直接”翻译这份 PDF”，结果通常不能读
如果你试过把一篇英文 PDF 丢给 AI 说”翻译成中文”，大概见过这几种结果：公式变成乱码、表格串行、术语前后不一致、段落被切断导致句子接不上。
这不是模型不行，是流程错了。PDF 是排版格式，不是文本格式——它记的是”这个字画在坐标 (x,y)”，而不是”这句话属于哪一段”。你让模型直接处理 PDF，等于让它去猜版面结构，猜错是常态。
linux.do 上有一篇讲文献翻译的帖子（EzioSweet，2026-03-24，30 赞），楼主把这个问题说得很清楚：
“直接对译为中文 PDF 在很多时候是不合适的，主要问题在于中英文表述相同意义下的字数不同，以及对公式处理不佳。考虑这一点，找到一个合适的中间格式来转可能更好。”
他选的中间格式是 Markdown。理由也实在：纯文本、结构清晰、公式和表格能保留，转完之后还能用 mdbook 这类工具生成网页，多端都能看。
所以正确的流程是三段：PDF 转 Markdown → 清洗 → 翻译。下面逐段说，重点是每一段会踩什么坑。
第一步：PDF 转 Markdown，用哪个工具
这是整条流程里最影响成败的一步。转得不好，后面全白搭。
同帖里 scrapy 给了四条结论，第一条就很明确：
“PDF 转 md 文档首选必须是 mineru，试过市面上免费的和付费的（国外的没试过）工具都没有这个转换出来的效果好。无论是数学公式还是表格方面，都很不错。”
不过楼主自己的选择不太一样，他用的是 MonkeyOCR：
“我试了好几个，最后选择的是 MonkeyOCR，相较于 Deepseek OCR、PaddleVL OCR 等几个模型，这个主要的好处是不费劲，速度和效果……”
两个人都提到 mineru 质量高，但楼主补充了一个关键差异——如果你需要自己改版面识别参数，mineru 的工作流比较难改：
“mineru 2.5 的质量非常之高……mineru 的工作流设计在开源方案里是比较好的一档，但是自己部署 OCR 模型的话，mineru 的工作流相较于 MonkeyOCR 和 DeepseekOCR 的工作流有点难改。我平时读的文献有一部分是需要自己改一下 layout 识别模型的参数的，比较简单的工作流好改一点。”
这段经验很值钱，它说明选工具要看你的用法：
| 你的情况 | 建议 | 理由 |
|---|---|---|
| 只是读文献，不需要调参数 | mineru | 公式和表格的转换效果是公认最好的一档 |
| 版面特殊，需要改识别参数 | MonkeyOCR | 工作流简单，改起来方便 |
| 不想折腾、要省事 | PDF2zh | 同帖有用户反馈”挺好用的”，适合直接出结果 |
第二步：清洗，这一步没有捷径
转换工具不是万能的，转出来的 Markdown 一定有问题。scrapy 的第二条结论就是：”转换 md 文档之后还需要清洗文档，比如某些公式、表格还是有问题。”
楼主补充了两种具体的故障形态，很有代表性：
“很多 OCR 模型总会搞一点有自己特点的输出，尤其是跨页代码的情况下，比如 MonkeyOCR 3B Pro 有时候会输出连续百个 w，Mineru 有时会不解析表格中的公式。”
这两个例子说明清洗要有针对性：
- 跨页的地方重点看。内容被分页切开时，最容易出重复字符或丢失。
- 表格里的公式要单独核。表格结构复杂，公式容易漏解析，变成一个空单元格或乱码。
- 搜一遍异常重复字符。像连续上百个
w这种，用查找替换很快能清掉。
如果只是自己读文献，清洗不用追求完美——楼主说得很实在：”主要目的是能读懂文献而不是做翻译。”公式错了但能看懂上下文，就先往下走。
第三步：翻译，别按段落切
这是最容易做错、也最影响可读性的一步。scrapy 的第三条结论：
“翻译文本的时候不能单纯按段落分割，最好是使用 DeepSeek 和 gemini 这种上下文大的，一定要结合上下文翻译，不然中英文互译涉及专业术语会有问题。”
为什么会出问题？因为一个术语在不同段落里可能是同一个概念的不同侧面。你一段一段独立翻译，模型看不到前文怎么译的，就会换词——读到后面你会以为在讲另一个东西。
楼主也提到全篇塞进上下文有成本问题，他给的替代方案是术语表：
“直接喂整体上下文在有些情况下有点贵，同时考虑到国内用国外模型很多都带着一些上下文产生污染，可以走一些别的路子，比如利用 GalTransl 这样工具提取一个术语表带在上下文里。”
这个思路可以简化成两步操作：
先抽术语表。把文档里的专业名词整理成”英文 → 中文”对照，翻的时候一起给模型。不一定要用工具，人工扫一遍把反复出现的术语挑出来就行。
再分批翻译，但每批都带上术语表。这样既控制了上下文长度，又保证了译名统一。
另外 scrapy 还强调了一点：提示词要按文档类型分开写。“翻译的提示词要反复优化，不同类型的 PDF 文档来区分，这样翻译效果会更好，专业性更强。”论文、合同、说明书的语言习惯差别很大，用同一套提示词，效果会打折。
一份可直接用的文献翻译提示词
把上面几条合起来，可以写成这样：
你是学术文献翻译助手。把下面这段英文 Markdown 翻译成中文。
【术语表】（必须严格使用以下译名，不得替换）
- attention mechanism → 注意力机制
- fine-tuning → 微调
- ablation study → 消融实验
（此处替换为你自己整理的术语表）
【翻译要求】
1. 保持 Markdown 格式不变，标题层级、列表、公式、表格一律原样保留
2. 公式不要翻译，也不要解释，原样输出
3. 术语严格按上面的对照表
4. 学术表达要准确，但避免生硬直译；读起来像中文文献，不要像翻译腔
5. 遇到原文表述含糊的地方，按字面翻译，不要自行补充解释
6. 不确定的专业词，保留英文原文并用括号标注
【输出】
- 只输出翻译后的 Markdown，不要加任何说明
- 如果发现原文有疑似 OCR 错误（乱码、重复字符），在这一处用 标注，但不要擅自修改
第 6 条最后那句”不要擅自修改”是刻意的。模型看到乱码会忍不住”帮你修好”，但一改你就不知道原文是什么了，核对时无从下手。让它标注、不改动，比让它自作主张安全。
核对：这三处必须自己看
翻译完不等于能用。以下三处建议人工过一遍：
- 数字和单位。百分比、样本量、年份、剂量——这些是硬信息，错了后果最严重，而且模型翻译时不会特别标注。
- 公式和符号。重点看有没有在翻译过程中被改动，或者上下标丢失。
- 结论性句子。“显著提升””无统计学差异”这类判断，正反说反了整段意思就错了。模型偶尔会翻反，务必对照原文看一眼。
顺带说一句，这套流程和”AI 读文献”是两件不同的事。翻译解决的是”看不懂英文”，理解解决的是”读懂内容并判断可信度”。后者的坑更多——AI 在文献引用、作者、数据归属上会出错，站内《AI读文献准确吗》专门梳理过哪些环节必须自己核，建议配合这篇一起看。
如果只是想把已转成 Markdown 的长文档提炼要点，站内《AI怎么总结PDF文件》给了提炼要点用的提示词。翻译提示词的通用写法参考《AI翻译提示词怎么写》，那篇讲了术语表和双语对照的格式。工具层面如果要比较具体选择，《AI翻译工具哪个好》按论文、邮件、合同、字幕分了场景。
整体判断
这条流程里，转 Markdown 的质量决定上限，术语表决定一致性，人工核对决定能不能用。三个环节缺一个，出来的东西都会让你在某个地方卡住。
但如果你只是偶尔读一两篇文献，不必上全套。找个工具转成 Markdown 直接读，看不懂的段落单独问 AI，比搭流程快得多。这套流程值得跑的场合是：你要读的量很大，或者同一个领域的文献要持续读下去——那时候术语表会越攒越有用。