Skip to main content Skills Marketplace Descubre y explora habilidades de IA creadas por la comunidad.
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Mostrar detalles del prompt Un comando directo omite el prompt de revisión. Revisa el origen antes de ejecutarlo.
npx skills add https://github.com/infometa/workbuddyskills --skill academic-translationEl comando permanece en una sola línea. Desplázate horizontalmente para revisarlo antes de copiarlo.
¿Prefieres una copia local? Descarga los archivos que SkillsMP tiene disponibles ahora.
Descargar Zip Descargando... Ocupaciones relacionadas SOC
Basado en la clasificación ocupacional SOC
Explorador de archivos
26 archivos name academic-translation display_name 学术翻译 display_name_en Academic Translation description 当用户需要学术论文中英互译、润色、Chinglish 修复时使用。三步法（直译→反思→雅化），公式/cite 零损伤，顶会术语库，双栏对照，不动原文件。 category Education description_zh 学术翻译——中英互译+三步雅化，公式零损伤，顶会术语库，双栏对照 description_en Academic paper translation and polishing with formula-safe three-step refinement and conference terminology version 1.0.0 author TPD
学术翻译 Skill
直译 → 反思 → 雅化 · 公式零损伤 · 顶会术语库 · 双栏对照
工作流概览
flowchart LR
A[用户输入] --> P[Preflight<br/>P1 完整性 / P2 模式三选项 / P3 路由]
P --> R[输入路由<br/>PDF · arXiv · LaTeX · text]
R --> S1[Step 1 直译<br/>保术语 · 逐句对应]
S1 --> S2[Step 2 反思<br/>学术规范 + Chinglish 校正]
S2 --> CK{精翻模式?<br/>中途检查点}
CK -->|继续| S3[Step 3 雅化<br/>信达雅 + 顶会风格]
CK -->|停在 Step 2| OUT
S3 --> OUT[输出 7 文件<br/>三档对照 + 双栏 MD/LaTeX/HTML + self-check]
输入参数（结构化契约）
主流程的所有可控参数集中在 Preflight P1（输入完整性）和 P2（三选项）。下表是机器可读的契约规格——用户没显式说时按"默认"列处理，并以「⚙️ 已应用配置」展示给用户一次回退机会。
参数 类型 必填 默认 取值 / 说明 input_kindenum ✅ 自动检测 pdf / arxiv_id / latex / markdown / text；P1 完整性检查决定directionenum 否 按输入语言推断 zh2en 中→英（投稿）/ en2zh 英→中（理解）/ bilingual 双向对照depthenum 否 standardquick（仅 Step 1，~1× 时间）/ standard（Step 1+2，~2.5×，日常推荐 ）/ full（Step 1+2+3，~4×，投稿必选）glossary_modeenum 否 builtinbuiltin 仅内置顶会术语库 / user 仅用户上传术语库 / merged 双方合并（推荐有领域术语时）target_venuestring 否 自动推断或 ml ml / nlp / cv / ir 之一；决定 Step 1 加载哪份 glossary/{venue}.mdoutput_dirpath 否 translation-output/{ISO-time}-{paper-slug}/
输出契约 （参考下方 §「输出 — 三档对照 + 双栏对照」详细 schema）：
字段 类型 默认存在的模式 output_fileslist[str] quick→{01,06} / standard→{01,02,04,06,07} / full→{01,02,03,04,05,06,07} provenance.coverage_pctfloat [0,1] 全模式存在；理想 ≥ 0.95 preserve_latex.verify_passedbool 含 LaTeX 输入时存在；false → 阻断输出 terms_hit_ratefloat [0,1] 全模式存在；术语库命中率
异常时的输出形态 ：见下方 §「异常与边界条件」表格。所有阻断场景都会额外生成 ERROR.md，把原始输入 + 失败原因写入 output_dir，绝不 静默退出。
不在范围内（请改用其他工具） 学术翻译追求"术语精确 + 公式零损伤 + 投稿规范"，因此对以下场景故意做得不好 ——它们各自有更合适的工具。遇到下表场景时立即拒绝并推荐对应工具，不要尝试翻译 ：
场景类型 典型输入 推荐替代工具 拒绝原因 通用文本 / 邮件 / 新闻 "尊敬的 X 总" / "Today's headline" DeepL / 沉浸式翻译 学术 Skill 会强行套用顶会风格表达（如 "We propose"），破坏商务/口语语气 代码注释 / Commit msg / i18n // Calculate sum of array通用机翻或代码翻译工具 短上下文，本 Skill 的 Provenance 三维度 + 6 文件输出是过度设计 产品 UI / 营销文案 "Buy now! Save 50%" 通用 i18n 工作流工具 需要 i18n 工作流 + 文化适配 视频字幕 含时间码 00:01:23 字幕专用工具 时间码处理 + 口语风格 扫描件 PDF （无文本层）纯图片论文 PDF 先用 OCR 工具，再回本 Skill OCR 在公式/数字上幻觉率高，输出会"看似合理但数据错乱" 法律 / 医学专业级 合同 / 病例 / 处方 AI + 人工 verify 工具 法律医学错译有真实代价，需人工校对 诗词 / 文学押韵 王维"空山新雨后" 诗词专用工具 本 Skill 的"信达雅"针对论文，不针对意境 / 押韵
关键自检 ：用户输入命中上表任一行时，绝不 进入 Preflight P2 / 三步翻译流程，直接展示"这属于 X 类场景，建议用 Y 工具，原因是 Z"。
⛔ Preflight（任何翻译前的开场白） 读取本 Skill 后，按以下顺序完成 Preflight。这一段看起来繁琐，但跳过其中任何一步都意味着接下来 4 倍时间的精翻可能跑偏方向，得不偿失。
Step P1：输入完整性 输入类型 检查项 失败处理 PDF 文件 路径存在 + 文本层可提取（非扫描件） 跑 scripts/extract_pdf.py --check {path} 提示用户 arXiv ID 格式 YYMM.NNNNN 或旧式 arch-ive/YYMMNNN 失败 → 询问用户重新提供 LaTeX 源 含 \documentclass 或 \begin{document} 失败 → 当作普通文本处理但提示 粘贴文本 字符数 ≥ 50 失败 → 询问是否要翻译这么短的内容 Markdown 文件存在或粘贴 —
Step P2：模式 + 方向 + 术语库三选项澄清 学术翻译的成本差异很大——快速模式只跑直译（≈1× 时间），精翻模式三步全跑（≈4× 时间）。模型不能替用户决定花多少时间。所以这里必须让用户自己选；用户没说时给出默认值并展示「⚙️ 已应用配置」让对方有一次回退机会。
✋ 翻译前请确认 3 个选项：
1. 翻译方向：
[a] 中 → 英（投稿 / 国际期刊）
[b] 英 → 中（理解 / 文献综述）
[c] 双向（生成中英对照版）
2. 输出深度：
[a] 快速（仅 Step 1 直译，约耗 1×时间，适合快速理解原意）
[b] 标准（Step 1+2 直译+反思，约耗 2.5×时间，**推荐日常使用**）
[c] 精翻（Step 1+2+3 直译+反思+雅化，约耗 4×时间，投稿/发表必选）
3. 术语库：
[a] 仅用内置顶会术语库（refs/glossary/）
[b] 用户上传自定义术语库（粘贴 / 文件）
[c] 内置 + 自定义合并（推荐有领域术语时）
用户不指定时默认 1=按输入语言推断 / 2=标准 / 3=仅内置，但要在输出前以「⚙️ 已应用配置」展示给用户。
如果用户选 2c 精翻，额外提示一句："精翻会在 Step 2 → Step 3 之间暂停一次，让你确认术语和直译质量"——这呼应下文的中途检查点。
Step P3：路由
⚠️ 路由 = 加载触发器 ：进入对应分支前，必须 通过 Read 工具读取标 📖 MANDATORY 的文件再开始执行；标 📖 按需 的仅在该子情境出现时加载。
不读 = 走的是空壳分支，下游所有"按 references 规则"的判断都没有依据。
核心方法 — 三步翻译法
设计思路：把翻译流水线拆为「直译 → 反思 → 雅化」三步，每一步都有独立的目标和检查点，是学术翻译领域的成熟范式。
三步法的关键洞察是把"忠实"和"流畅"解耦 ——人脑同时追求两者会让 LLM 在某一句"为了流畅丢了精度"。先逐句忠实直译（Step 1），再以全文视角校学术规范和术语一致性（Step 2），最后才追求文笔（Step 3）。中间产物全部保留，便于 diff 和回退。
Step 1 — 直译（保术语·逐句对应）
📖 加载触发器 ：进入 Step 1 前，MANDATORY 读取与目标会议匹配的术语库一份（按用户输入推断或 P2 选择）：
用户未指定会议时默认加载 ml-venues.md（最通用）。同时检测 LaTeX 标记 → 触发 📖 MANDATORY: refs/formula-preservation.md。
目标 ：忠实传达原意，保留所有专业术语、公式、引用，不追求流畅 。
公式（$...$ / \\begin{equation} / \\[...\\]）原样保留——它们是 LaTeX 编译产物，翻译会破坏排版且没有"译法"
\\cite{} / \\ref{} / \\eqref{} / \\autoref{} 原样保留——这些是引用键，翻译后会让交叉引用全部断裂专业术语优先用 refs/glossary/ 中的标准译法；术语库未覆盖时保留原文 + 在括号附译法（例 "embedding（嵌入）"），方便读者反向查阅
数字 / 单位 / 化学式 / 算法名原样保留——这些是数据事实，翻译只会引入错误
段落结构（句子边界）保持 1:1 对应——便于 Step 2 反思阶段做对齐
表格保留 = 结构原样 + 表头/数据不翻译 + 仅 caption 翻译 ——这是高频踩坑点，独立成条说明：
Markdown 管道符表格 | col1 | col2 | / |---|---| 的分隔符行、列对齐、表格行数列数 全部原样保留
表头（header row）、数据单元格中的数字 / 公式 / 模型名 / 数据集名 / 缩写 一律不翻译（与 §核心原则 3 的"不变量"一致）
表格上方/下方的 Table N: ... caption 或紧邻段落属于自然语言，只翻译 caption
输入是 PDF 时，paragraph_kind == "table" 的 segment 整段绕过翻译模型 ，仅 paragraph_kind == "caption" 走三步流程
输入是 LaTeX 时，\begin{table}...\end{table} 块整段被 <TABLE_n> 占位符替换（见 refs/formula-preservation.md ）
输入是 Markdown 时，对管道符表格识别为"表格 segment"，整体替换为 <MDTABLE_n> 占位符，仅 caption 走翻译；输出阶段还原
底线检查 ：Step 1 输出后扫描原文表格行数 ≥ 1 的情况，若译文表格行数 ≠ 原文 → 阻断该段，重跑或标记 manual_review
输出格式 ：每段译文带 Provenance 标注：
- segment_id: §3.2-p1
source_page: 7
source_section: "3.2 Method"
source_excerpt: "We propose a novel..."
step1_literal: "我们提出一种新颖的..."
preserved:
formulas: ["$\\mathbf{x}_t = f(\\mathbf{x}_{t-1})$" ]
citations: ["\\cite{vaswani2017attention}" ]
terms_kept_en: ["embedding" , "MLP" ]
Step 2 — 反思（学术规范 + Chinglish 校正 + 术语一致性）
📖 加载触发器 （中→英 翻译方向时 MANDATORY；英→中 时 📖 按需）：
目标 ：检查直译产生的不自然表达，应用学术规范，确保术语一致。
术语一致性扫描必须全文级 而非段内——读者跨章节查同一概念时，译法不一致会被直接误判为两个东西
任何修改保留 Step 1 → Step 2 的 diff 可见——用户回看时能准确知道反思阶段做了什么、是否有改过头
Step 3 — 雅化（信达雅 + 顶会风格）
📖 加载触发器 （精翻模式 2c MANDATORY，标准模式 2b 不进 Step 3 不加载）：
目标 ：在 Step 2 已规范的基础上，提升流畅度、紧凑度、可读性，达到投稿级。
会议域 风格特点 引用此 Glossary ML（NeurIPS/ICLR/ICML/AAAI/IJCAI） 简洁、公式重、数学化语言 glossary/ml-venues.mdNLP（ACL/EMNLP/NAACL） 语言学精度、相关工作详尽 glossary/nlp-venues.mdCV（CVPR/ICCV/ECCV） 视觉术语精确、benchmark 表达规范 glossary/cv-venues.mdIR/Web/Data（SIGIR/WWW/KDD/CIKM） 问题动机、实用 impact 强 glossary/ir-data-venues.md
Step 3 收尾自检 （理由：雅化阶段最容易"改过头改丢内容"，这五项是底线）：
✅ Provenance 仍可追溯到 Step 1 的源段落
✅ 公式、\\cite{}、\\ref{} 一字未改
✅ 数字 / 实验结果 / 数据集名 一字未改
✅ 用户自定义术语库的强制术语 100% 命中
✅ 表格行数 / 列数 / 数据单元格内容 与原文严格一致；只允许 caption 被翻译
✅ 07-bilingual.html 必须存在scripts/preserve_latex.py --verify --html 通过——HTML 是双栏对照的默认主交付物，缺失 = 输出失败
🛑 中途检查点（精翻模式必经，标准/快速模式跳过） 触发 ：用户在 Preflight P2 选了 2c 精翻。位置 ：Step 2 完成后、Step 3 开始前。为什么需要它 ：精翻三步成本接近快速模式 4 倍。如果 Step 2 的术语和直译方向已经偏了，再花 1.5× 的成本跑 Step 3 雅化只会把错误"包装得更精美"。前移检查点的代价远小于事后重跑。
必做动作
阻断流程 ——不要自动进入 Step 3，等待用户输入。展示三件物 给用户：
📊 Step 1 → Step 2 diff 摘要 ：被反思阶段改写的段落数 / 术语统一替换数 / Chinglish 修正数 / 去 AI 味命中条数
📋 抽样段对照 ：随机抽 2-3 段，展示 step1_literal vs step2_academic 并排对照
📚 术语命中表 ：本文出现的术语 × 当前选用译法 × 来源（内置 glossary / 用户术语库 / 模型推断）
三选项询问 （措辞统一）：
✋ Step 2 完成。是否进入 Step 3 雅化？
[a] 继续雅化（采用当前术语和直译）
[b] 修订后再雅化（你给我术语/段落级修改意见，我应用后再问你一次）
[c] 就停在 Step 2（不雅化，只输出 01 + 02 两份文件）
选项 b 的回环 ：应用用户修改 → 重新跑 Step 2 反思一致性 → 再回到本检查点询问，最多 3 轮，超出后让用户在 a/c 之间二选一（防止无限改）。选项 c 的输出收敛 ：标记 output_files = [01, 02, 04, 06, 07]（跳过 03 雅化和 05 LaTeX 投稿版；07 HTML 仍生成，顶栏标 "学术规范版（未雅化）"），并在 06-self-check.md 注明"用户在 Step 2 后停止"。
这里不要做的事（理由）
❌ 不要把"是否继续"问题与 P2 的三选项合并提问——P2 在翻译前问，本检查点在 Step 2 后问，时机不同，合并会让用户在没看到译文的情况下被迫决策
❌ 不要静默跳过该检查点（哪怕用户在 P2 时勾过"全自动"）——本检查点优先级高于自动化偏好，因为它是发现"翻译跑飞"的最后机会
❌ 不要在该检查点修改公式 / \\cite{} / Provenance（这些是不变量，下文会展开）
标准模式（2b）不强制本检查点，但建议在 Step 2 完成后主动 展示一次 diff 摘要供用户参考；快速模式（2a）不进入本检查点。
输出 — 三档对照 + 双栏对照（默认全产）
⚠️ 强约束 ：standard / full 模式下 07-bilingual.html 必须生成06-self-check.md 顶部红字标注"HTML 未生成，原因 = X"，不允许静默跳过 。
每次精翻调用都生成 7 个文件（默认放在 translation-output/{timestamp}-{paper-id}/）：
文件 用途 必出模式 01-step1-literal.mdStep 1 直译初稿 quick / standard / full 02-step2-academic.mdStep 2 学术规范版 standard / full 03-step3-polished.mdStep 3 信达雅终稿 full 04-bilingual.md双栏对照（左原文 / 右终稿） standard / full 05-bilingual.texLaTeX 双栏（投稿用） full 06-self-check.md自检报告（术语命中率 / 公式保留率 / 表格保留率 / Provenance 完整性 / HTML 生成状态 ） quick / standard / full 07-bilingual.html双栏 HTML（浏览器即开 + MathJax + 视图切换 + 复制 + 表格原样渲染 ） standard / full（必出）
生成顺序 ：先 01→02→03 三档对照 → 再衍生 04（双栏 MD）→ 05（双栏 LaTeX）→ 07（双栏 HTML，必出） → 最后 06（自检报告，含 07 是否生成的状态）。收尾断言 ：所有应出文件未出齐时，模型必须显式向用户报错「输出不完整：缺少 X」并给出补救方案，不允许沉默交付 。
核心原则
1. 不修改用户原文件 读取原文 + 写到独立目录是基本契约。即使用户说"在原文上改"，也要写到 translation-output/ 后告知用户——他们随时可能想回头比较译稿和原文，原地改会让这个动作不可逆。
2. Provenance 三维度（防幻觉护城河）
页码 / 行号 （PDF 来源）章节标题 （§3.2 Method）原文 excerpt （≥ 30 字，便于 ngram 校验） 为什么三维度都要：单靠"页码"会被分页错位干扰、单靠"章节"无法定位到段、单靠 excerpt 在长论文里可能多次匹配。三维度组合让 hallucination 几乎无处遁形。
3. 公式与引用是不变量（IDEMPOTENT） 公式、\\cite{}、\\ref{}、\\eqref{}、算法块、数据集名、数字——这些是论文中"不存在译法"的元素。Step 3 输出前 scripts/preserve_latex.py --verify 会自动校验；校验失败 → 阻断输出，回退到 Step 2 重跑。这是底线，因为一旦这些被翻动，整篇论文的 LaTeX 编译和交叉引用全会崩。
4. 渐进式披露（按需加载） 本文件只做路由 + 原则 + 三步法概述。详细工作流在 modules/*.md，术语库 / 模式表在 refs/，通用脚本在 scripts/。
5. 多 provider 切换（鲁棒性） 支持多个 LLM provider 互为兜底，并保留对外部"AI + 人工 verify"工具的转交路径：
Provider 用法 强项 Claude（默认） 当前 Skill 的执行环境 长文本 + 学术语境 OpenAI GPT 用户指定时 fallback 通用翻译 Gemini 用户指定时 fallback 多模态（PDF 图） DeepL API 用户提供 key 时 欧洲语言对 AI + 人工校对工具 用户指定时 法律 / 医学 / 投稿前最终把关
6. 容易做错的几件事（写出来是为了让模型避开陷阱）
跳 Step ：精翻三步缺一会让术语不一致和 Chinglish 残留——Step 2 是术语全文统一的唯一时机翻译公式 ：LaTeX 公式、\\cite{}、数字、算法名属于"非自然语言"——动它们 = 编译失败翻译表格 / 把表格弄丢 ：管道符表格 | ... | 经过翻译模型会被改写成纯文本段落、表头变成中文、行列对不齐——必须按 Step 1 强制规则第 6 条整段占位符化 ，仅 caption 走翻译；输出阶段还原HTML 不生成 / 静默跳过 07 ：standard/full 模式下 07-bilingual.html 是默认主交付物，模型常误以为"只产 Markdown 就够了"——跳过 = 视为输出失败，必须在 06-self-check 中显式标注或补出自行决定模式 ：精翻和快速模式成本差 4 倍，模型替用户猜错会浪费用户时间或漏译质量，所以 P2 不能跳改写用户原文件 ：所有产出走 translation-output/——保留原文是事后审计和回退的前提术语库未加载就声称"已应用顶会术语" ：加载失败必须明确提示，否则用户被误导Step 3 改动 Step 2 已对齐的 Provenance ：会破坏 diff 可追溯性，雅化只调措辞不改锚点扫描件 PDF 当文本层处理 ：OCR 在公式和数字上幻觉率高，必须先 OCR 校验再交给本 skill
6.1 反模式 Bad → Good 示例（最容易出错的 4 类）
文字描述容易让模型"知道但做不到"——下面 4 条配对示例是真实踩坑后总结出来的，看一眼差异就能记住边界。
原文：following \cite{vaswani2017attention}, we adopt the Transformer architecture.
输出：参照 Vaswani 等（2017）提出的方法，我们采用了 Transformer 架构。
问题：\cite{} 引用键被拆解为「Vaswani 等（2017）」，原 LaTeX 文档此处的交叉引用全部断裂，编译后 PDF 的引用列表会缺失这一条。
✅ Good — 保留 \cite{} 原样 + 自然语序整合 ：
原文：following \cite{vaswani2017attention}, we adopt the Transformer architecture.
输出：参照 \cite{vaswani2017attention}，我们采用了 Transformer 架构。
关键：引用键作为不可见占位符整体保留，BibTeX 编译后自然显示为正确的引用形式。
原文：The loss is $\mathcal{L} = -\sum_{t=1}^T \log p(y_t|y_{<t}, x; \theta)$.
输出：损失函数 $\mathcal{L} = -\sum_{t=1}^T \log p(y_t|y_{<t}, x; \theta)$（即对所有时间步 t=1 到 T，对条件概率取对数后求和再取负）。
问题：括号内的语义解释属于"模型自作主张的注释"，原文没有，会污染 source-of-truth；并且数学符号读者本就懂，注释是冗余。
原文：The loss is $\mathcal{L} = -\sum_{t=1}^T \log p(y_t|y_{<t}, x; \theta)$.
输出：损失函数为 $\mathcal{L} = -\sum_{t=1}^T \log p(y_t|y_{<t}, x; \theta)$。
关键：公式只搬运不解释，需要解释时让原文作者在另起的"释义段"里写。
❌ Bad — 中→英翻译保留 Chinglish 重复 ：
原文：近年来，大语言模型展示了显著的能力。然而，近年来其计算成本依然高昂。
输出：In recent years, large language models have demonstrated remarkable capabilities. However, in recent years their computational cost remains high.
问题：原文两次「近年来」是中文写作的允许重复，但英文学术写作中 "in recent years" 重复出现是典型 Chinglish 标志，会被审稿人扣分。
✅ Good — Step 2 反思阶段消除重复 ：
原文：近年来，大语言模型展示了显著的能力。然而，近年来其计算成本依然高昂。
输出：Recently, large language models have shown remarkable capabilities. However, their computational cost remains high.
关键：保留首句的「Recently」（用 recently 替代啰嗦的 in recent years），第二句省略时间状语让转折更紧凑——这是 refs/chinglish-patterns.md 中明确列出的高频修正项。
用户输入："帮我翻译这封邮件给客户：尊敬的张总，您好！感谢您百忙之中..."
错误处理：直接走 Preflight P2 三选项 → Step 1 直译 → 输出英文邮件
问题：本 Skill 的"信达雅 + 顶会风格"会强行套用学术语气（如把"百忙之中"翻成 "in your busy schedule of important matters"），破坏商务邮件的礼貌客套，反而不如 DeepL 自然。
用户输入："帮我翻译这封邮件给客户：尊敬的张总..."
正确处理：识别"邮件"+"尊敬的"为「不在范围内」表格第 1 行的命中信号 → 立即拒绝并展示：
「这属于通用商务文本，建议用 DeepL 或沉浸式翻译。
原因：本 Skill 的顶会风格规则会破坏商务礼貌语气，反而不如通用机翻自然。」
关键：超范围拒绝不是失败，是设计——拒绝后用户得到正确推荐，比强行翻译更有价值。
🚧 异常与边界条件 流程假设环境理想，但翻译实操常遇异常。以下预定义 fallback，保证 skill 不会"一跑就卡住"，也不会静默失败误导用户。
场景 触发条件 处理动作 PDF 文本层为空 / 扫描件 scripts/extract_pdf.py --check 文本字符数 < 200 或图像比 > 80%阻断翻译，告知用户「检测到扫描件，OCR 在公式/数字上幻觉率高」，给三选项：[a] 你提供文本层 PDF [b] 你确认接受 OCR 风险（标注 provenance.ocr_warning=true）[c] 终止 PDF 加密 / 受密码保护 pdfplumber / pypdf 抛 PdfReadError询问用户密码并临时解密到内存，不写回原文件；用户拒绝则终止本次任务 arXiv 下载失败 scripts/arxiv_fetch.sh 非 0 退出 / 网络超时 / 404重试 1 次（指数退避）；仍失败询问 [a] 用户改贴 abs URL [b] 用户上传 PDF 替代 [c] 终止；不要静默切到 PDF 兜底 preserve_latex --verify 失败译文中占位符未还原 / 数字被改写 / 公式被翻译 阻断输出。展示具体失败 token 给用户，回退到 Step 2 重跑反思阶段（最多 2 次）；2 次仍失败 → 标注 output_files += [ERROR.md]，让用户人工修订 段落 1:1 对应失败 Step 1 输出段落数 ≠ 输入段落数（合并/拆分句子） 该段单独重跑 Step 1，强化 Prompt 中"保持句子边界"约束；连续 2 次失败 → 标记该段 paragraph_kind="manual_review"，跳过 Step 2/3 等用户处理 术语库加载失败 YAML 解析错误 / 文件不存在 / 内置 + 自定义有冲突 不要静默继续。明确提示「术语库加载失败：{原因}」；冲突时展示冲突术语列表让用户选 keep [内置] / [自定义] / [双语并列]；解析错误 → 退化为不带术语库运行并在 06-self-check.md 标注 translation-output/ 目录已存在同 paper-id 产物同 ISO-time 内重复触发 / 同 paper-id 翻译过 不覆盖。在目录后追加 -r2 / -r3 后缀新建；同时在新目录 00-history.md 写明上次产物路径，便于用户 diff LLM 上下文超限 单段 + glossary + 系统 prompt 超 token 上限 自动按句号切分该段为子段，分别翻译后拼接；拼接后重跑 Step 1 自动校验；若切分后仍超限 → 标记该段 manual_review 并告知用户 config/user-glossary.template.yaml schema 不符用户上传的术语表缺必需字段 / 字段类型错 不要静默丢弃整个文件。逐条校验，合法条目正常加载，非法条目集中报告给用户「以下 N 条术语被忽略：{list}」 输出体积超 150% 警戒 三档对照 + 双栏总字符数 > 原文 1.5× 多数为正常（学术英文译中文常 1.3-1.5×）；> 2.0× 才告警，提示用户检查是否雅化阶段过度添加了解释 表格丢失 / 表格被翻译 译文中表格行数 < 原文 80% / 表格分隔符行 |---| 缺失 / 表头被中文替换（数据列名通常应保持原文） 阻断该段输出。回退到 Step 1 重跑该段时强制走"表格整段占位符化"路径（仅翻译 caption）；连续 2 次失败 → 标 manual_review，并在 06-self-check 列出所有受影响表格 07-bilingual.html 未生成standard / full 模式下 output_dir/07-bilingual.html 不存在 视为输出失败。先尝试基于 04-bilingual.md + 模板 assets/templates/bilingual-html.html 重新渲染一次；仍失败 → 在 06-self-check.md 顶部红字标"HTML 生成失败：{原因}"，并提示用户「请明确说『生成 HTML』后我可重试」，不允许沉默交付
原则 ：异常先告知用户、再按规则处理；任何 fallback 路径都要在 06-self-check.md 中留痕，便于用户审计。
模块概览
参考资料
配置与扩展
用户自定义术语库：config/user-glossary.template.yaml
输出目录：translation-output/{ISO-time}-{paper-slug}/（自动创建）
LaTeX 字体：默认 xeCJK + STSong / SimSun fallback
PDF 字体：默认 PingFang SC / Noto Sans CJK fallback
⛔ Do NOT pre-load all refs/ files —— refs/ 下共 5 份规则库 + 5 份会议术语库（合计 ~26K Token），全部预读会让 Skill 启动 Token 翻倍且与本次任务无关。
加载顺序铁律 ：
仅本文件（SKILL.md，~360 行）默认读入；
进入 Preflight P3 路由后，按 📖 MANDATORY 标记逐条 触发加载（最多 3 个文件即可覆盖任何输入类型）；
Step 1/2/3 中的 inline 加载触发器仅在该 Step 启动时 激活（标准模式 2b 永远不读 word-choice-table.md / anti-ai-patterns.md，因为不进 Step 3）。
