它和“把 PDF 丢给翻译软件”有什么不一样
- 像读一本排好版的中文书。 宋体正文、舒服的行宽和行距，公式用 KaTeX 按原文重排，表格是三线表，参考文献保留原文。顶栏一键切深色。
- 随时核对原文。 一键切“对照”，每段下面附英文；右侧可以开原页，跟着阅读位置翻页，还会框出当前段落在原页的位置。
- 在论文里找内容。 按 Ctrl / ⌘ + F 同时搜索原文和译文，显示匹配数、高亮结果，用 Enter / Shift + Enter 跳到下一处 / 上一处
- 翻译和解释分开。 正文只放忠实的译文；AI 的解释、回答放在页边，一眼就能分清哪句是论文说的。
- 边读边问 AI。 右侧“问 AI”面板实时对话，回答逐字流出来；可以一次引用好几段（选中文字拖进输入框就行）。问“我标红的那些公式有什么联系”，它会按颜色找出你的划线。可以开多个对话，模型单独选：Claude、GPT（Codex）、DeepSeek、通义、本机 Ollama……好的回答一键放到页边。
- ASD-STE100 问答。 在“问 AI”的“回答方式”里选择这个模式，用简明中文回答问题或总结论文，保留专业术语、公式和数值。模式按对话保存，支持复制、放到页边和导出 Markdown。ASD-STE100 是英文标准；这个模式借鉴其短句、主动表达和术语一致等原则，提供中文写作辅助，不将中文答案标为符合英文标准或已认证。正文过长时只提供节选，回答需说明依据范围。
中文提示词另参考 asd-ste100-skill 的语义保留原则：保留条件、范围和“可能／建议／必须”等语气强度，不为简短而丢失精度。
- 精读问答。 “回答方式”里的第三档，适合想弄明白“作者为什么这么做、这个结论能撑多远”的时候：先还原作者要解决的问题，分清哪些设计拿掉就塌、哪些是顺手加的，把关键公式代进具体数字算一遍，再核对正文数字和图表、基线对照条件是否对齐。论文没报告的就直说没报告，不替作者补数字。和简明回答一样会把全文发给模型，用量更多。
- 边读边批注。 选中文字四色荧光笔或下划线、写笔记、提问；问题一键让 AI 回答，笔记可以让 AI 点评。笔记面板按正文顺序汇总批注，可以筛选、滚动回看；点击卡片定位正文，点“编辑”才改笔记。通过缩略图选择或从正文拖拽，把图表关联到笔记，展开查看或修改图表名称；正文里的图表引用可以悬停预览。可以勾选导出成 Markdown（放进 Obsidian、Notion）
- 译文可以改。 双击一段直接改；术语表里改一个译法，全文替换。
- 不只是 arXiv。 拖进任何 PDF；或者填 arXiv 编号、DOI、论文标题、论文网页（OpenReview、ACL、NeurIPS、bioRxiv、PMC、期刊页面），自动找到公开的 PDF 并补全作者、年份、出处。
- 从 Zotero 搬过来。 导入对话框里点“从 Zotero 迁移整个文献库”，自动找到 Zotero 的数据文件夹，把有 PDF 的论文连同分类（多级照样分层）、标题、作者、年份、期刊、DOI、摘要一起搬进来；只读 Zotero 的数据库副本，不改动 Zotero，可以重复迁移。也能“导入整个文件夹”：选一个放论文的文件夹，子文件夹的层级就是分类的层级。两种都在后台导入、可以中途停止，导入后不翻译，想读哪篇再译哪篇。
- 链接本地 PDF。 Zotero 和文件夹批量导入可勾选“链接本地 PDF，不复制原文件”，命令行可用
--link。原 PDF 留在原位，缓存、笔记和进度留在 EasyRead；删除论文不会删除原 PDF。链接需要原路径一直可访问，已有论文不会因重复导入而改变存储方式。用法
- 文献库。 侧栏像聊天软件：论文和分类都能置顶；自己建分类（右键改名、删除，把论文拖进去），分类可以分层（右键“新建子分类”“移到…”，点父分类列出所有子分类的论文），内置分类可以隐藏；最近阅读、搜索、未读 / 在读 / 已读、星标、阅读进度、复制引用（GB/T 7714、APA、BibTeX）、导出单文件离线 HTML 发给别人，或者“导出手机版”（只读、体积小，传到手机上用浏览器打开）。删掉的论文先进回收站，可以恢复。快捷键可以自定义。
- 云文献库与批量引用。 在“设置 → 云文献库”里把文献库迁移到其他磁盘或网盘同步文件夹，也能接入已有的库；原库保留，复制后核对，重启生效。论文列表和分类支持批量复制或保存 GB/T 7714、APA、BibTeX 引用
- 用了多少心里有数。 每次翻译、每条 AI 回答都记下用了多少 token；用 Claude 订阅时，还能看到 5 小时 / 7 天额度用到多少、什么时候重置。
- 不会丢东西。 每次修改先存在浏览器，本地服务确认写进文件才删；翻译方后来改了你改过的段落，只提示，不覆盖。
翻译用什么模型：你来选
| 引擎 | 要什么 | 说明 |
|---|
| Claude Code（推荐） | 装好并登录 Claude Code | 不用 Key，用你订阅的额度；会自己看原页图核对公式，译文最好 |
| Codex CLI | 装好并登录 Codex | 不用 Key，用 ChatGPT 账号 |
| CodeBuddy CLI | 按官方 CLI 文档安装并登录，账号需有 CLI 使用权益 | 不用 Key；模型名自己填，留空用 CLI 默认模型。当前免费体验版不含 CLI，与 WorkBuddy 同账号共享积分 |
| ZCode CLI（实验性） | 按官方 CLI 指南安装并登录，使 zcode 在 PATH 中可用 | 复用本机登录态；模型和推理选项在 ZCode 中选择。支持翻译、问 AI 和图片附件（需模型支持）；真实账号调用尚待验证 |
| Grok Build / Antigravity CLI / Cursor CLI | 装好并登录 Grok Build、Antigravity CLI 或 Cursor CLI | 不用 Key，用各自的订阅；模型名自己填，留空用它的默认 |
| API 接口 · 国内直连：DeepSeek / 智谱 / 阿里云百炼 / Kimi / 硅基流动 / 魔搭 | API Key | 智谱 GLM-4.7-Flash、硅基流动小模型免费；DeepSeek 一篇 20 页论文几毛钱 |
| API 接口 · 海外（要梯子）：OpenAI / Anthropic / Gemini / OpenRouter / Groq / Cerebras | API Key | Gemini、OpenRouter、Groq、Cerebras 有免费额度 |
| API 接口 · 本机：Ollama / LM Studio | 本机装 Ollama 或 LM Studio | 完全离线、免费，推荐 qwen3.5:9b（显卡小用 4b） |
|
不想让它导入后马上翻译，在设置里关掉“导入后自动开始翻译”就行，之后可以让对话里的 agent 来译。
设置里会自动检测本机装了什么，点“试译一句”马上知道能不能用。某一页翻译失败（限流、网络、额度）会自动重试，还不行就先跳过、接着译后面的页，最后一键“重试失败的页”。
默认逐篇翻译，单篇内部仍可分段并发。在“设置 → 模型 → 翻译”中可将“同时翻译几篇”设为 1–4 篇，重启后生效。多篇并行会叠加分段并发，增加内存和模型限流风险，建议保持默认 1 篇；详见配置说明
生成译图（可选）：在“设置 → 模型 → 翻译设置”打开“生成译图”，默认使用 Codex 订阅：需要安装支持内置生图的 Codex CLI，并使用 ChatGPT 登录，不需要另填 API Key。生图消耗订阅额度，具体限制见 Codex 生图用量说明。不可用或额度不足时，回退到原图和文字译文，不会自动调用单独计费的 API。也可主动选择“图片 API（单独计费）”，填写兼容 Images Edits 的地址、模型和 Key。
翻译先保存正文和图内文字，再按这篇论文的目标语言生成译图，尽量保留原图布局。图片沿用正文的“原文／译文／双语”设置：分别显示原图、译图或两者，双语顺序也同步。有可用译图时不重复展示图内文字译文；没有可用译图或加载失败时，显示原图和文字译文。离线导出保留相同的切换和兜底能力。功能默认关闭；开启后自动为后续翻译生图，并显示已有论文的补图入口。生成结果不保证逐像素保真，图表细节可与原图对照。
已翻译论文补图或重新生图：先在设置中开启“生成译图”，然后打开论文，在标题下点击“为本文生成译图”，只补齐缺失或已过期的译图；单张图片下可点击“生成译图 / 重新生成译图”，也可从图片右键菜单操作，无需重译正文。关闭开关时，这些入口和失败重试入口都会隐藏，已有译图保留；正在运行的任务仍可查看进度和取消。手动修改过的图内文字会作为生成参考；旧论文没有保存图内文字时，直接根据原图翻译。失败时保留已有图片、译文和笔记。
安装
最省事：下载安装包（不用装 Python）。在 Releases 下载：
- Windows：
EasyRead-Setup-x.x.x.exe，双击安装。没有代码签名，如果弹出“Windows 已保护你的电脑”，点“更多信息 → 仍要运行”。
- macOS（Apple 芯片）：
EasyRead-x.x.x-arm64.dmg，把 EasyRead 拖进“应用程序”；第一次打开被系统拦截时，按下面对应的提示处理
- Linux：
EasyRead-x.x.x.AppImage，chmod +x 后运行。
- 如果 Linux 提示缺少
libfuse.so.2，可按 AppImage 官方说明配置 FUSE，或在独立目录运行 ./EasyRead-x.x.x.AppImage --appimage-extract，再运行 ./squashfs-root/AppRun；无需关闭沙箱
论文和设置存在哪：Windows 安装版在安装目录下的 data 文件夹（装在 D 盘就在 D 盘，更新和卸载都会保留）；macOS、Linux 在用户目录下的 EasyRead 文件夹（和 pip 安装版同一个位置）。卸载重装不会丢。
以后升级：Windows、macOS 安装版和直接打开的 Linux AppImage 都可以在程序里更新，有新版本时顶栏会提示（也可以在右上角问号里手动检查），点“更新”，可以放到后台下载，下好后点“更新并重启”。解压运行的 AppImage 和从源码运行的照旧从 Releases 下载新版。macOS 和 Linux 从 1.3.2 及以前升级时，要先手动下载 1.3.3 一次；macOS 要把 EasyRead 放在“应用程序”里才能在程序里更新。
macOS 首次打开
-
提示“无法验证开发者”或“Apple 无法验证是否包含恶意软件”：先点“完成”（不要点“移到废纸篓”），打开“系统设置 → 隐私与安全性”，向下找到安全性提示，点“仍要打开”；在确认窗口点“打开”，按提示输入登录密码或使用 Touch ID
-
提示“已损坏，无法打开”：先从 EasyRead 官方 Releases 重新下载，并把应用拖进“应用程序”；文件也可能确实损坏或被改动，不能只凭这条提示判断原因。只有确认文件来自这个官方仓库、并信任该文件后，才在“终端”执行下面的命令，再重新打开 EasyRead；这条命令移除隔离属性，不会修复损坏的文件
xattr -dr com.apple.quarantine /Applications/EasyRead.app
-
为什么会出现验证提示：目前的 macOS 安装包用的是项目自己的自签名证书（为了应用内更新），不是 Apple 开发者证书，也没有经过公证，因此可能被系统拦截；代码完全开源，也可以从源码运行
如果系统提示“将损坏你的电脑”，或明确检测出恶意软件并要求移到废纸篓，请停止安装，不要用上面的步骤绕过；按 Apple 官方说明 处理
或者从源码运行：需要 Python 3.10+。
先从 Releases 下载最新版的 zip 解压（或者 git clone 本仓库）。
Windows：双击 start.cmd。第一次会自动装好环境（一分钟左右），之后双击直接打开。
macOS / Linux：在解压出来的目录里运行
./start.sh
这样启动的，浏览器里的 EasyRead 页面全部关掉后，后台服务过十几秒会自己退出；还有翻译在跑的话，等译完再退。
每次推送都会在 Windows、macOS、Linux 上自动装一遍、跑测试、启动一次（见上面的“测试”徽章）。
或者用 pip（数据放在 ~/EasyRead）：
pip install git+https://github.com/Edwardxlai/easyread
easyread
浏览器会打开 http://127.0.0.1:8765。服务只监听本机。
桌面版（Electron）
桌面版复用同一套本地 Python 服务和 Web 界面，由 Electron 负责启动服务并显示窗口。开发环境需要 Node.js 22+、Python 3.10+ 和 PyInstaller：
npm install
python -m pip install pyinstaller
npm run dev
生成可分发安装包：
npm run dist
输出在 dist/electron/：Windows 为 NSIS 安装程序，macOS 为 DMG（另有一个给应用内更新用的 zip），Linux 为 AppImage。macOS 包由 scripts/mac_sign.cjs 用固定的自签名证书签名，证书从环境变量 MAC_SIGN_P12、MAC_SIGN_P12_PASSWORD 读（发版时来自仓库 Secrets）；本机没设时退回临时签名，这样打出的包不能应用内更新。推送 v* 标签后，GitHub Actions 会在三个系统上构建，并把这些安装包自动附加到 GitHub Release；源码 zip 仍会由 GitHub 保留。打包后的文献库和设置：Windows 存在安装目录下的 data（安装目录写不进去时退回 ~/EasyRead），macOS、Linux 存在 ~/EasyRead。
怎么用
- 右上角“设置” → “模型”：添加要用的模型，点卡片选“设为翻译”。翻译和“问 AI”用的模型都在这一页管理。
- 把 PDF 拖进窗口；或者粘贴 arXiv 编号、arXiv / OpenReview 链接、PDF 直链（在文献库页面直接
Ctrl+V 也行）。长论文可以选“只译正文”，或者“指定页”只译第几页到第几页。导入时还能选这次用哪个模型；“导入后”选“读英文原文”就只排版、不翻译，想看中文了随时点“翻译成中文”。
整篇翻译默认超过 60 页时会先确认，可以选择全部翻译、只译前 60 页或先不译；上限在“设置 → 模型”里修改，填 0 表示不询问
- 翻译在后台一页页进行，已译的部分马上能读，没译到的页先显示原页。一次导入超过 5 篇时会先问要不要全部翻译（默认只导入）；想停下来，点列表顶部的“停止翻译”，已译的部分保留。
- 读的时候点一下段落出现操作条；选中文字可以划线、写笔记、提问。快捷键在“设置 → 快捷键”里查看和修改；遇到问题点右上角的问号。
- 论文默认译成中文，也可以在导入时选择繁体中文、英语、日语、韩语、西班牙语、法语、德语或意大利语，或在“设置 → 阅读 → 论文译成”里修改默认语言；界面语言独立设置，支持中文和英文，也可以跟随系统
和 AI agent 一起读
EasyRead 自带命令行，Claude Code / Codex 这类 agent 可以在对话里直接读你的笔记和问题、把回答写到对应段落旁边，也可以亲自翻译或重译某几页。技能说明在 skill/paper-reading/SKILL.md，把这个目录放进 ~/.claude/skills/ 或 ~/.codex/skills/ 即可。
想让 agent 把一篇论文讲透而不是只译出来——还原作者真实的思考起点、把关键公式落到能自己算的例子、再把结论的边界查一遍——用 skill/paper-xray/SKILL.md。它读的是同一份 library/<ID>/，谈出来的东西照样写成锚在段落旁的讨论条目。
easyread list # 列出文献库
easyread import 论文.pdf # 或 arXiv 编号 / 链接
easyread status ID # 进度、我改过的译文、笔记、待回答的问题
easyread discuss ID --from 回答.json # 把讨论写到页边
easyread export ID # 导出单文件离线 HTML
完整命令见 easyread --help，数据格式见 docs/data-format.md。
常见问题
能翻译成中文以外的语言吗？ 能，目前支持简体中文、繁体中文、英语、日语、韩语、西班牙语、法语、德语和意大利语。在“设置 → 阅读 → 论文译成”里修改默认语言，也可以在导入时单独选择；读德语、法语等非英语论文时也可以译成英语。不需要翻译时，可以直接读英文原文
翻译到一半失败了？ 文献库里点这篇，右侧“翻译”一栏会写原因和失败的页，点“重试”。“翻译记录”里有每一批的详细情况；设置底部“运行日志”能看到服务本身的日志。
用 Claude Code 要挂梯子吗？ 和你平时在终端里用 claude 一样：平时要，这里也要。不想折腾就在设置的“API 接口”里选智谱、硅基流动（都有免费模型）或本机 Ollama，国内直连。
Claude Code 额度用完了？ 等额度恢复后点“重试”，或者在设置里临时换成 API / Ollama，已经译好的页不会重译。
数据存在哪？ 默认保存在本机；在“设置 → 云文献库”里可以迁移到其他磁盘或网盘同步文件夹，上传和同步由你自己的网盘客户端完成。翻译和提问时，相关内容会发给你选择的模型。Windows 安装版在安装目录的 data\library\（1.3.1 及以前放在 ~/EasyRead，升级后第一次打开会自动搬过去）；从源码运行时在项目目录的 library/；pip 安装后在 ~/EasyRead/library/。每篇论文一个文件夹，里面是原 PDF、原页图和几个 JSON（译文、你的笔记、AI 讨论、对话记录），设置和界面偏好在 config.json、prefs.json。可以直接备份或同步。为什么不用数据库见 docs/data-format.md。
能离线看、发给别人吗？ 能。文献库里右键一篇论文 → “导出离线 HTML”，得到一个单文件网页（命令行是 easyread export ID）。对方不用装 EasyRead，双击用浏览器打开就能读：译文、公式、原页图、你的划线和笔记都在里面，也能切对照、开原页、接着划线。原页图是打包进去的，所以文件不小（27 页的论文约 10 MB）。在离线版里新做的划线和笔记只存在打开它的那个浏览器里；想并回文献库，在左侧“说明”里点“导出我的修改”得到一个 JSON，再运行 easyread merge ID --from 导出.json。
想放到网站上（比如 GitHub Pages），用 easyread demo ID --out 目录：图片另存成文件、按需加载，还会带上问 AI 的对话记录（只能看）。
开发
没有前端构建：easyread/web/ 下是纯 HTML/CSS/JS，改完刷新即可。后端只用 Python 标准库加 PDF 处理库。
python -m unittest discover tests # 翻译调度等单元测试
node tests/e2e.cjs library/<论文ID> # 浏览器端到端测试（需要 Playwright 和一篇已译好的论文）
设计取舍见 docs/design.md，版本变化见 CHANGELOG.md。
许可
MIT。公式渲染用 KaTeX（MIT）。
在线演示用的论文是 Rafailov 等人的 Direct Preference Optimization: Your Language Model is Secretly a Reward Model（arXiv:2305.18290，CC BY 4.0），中文译文由 EasyRead 调用 Claude 生成，演示里的划线和笔记是示例。
贡献者
