paper-translation — independently scanned and version-tracked by SaferSkills.
SaferSkills independently audited paper-translation (Plugin) and scored it 100/100 (green). The audit ran 55 deterministic rules across Security, Supply Chain, Maintenance, Transparency, and Community; it found 0 high-severity and 0 lower-severity findings. The full rule-by-rule trace and per-finding evidence are below. Free, methodology-open.
Findings & checks · 0 flagged
Every scanned point with the score it earned and what moved between them.
First recorded scan — no prior version to compare against.
The primary manifest — the file an agent reads to learn what this artifact does.
学术论文 PDF → 中文 Markdown 的自动化翻译流水线。
首次使用需要注册 MinerU 账号并获取 API Token，约 2 分钟。
eyJ... 开头的长字符串）Windows (Git Bash / WSL):
export MINERU_TOKEN="你的JWT-Token"新用户通常有免费额度，足够处理多篇论文。API 详细文档见：https://mineru.net/apiManage/docs
pip install requests编辑 extract_pdfs.py 中的 PDFS 列表，添加你要解析的论文：
PDFS = [
{"path": "your_paper.pdf", "data_id": "paper1"},
]然后运行：
python extract_pdfs.py输出目录 output_<论文名>/ 包含 full.md 和 images/。
按照 SKILL.md 中的 5 阶段流程：
# 图片数一致性
grep -c '!\[.*\](images/' output_*/full.md
grep -c '!\[.*\](output_' *_zh.md
# 公式闭合
grep -c '\$\$' *_zh.md| 文件 | 说明 |
|---|---|
skills/paper-translation/SKILL.md | 完整翻译流程 skill |
skills/paper-translation/config.example | Token 配置模板（复制为 config 后填入） |
extract_pdfs.py | MinerU API 批量 PDF 提取脚本 |
当前基于 MinerU API 的解析方案存在以下已知问题，这些问题在 SKILL.md 中已有针对性缓解策略，但无法从根源上彻底解决：
| 局限 | 说明 | 缓解措施 |
|---|---|---|
| 伪代码提取缺失 | MinerU 可能完全不提取 PDF 中渲染的 Algorithm 块（取决于 PDF 排版方式），full.md 中直接消失 | Prepare 阶段检测伪代码特征，缺失时标注 【伪代码缺失，需手动提取】 |
| 参考文献无 URL/DOI | MinerU 输出的参考文献是纯文本，不包含结构化链接 | Execute 阶段扫描 arXiv ID 文本模式构造链接；会议论文覆盖率仅 20-40% |
| HTML 合并单元格丢失 | MinerU 输出表格为 HTML <table>，转为 Markdown pipe 语法时合并单元格（rowspan/colspan）被拆分为独立行列 | html_table_to_md.py 尽量保留结构，复杂表格需人工复核 |
| OCR 杂讯 | 控制字符（null bytes, ^C）、文本断裂（Fujimoto and \n\n Gu）、字符替换（\textcircled{2} → 2）等 | Prepare 阶段检查 null bytes；Fix 阶段清理控制字符、重接断裂文本 |
| Windows 兼容性 | grep -P 不可用；Windows SSL 证书链可能不完整导致 MinerU API 调用失败 | 全部改用 grep -E；API 调用使用 Python requests，证书问题需在系统层面安装 CA 根证书 |
| 译文图片丢失 | "理解后概括"式翻译模式下，子 agent 可能批量遗漏图片引用（实测最高 63%） | Execute 阶段强调"逐行翻译"规则；Verify 阶段图片差异 >10% 触发逐行排查 |
| API 后端单一 | 仅支持 MinerU API，无替代方案 | [计划中] 评估 Adobe PDF Extract API 作为替代后端 |
_zh 后缀$$...$$、图片 、表格、代码块、<details> 块images/xxx.jpg → output_<论文名>/images/xxx.jpg以 MUJICA 论文为例，左侧为原始 PDF，右侧为翻译后的中文 Markdown：
| 翻译前 | 翻译后 |
|---|---|
| 原始PDF | 中文译文 |
公式、表格、图片引用完整保留，正文准确翻译为学术中文。
以 MUJICA 论文（426 行, 9 张图）为例，完整翻译流程的 token 消耗：
别问为什么用这篇测，才不是想看到蓝色黄色绿色紫色黑色头发小女孩乐队，只是想学习Safe RL类的论文内容
Context Usage
⛁ ⛁ ⛀ ⛀ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁ deepseek-v4-pro[1M]
⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛁ ⛶ ⛶ ⛶ 66.4k/400k tokens (17%)
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ Estimated usage by category
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛁ System prompt: 6k tokens (1.5%)
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛁ System tools: 5.9k tokens (1.5%)
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛁ Custom agents: 1.3k tokens (0.3%)
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛁ Memory files: 101 tokens (0.0%)
⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛶ ⛁ Skills: 5.4k tokens (1.3%)
⛶ ⛶ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛝ ⛁ Messages: 47.8k tokens (11.9%)
⛶ Free space: 300.6k (75.2%)
⛝ Autocompact buffer: 33k tokens (8.3%)| 阶段 | 消耗（估算） |
|---|---|
| Pre-flight + 配置 | ~2k tokens |
| PDF 提取（MinerU API） | ~1k tokens |
| Plan 模式规划 | ~3k tokens |
| 全文翻译（426 行） | ~35k tokens |
| 验证与修复 | ~5k tokens |
| 合计 | ~47k tokens |
此数据使用deepseek-v4-pro[1M]模型在claude code测得。论文越长、图片越多，消耗越高。 视图命令：/context
npx skills add APLaS-Plus/paper-translation# 在 Claude Code 中运行：
/plugin marketplace add APLaS-Plus/paper-translation
/plugin install paper-translation@paper-translation之后用 /paper-translation:paper-translation 触发。
将 skills/paper-translation/ 复制到 ~/.claude/skills/paper-translation/，然后将 config.example 复制为 config 并填入 Token。
05/27/2026
梁圣牛逼，D神牛逼，写完skills并且翻译了三篇文章也就用了三块钱
05/29/2026
卧槽多agents迭代这么tokens，一天烧我七块钱
~30 seconds. Free. No account. Every finding cites a rule and a line of evidence.