ieeA 1.2.0.post0

arXiv 论文翻译工具 - 将英文 LaTeX 论文翻译成中文，保留数学公式和文档结构

ieeA - arXiv 论文翻译工具

将英文 arXiv 论文翻译成中文，保留数学公式、引用和文档结构。

快速开始

# 安装
pip install -e .

# 翻译 arXiv 论文
ieeA translate https://arxiv.org/abs/2301.07041 --output-dir output/

高级选项

批量翻译优化

• 短内容（< 100 字符）会自动批量翻译，减少 API 调用
• 纯占位符内容（如作者信息）会自动跳过翻译

翻译流程 (Pipeline)

┌─────────────┐    ┌─────────────┐    ┌─────────────┐    ┌─────────────┐    ┌─────────────┐
│  1. 下载    │ -> │  2. 解析    │ -> │  3. 翻译    │ -> │  4. 重组    │ -> │  5. 编译    │
│  arXiv源码  │    │  LaTeX结构  │    │  文本块     │    │  LaTeX文档  │    │  生成PDF   │
└─────────────┘    └─────────────┘    └─────────────┘    └─────────────┘    └─────────────┘

1. 下载 (Downloader)

从 arXiv 下载论文源码压缩包，自动解压并定位主 .tex 文件。

2. 解析 (Parser)

将 LaTeX 文档解析为可翻译的文本块 (Chunk)，同时保护不应翻译的元素。

Chunk 划分依据（实际规则）

类型	处理方式	方法	示例
作者块	保护为占位符，不翻译	正则 + 大括号计数	\author{...} → [[AUTHOR_n]]
caption	提取为 Chunk	正则 + 大括号计数	\caption{...} → {{CHUNK_uuid}}
保护环境	保护为占位符	正则 + 环境嵌套计数	equation, align, tikzpicture → [[MATHENV_n]]
行内数学	保护为占位符	手写扫描	$...$, \(...\), \[...\] → [[MATH_n]]
保护命令	保护为占位符	正则 + 大括号计数	\cite{}, \ref{}, \label{}, \url{}, \footnote{}
结构命令	提取参数为 Chunk	正则 + 大括号计数	\title{}, \section{}
可翻译环境	环境内容提取为 Chunk	正则 + 环境嵌套计数	abstract, itemize, enumerate
段落文本	按空行分段，长度>20字符提取为 Chunk	行级扫描 + 阈值	正文段落

处理顺序（源码顺序）

原文 -> 保护作者块 -> 提取caption -> 保护数学环境 -> 保护行内公式
     -> 保护命令(\cite等) -> 提取结构命令 -> 提取可翻译环境 -> 分割段落 -> Chunks

3. 翻译 (Translator)

• 并发调用 LLM API 翻译各 Chunk
• 支持术语表 (Glossary) 保持术语一致性
• 自动重试和断点续传

4. 重组 (Reconstructor)

将翻译后的文本替换回占位符位置，还原完整 LaTeX 文档。

5. 编译 (Compiler)

使用 XeLaTeX 编译生成中文 PDF，自动注入中文字体支持。

配置

配置文件位置：~/.ieeA/config.yaml

完整配置模板（按需删减，留空表示使用默认值）：

llm:
  # SDK: openai | openai-coding | anthropic | null（null 表示直连 HTTP）
  sdk: null
  # 模型名或列表（列表时取第一个）
  models: openai/gpt-5-mini
  # API Key（当 sdk 非空时必填）
  key: ""
  # 可选：自定义接口地址
  endpoint: https://openrouter.ai/api/v1/chat/completions
  temperature: 0.1
  max_tokens: 4000

compilation:
  engine: xelatex
  timeout: 120
  clean_aux: true

paths:
  output_dir: output
  cache_dir: .cache

fonts:
  # 自动检测中文字体
  auto_detect: true
  # 手动指定字体（可选）
  main: null
  sans: null
  mono: null

translation:
  # 自定义提示词（可选）
  custom_system_prompt: null
  custom_user_prompt: null
  # 额外保留原文的术语列表（不翻译）
  preserve_terms: []
  # 翻译质量：standard 或 high
  quality_mode: standard
  # Few-shot 示例文件路径（可选）
  examples_path: null

parser:
  # 额外保护的 LaTeX 环境（不翻译）
  extra_protected_environments: []
  # 额外可翻译的 LaTeX 环境
  extra_translatable_environments: []

迭代发送模式 (openai-coding)

将 llm.sdk 设为 openai-coding 即可启用迭代发送模式。该模式下，翻译请求按顺序逐条发送，每次请求携带之前所有请求的完整对话历史，利用 LLM 提供商的 KV cache 前缀匹配来降低延迟和成本。

# ~/.ieeA/config.yaml
llm:
  sdk: openai-coding
  models: gpt-4o
  key: "sk-xxx"
  endpoint: https://api.openai.com/v1/chat/completions   # 接口仍为标准 v1/chat/completions

也可通过命令行参数指定：

ieeA translate https://arxiv.org/abs/2301.07041 --sdk openai-coding

与默认模式的区别：

	默认模式 (openai)	迭代模式 (openai-coding)
并发	多请求并发	严格顺序，逐条发送
上下文	每个 chunk 独立翻译	携带全部历史对话，术语用词自动保持一致
术语表	按 chunk 内容过滤后发送	发送完整术语表（保证 system prompt 不变以命中缓存）
系统提示词	标准提示词	额外追加"保持专业名词一致性"指令
Few-shot	注入	始终注入，且位置固定
断点续传	支持	支持（对话历史随 state file 一同保存）

适用场景： 使用支持 KV cache 前缀匹配的提供商（如 OpenAI、DeepSeek）时，推荐使用此模式以获得更好的术语一致性和更低的推理成本。

术语表

术语表位置：~/.ieeA/glossary.yaml

# 保持原文不翻译
"MMLU": "MMLU"
"LLaMA": "LLaMA"

# 指定翻译
"Attention": "注意力机制"
"Transformer":
  target: "Transformer"
  context: "Deep Learning"

支持的 LLM

提供商	模型示例	环境变量
OpenAI	gpt-4o, gpt-4o-mini	OPENAI_API_KEY
Claude	claude-3-opus, claude-3-sonnet	ANTHROPIC_API_KEY
Qwen	qwen-turbo, qwen-max	DASHSCOPE_API_KEY
Doubao	doubao-pro-*	VOLCENGINE_API_KEY

提示：可通过 base_url 配置使用 OpenRouter 等代理服务。

项目结构

src/ieeA/
├── cli.py              # 命令行入口
├── downloader/         # arXiv 下载器
├── parser/             # LaTeX 解析与分块
│   ├── latex_parser.py # 核心解析逻辑
│   └── structure.py    # Chunk 数据结构
├── translator/         # 翻译流水线
├── compiler/           # PDF 编译
├── validator/          # 翻译质量验证
└── rules/              # 配置与术语表

依赖

• Python 3.10+
• XeLaTeX（用于 PDF 编译）
• 中文字体（macOS 自动检测 Songti SC / PingFang SC）

License

GPL-3.0