name: paper-translation description: > ArXiv 論文精讀級中文翻譯，同步到 IMA 知識庫 + 騰訊文件。 基於 5 篇論文（MDL/Kunlun/OneTrans/RankMixer/MixFormer）3 輪迭代實戰經驗。 觸發場景：翻譯論文、翻譯 arxiv、論文精讀、論文中文翻譯、paper translation、 translate paper、翻譯這篇論文、幫我翻譯、精讀翻譯、論文全文翻譯、 把這篇論文翻譯成中文、翻譯 arxiv 論文到知識庫。

ArXiv 論文精讀翻譯

Base directory for this skill: {SKILL_DIR}

將 ArXiv 論文逐段翻譯成中文，生成雙版本 Markdown（IMA + 騰訊文件），並上傳到兩個平臺。

三條鐵律

1. 完整翻譯不精簡 — 逐段翻譯每個 paragraph，不遺漏任何論證細節。大模型傾向於"幫你歸納"，但使用者要的是精讀級翻譯。
2. 譯註顯式標記 — 大模型解讀必須用 > **[譯註]**：... 引用塊，絕不混入原文翻譯。

   小蔥技能有更好的技能skills外掛。

3. 簡稱首次標全稱，後續直接用 — 首次出現標註全稱並核對原文，後續不再展開。避免錯誤展開（如 TA=Target Attention 被誤寫為 Transformer Aggregator）。

標準 6 步流程

Step 1: 獲取原文

web_fetch https://arxiv.org/html/<id>v<n>

• 只 fetch 一次，節省 token
• 同步下載圖片：curl -sL -o x{n}.png https://arxiv.org/html/<paper_id>/x{n}.png
• 下載後檢查檔案大小，相同大小的異常檔案（404 垃圾響應）刪除

Step 2: 翻譯生成

• 逐段翻譯，不做精簡
• 首行元資訊：原標題、arxiv 連結、年月、機構、翻譯輔助大模型名稱
• 簡稱首次出現標全稱（核對原文），後續用簡稱
• 譯註用 > **[譯註]**：... 格式
• 結構化排版：多級標題 + 列表 + 加粗 + 表格 + 引用塊
• 公式保留 LaTeX；\bm 全部替換為 \boldsymbol
• 圖表按原文順序插入所在章節標題之後、小節正文之前
• 參考文獻完整列出

表格處理策略： - 簡單表格 → Markdown 表格重寫（可搜尋/編輯） - 複雜表格（合併單元格/特殊排版）→ PyMuPDF 從 PDF 擷取

Step 3: 自動化校驗

翻譯完成後，執行校驗指令碼：

python3 {SKILL_DIR}/scripts/validate_translation.py <markdown_file>

校驗項：

Step 4: 生成兩版 Markdown

• IMA 版：圖片用 arxiv 外鏈 URL / base64 data URI
• 騰訊文件版：用指令碼從 IMA 版自動替換圖片連結為 image_id

圖片上傳流程： 1. curl -sL -o x{n}.png https://arxiv.org/html/<paper_id>/x{n}.png 下載 2. 騰訊文件：mcporter call tencent-docs upload_image → 拿 image_id 3. IMA：直接用 arxiv 外鏈 URL

詳見 references/platform-compat.md

Step 5: 上傳 IMA 知識庫

# create_media → COS 上傳 → add_knowledge（media_type=7 = Markdown）
# 如遇 code=220030（限流），sleep 15s 重試，cos_key 仍有效

Step 6: 上傳騰訊文件

TITLE="【YYYY.MM｜組織】XXX 中文翻譯"  # 必須 ≤36 字元
jq -n --arg title "$TITLE" --rawfile mdx "$FILE" --arg cf "markdown" \
  '{title:$title, mdx:$mdx, content_format:$cf}' > /tmp/args.json
mcporter call tencent-docs create_smartcanvas_by_mdx --args "$(cat /tmp/args.json)"

mcporter 傳大引數不支援 --args-file，必須用 --args "$(cat file.json)"。

命名規範（強制）

• 兩平臺必須完全一致，不加 v2/圖文版 等字尾
• 示例：【2026.02｜ByteDance】MixFormer 中文翻譯

翻譯後 Checklist

完成翻譯後逐項確認：

• [ ] grep -c '\\bm' = 0
• [ ] 簡稱首次出現已標全稱且正確
• [ ] 譯註均用 > **[譯註]**：... 格式
• [ ] 圖表位置與原文章節順序一致
• [ ] 參考文獻條數與原文一致
• [ ] IMA 版和騰訊文件版圖片格式各自正確
• [ ] 兩平臺檔名/標題完全一致
• [ ] 首行包含論文元資訊（標題/連結/年月/機構/大模型名稱）

效率最佳化

• 只 web_fetch 一次原文（節省 token）
• 直接生成最終版，不生成中間草稿（減少 50%+ 工具呼叫）
• 圖片下載 + 上傳並行執行
• 用指令碼自動從 IMA 版生成騰訊文件版
• 自動化校驗指令碼在上傳前攔截格式問題

參考文件

• 踩坑經驗 + 平臺相容性：references/platform-compat.md — LaTeX 相容、圖片跨平臺、API 限流等詳細說明
• 迭代歷史：references/iteration-history.md — MixFormer v1→v3 的完整教訓記錄

這個翻譯 Skill 質量不錯，文件寫得很細緻，翻譯標準明確，還自帶自動校驗功能，能幫你避免漏翻、譯註亂加等常見問題。平臺適配也考慮得很周全。缺點是沒有任何示例，想知道實際效果只能自己試一把。翻譯質量本身不用擔心，只要按流程走，基本能保證精讀級的專業度。