN_TEX_ZH=<供翻译的中文主文件相对路径（download.py 已自动复制好）>
PDF_NAME=<论文英文标题（仅供生成备用名）>
PDF_NAME_EN=<英文原文 PDF 的跨平台安全文件名，冒号等已替换为 _>
PDF_EN=<已下载的英文 PDF 绝对路径；若没下到则为空字符串>
MAIN_TEX 永远是英文原文，永远不要修改；翻译只动 MAIN_TEX_ZH 及其 _zh 子文件。两者并列存放，方便对照。
英文原文 PDF（强制：必须与中文译文同在一个文件夹）
每个论文文件夹里必须同时有「英文原文 PDF」和「中文译文 PDF」，缺一不可。英文原文 PDF 的获取分两条路，按优先级走：
-
首选——直接下载 arXiv 官方 PDF（download.py 已自动完成）。 arXiv 已编译好的 PDF 是作者最终排版、最忠于原貌的版本，比本地重编英文源码更稳更快。download.py 会把它按 PDF_NAME_EN 命名，落在 source/ 同级（即 $OUTPUT_DIR）。成功时 PDF_EN 是该文件的绝对路径。
-
回落——本地编译英文源码（仅当 PDF_EN 为空时）。 极少数论文官方 PDF 取不到，此时在第四步（目录已重命名、工具链已就绪）顺带用 compile.py 编译只读的英文 $MAIN_TEX：
python3 {SKILL_DIR}/scripts/compile.py "$WORK_DIR" "$MAIN_TEX" "$OUTPUT_DIR/$PDF_NAME_EN.pdf" --engine auto
英文 PDF 命名约定 PDF_NAME_EN（download.py 已按此实现，跨平台/网盘/Git/URL 均安全）：以英文标题为基础，半角/全角冒号 :/： → _（与中文目录命名的方法名分隔同构，如 GeoGround: ... → GeoGround_...），空格 → _（不留空格，免去 shell/URL 转义），标题里原有的连字符 - 保留（如 Vision-Language，与代表空格的 _ 区分，便于还原原题），其余 <>"|?* 等不安全字符 → _。最终形如 GeoGround_A_Unified_Large_Vision-Language_Model_for_Remote_Sensing_Visual_Grounding.pdf，与中文 PDF GeoGround_面向遥感视觉定位的统一大型视觉-语言模型.pdf 同享 GeoGround_ 前缀、一眼成对；两份文件名天然以语言区分原文与译文。
收尾自检：进入第四步「清理」前，务必确认 $OUTPUT_DIR 下既有 $PDF_NAME_EN.pdf（英文原文）又有 $PDF_NAME_ZH.pdf（中文译文），且两者内容范围一致（若中文版取消注释纳入了补充材料/附录，英文也必须是含补充材料的版本，见第三步）。只有中文、缺英文（或反之）、或中英内容范围不一致，都算未完成。
第三步：翻译
由当前对话模型直接对 $WORK_DIR/$MAIN_TEX_ZH（以及它 input 进来的 _zh 子文件）进行翻译修改。$MAIN_TEX 是英文只读快照，永远不要修改。按以下规则翻译：
- 翻译范围： 默认翻译全文，包括
\appendix 之后的附录内容。用户明确要求「只翻正文」「不翻附录」时，才在 \appendix 之前停止翻译。留意源码里「写好却被 % 注释掉的补充材料/附录」（arXiv 版常见：作者把 supplementary 注释掉以压缩正文页数，download.py 仍会把它复制成 _zh 子文件）——这类内容 arXiv 官方英文 PDF 往往不含，但源码既已写好，可在用户要求或同意时取消注释、一并翻译编译，让中文版比 arXiv PDF 更完整；取消注释前先确认其引用的图表资产（fig/ 等目录下）齐全，再编译。关键：中文版一旦纳入补充材料，英文 PDF 也必须同步含补充材料才能逐页对照 —— 复制英文主文件为 main_en.tex（不动只读的 $MAIN_TEX），在副本里取消同样的 \input{...}，再用 compile.py 编译覆盖原英文 PDF。
- 必须翻译： 正文叙述、摘要、图表标题、列表项、脚注中的描述文本、代码块中的注释；附录
tcolorbox / lstlisting / prompt example 里的自然语言提示词、角色说明、步骤说明、动作说明、表头说明也要翻译（这是论文内容，不是“代码本体”）；作者/机构区的机构名直接译为全中文（如「斯坦福大学」），不保留英文原文或中英对照；描述性方法名/模块名（如「自适应检索模块（Adaptive Retrieval Module, ARM）」）也要中译，按下方「术语首次出现规则」给出中英对照。
- 图表前缀与图内文字： 中文 PDF 中 LaTeX 自动生成或正文引用里的
Figure / Fig. / Table / Tab. 前缀统一本地化为「图」「表」（必要时在主 _zh.tex 或补充材料入口添加 \renewcommand{\figurename}{图} / \renewcommand{\tablename}{表}）。但图片、截图、外部 PDF/矢量资产内部已经渲染好的英文标注、坐标轴、界面文字默认不改，除非可在可编辑源码中自然修改且不破坏版面。
- 保留不翻： 数学环境、LaTeX 命令、
\cite{}/\ref{}/\label{}、图片路径、URL、.bib、代码本体中的标识符 / JSON key / API action name / XML tag / 占位符（如 action_type、open_app、<tool_call>、<instruction_here>）、人名、专有模型名（GPT-4、LLaMA、Qwen、DeepSeek 等已成符号的型号）、专有数据集/基准名（ImageNet、MMLU、GSM8K 等）。不要把整段 prompt 模板误判为代码而原样保留；只保留其中必须机器可读或示例结构相关的 token。
- 不要新增字体修饰： 严禁额外添加
\textit{}、\textbf{}、\emph{} 等格式命令——只在原文已存在时按位置保留。作者/机构区不写英文机构对照；正文术语对照括号里的英文一律用 \textbf{正体（plain）}，不要套 \textit{}；括号内的英文只是为方便对照，不属于「需要强调」的内容。
- 专有名词： Transformer、Softmax、Token、Attention、Self-Attention、Multi-Head Attention、Scaled Dot-Product Attention 等已通用化的学术术语严格保留英文，不要硬译为「转换器 / 注意力 / 自注意力 / 多头注意力」等。复合词同样保留：
Multi-Head Self-Attention、Restricted Self-Attention、Encoder Self-Attention 等都不要拆译。其它领域的同类约定俗成术语（CNN、RNN、LSTM、Embedding、Token、Logits、Softmax、Dropout、BLEU 等）同理。
- 术语首次出现规则（重要）： 全文术语、符号、代号需统一；非通用新名词、新术语、新概念在首次出现时给出清晰说明。
- 反复出现（≥2 次）的较长词组，在首次出现时写作「中文全称（English Full Name, ABBR）」，例如「灾害行动响应智能体（Disaster Operational Response Agent, DORA）」，之后全文统一用缩写
ABBR 或中文简称；
- 全文仅出现一次的，直接用中文全称即可，必要时在括号中附英文全称（不加缩写）；
- 摘要与正文各自独立统计：同一术语若在摘要和正文中都是首次出现，两处都要分别注明完整定义，确保摘要可以独立阅读。
- 仅有缩写而无英文全称的写法（例如「MCP 库」「SAR 影像」）必须替换为定义形式。
- 标题要求：
\title{} 须改为自然中文题名，不保留英文原题或中英并列。标点忠于原文——原标题里的 : 翻成中文标准的全角 ：（中文排版规范），不要省略也不要替换为 -。若原标题以专有方法名/系统名/产品名领起（如 HydroAgent: ...、DORA: ...、LLaMA-Factory: ...），中文 \title{} 必须保留该专有名词作为前缀，写作「专有名（英文原样）：中文副标题」，例如 HydroAgent：基于模拟器驱动强化学习……；不要把专有名翻成中文，也不要丢掉。
- 文件系统命名（与
\title{} 解耦）： PDF 内部 \title{} 遵循上一条；但目录名与 PDF 文件名要替换非 ASCII 标点以保证跨平台（Windows、网盘、Git 都不接受裸 :/：）。采用两层分隔：
- 外层
-：arxiv-ID ↔ 标题主体，例如 2605.17792-HydroAgent_...
- 内层
_：英文方法名 ↔ 中文副标题，替换 \title{} 中的全角 ：，例如 HydroAgent_基于模拟器驱动…
- 完整范例：
2605.17792-HydroAgent_基于模拟器驱动强化学习缩小前沿LLM与人类专家在水文模型率定中的差距/ 内含同名 .pdf。
- 两层分隔的目的是视觉上区分语义层级（ID/方法名/副标题）；全用
- 会出现 ID-Method-Subtitle 三段同形分隔，边界不清。_ 与 - 都全平台安全。
- 若原标题没有专有方法名前缀（纯描述性中文标题），直接
$PAPER_ID-$PDF_NAME_ZH 即可，不需要内层 _。
- 多篇处理： 多篇论文可以分别处理；只有在用户明确要求并行委派时，才开启多个 subagent，否则直接顺序完成。
译后必须做自检（默认 full 模式扫描全文，扫描的是中文翻译目标文件）：
python3 {SKILL_DIR}/scripts/inspect_tex.py scan "$WORK_DIR" "$MAIN_TEX_ZH" full
若用户明确要求「只翻正文」，则改为：
python3 {SKILL_DIR}/scripts/inspect_tex.py scan "$WORK_DIR" "$MAIN_TEX_ZH" body
脚本会输出 SUSPECT_COUNT=<数字> 以及若干 SUSPECT=<文件>:<行号>:<片段>。
- 只要
SUSPECT_COUNT 非 0，就必须逐条回到对应位置进行翻译；
- 只有
SUSPECT_COUNT=0，或剩余项明确属于「保留不翻」范围时，才可进入第四步。
第四步：编译与清理
目录最终命名：在编译前，按第二步的命名约定，把 $OUTPUT_DIR 从 $PARENT/$PAPER_ID 重命名为 $PARENT/$PAPER_ID-$PDF_NAME_ZH，使整篇论文（含 source/ 子目录、第二步已下载的英文原文 PDF）都落在最终目录里。$PDF_NAME_ZH 基于翻译后的 \title{} 自然命名，与 \title{} 一致或更精炼。最终中文 PDF 直接落在 $OUTPUT_DIR/$PDF_NAME_ZH.pdf，与 source/、英文原文 PDF 同级。第二步下载的 $PDF_NAME_EN.pdf 在 $OUTPUT_DIR 内，整体 mv 时会自动跟着搬到最终目录，无需单独处理。
python3 {SKILL_DIR}/scripts/compile.py "$WORK_DIR" "$MAIN_TEX_ZH" "$OUTPUT_DIR/$PDF_NAME_ZH.pdf" --engine auto
英文原文 PDF 兜底：若第二步 PDF_EN 为空（官方 PDF 没下到），在这里顺带补一份英文 PDF，确保最终目录里中英两份都在：
[ -z "$PDF_EN" ] && python3 {SKILL_DIR}/scripts/compile.py "$WORK_DIR" "$MAIN_TEX" "$OUTPUT_DIR/$PDF_NAME_EN.pdf" --engine auto
--engine 选项（默认 auto）：
auto：先检测本地是否装有 xelatex，装了就用本地编译；未装则回落到在线服务。首选。local：强制本地 xelatex 编译；未装 xelatex 直接报错。适合环境齐全 + 想完全离线的场景。online：强制走 latex.ytotech.com 在线编译。适合本地 TeX 环境缺包、或者想保留旧行为。
用户可以在调用时通过自然语言指定（例如「用在线编译」「强制本地编译」），否则一律传 --engine auto。
compile.py 会统一完成以下编译前处理（两种引擎共用）：
- 默认使用
xelatex + xeCJK 编译栈；若检测到中文且主文件尚无 CJK 支持，自动注入 fontspec / xeCJK / \setCJKmainfont{Noto Serif CJK SC}；
- 自动注释掉与 Unicode 编译栈冲突的
fontenc / inputenc；
- 自动识别
bibtex / biber / 已内置 .bbl 的情况；
- 自动忽略常见编译中间文件、
build/ 子目录以及未被源码引用的游离 PDF（在线引擎下避免把无关产物上传；本地引擎下避免污染源码目录）。
编译失败时：读取 stderr 中的错误日志，参考 references/compile-errors.md 修复源码，重新编译（最多重试 2 次）。
编译成功不代表排版通过：xelatex exit 0 但日志里 Overfull \hbox 经常是中英换算带来的表格/段落溢出，目视才能发现。强制执行下一步「表格溢出扫描」。
本地手动重编（应急）： source/build/ 子目录是本地 xelatex 中间产物的约定输出位置。手动重编命令：
cd "$OUTPUT_DIR/source"
xelatex -output-directory=build "$MAIN_TEX_ZH"
BIBINPUTS=".:$BIBINPUTS" bibtex "build/${MAIN_TEX_ZH%.tex}"
xelatex -output-directory=build "$MAIN_TEX_ZH"
xelatex -output-directory=build "$MAIN_TEX_ZH"
cp "build/${MAIN_TEX_ZH%.tex}.pdf" "../$PDF_NAME_ZH.pdf"
表格溢出扫描（强制，先于目视做）
中文方块字宽度约为英文比例字体的 1.5–2 倍。原作按英文宽度调好的 \small / \tabcolsep 在中文下普遍宽度溢出 5–20%，不修就一定出现表格压到对面栏中文上。
grep -E "Overfull \\\\hbox \([0-9]+\.[0-9]+pt" "$WORK_DIR/build/${MAIN_TEX_ZH%.tex}.log" \
| awk -F'[()]' '$2+0 > 5 {print}'
每条 Overfull \hbox (XX.XXpt too wide) in paragraph at lines AAA--BBB：
- 把
AAA--BBB 行号区间映射到 $MAIN_TEX_ZH 里的某个外层 \begin{tabular} 块（注意：行首才是外层；带 [c]{@{}c@{}} 出现在行中的是 \makecell 内嵌表头，不要包）。
- 用
\resizebox{\linewidth}{!}{ ... } 把整个外层 \begin{tabular}...\end{tabular} 块包住。\linewidth 在 table 里等于栏宽、在 table* 里等于页宽，一段代码窄表宽表通吃。
- 重新编译。第一轮过后
> 5pt 的 Overfull 应该接近归零。
为什么是 \resizebox{\linewidth} 而不是「全文 \scriptsize」「手工调列宽」：它只对真正超宽的表起作用、按比例保留作者意图、且小表不被强行拉宽——可以稳定地批量自动化，不必逐表手工权衡。完整方法论与边界情况见 references/table-overflow.md。
剩余「溢出 > 20%」或「\resizebox 后字号过小」的少数情况，按 references/table-overflow.md 的二级手段顺序处理（先压 \tabcolsep，再压 \arraystretch，再精简表头，最后才考虑横版或拆表）。
排版自检（强制）
编译成功后必须渲染至少首页与含「作者块」「宽表格」「wrapfigure」的页面，确认中文版排版未崩坏。不能凭借 exit code 0 就认定编译成功——CJK 与英文模板互动经常导致内容溢出页边距、文字相互重叠这类仅渲染才能看出来的问题。
import fitz
doc = fitz.open("$OUTPUT_DIR/$PDF_NAME_ZH.pdf")
for i in [0, ...]:
doc[i].get_pixmap(dpi=200).save(f"/tmp/check_p{i+1}.png")
然后用 Read 工具把这几张 PNG 实际过一遍眼睛，确认：
发现问题就回到译稿上调整 LaTeX 结构（不是改翻译文字），然后重编。直到目视确认没有崩坏，才算「编译成功」。
清理中间产物
编译并目视确认后，再清理（删除 source/build/ 与 inspect 临时文件，保留英文原文与翻译稿源码以便对照与手动重编）。清理前最后确认 $OUTPUT_DIR 下中英两份 PDF 都在（$PDF_NAME_EN.pdf + $PDF_NAME_ZH.pdf）：
python3 {SKILL_DIR}/scripts/cleanup.py "$OUTPUT_DIR"
cleanup.py 只清 build/ 子目录内的中间产物，不动 source/ 根目录的任何文件——很多 arXiv 源码会直接附带预生成的 main.bbl（论文没发 .bib），这种 .bbl 属于原始源码，删了下次重编会出现一堆 ??。
多篇论文时，所有论文都完成 PDF 编译并目视确认后再进行中间文件清理。
最后告知用户：
- 中文译文 PDF：
$OUTPUT_DIR/$PDF_NAME_ZH.pdf
- 英文原文 PDF：
$OUTPUT_DIR/$PDF_NAME_EN.pdf（arXiv 官方 PDF；个别论文取不到时为本地编译英文源码所得）
- 源码目录：
$OUTPUT_DIR/source/（含英文原文 + _zh.tex 中文译稿，可手动重编）
参考文件
references/table-overflow.md：表格与中文重叠的诊断 + 修复范式——为什么不能"一刀切缩小所有表"、怎么用 Overfull \hbox 日志精确定位、怎么用 \resizebox{\linewidth}{!}{...} 批量修、二级手段（\tabcolsep / \arraystretch / 表头精简 / 横版 / 拆表）顺序与边界。每篇必跑的最后一道工序，读这个。references/framed-content.md：附录里 tcolorbox/lstlisting 的诊断 + 排版基线——为什么中文长行会冲出框右边、为什么默认 box 看起来很糙、preamble 里 \lstset{breaklines=true} + \tcbset{promptstyle/.style={...}} 一处统一所有 box 风格、批量把 inline 选项压成 promptstyle 的脚本。论文有 GPT 提示词/JSON 模板/对话样例附录时读这个。references/compile-errors.md：编译常见错误、CJK 排版陷阱（宽表挤压、wrapfigure caption 溢出、.bbl 误删等）及修复方法。references/author-block.md：作者/机构区的排版与译名规范（作者姓名保留英文/拼音、机构只保留中文译名、\textit 禁用规则、「全国/国家重点实验室」译法、作者名行过长必须默认拆行）。翻译机构/作者块前先读这个。
