维度	AI agent	专用 PDF 翻译工具
适合任务	阅读、摘要、问答、术语讨论、重点段落润色	翻译整份 PDF，并输出可下载译文文件
成本结构	取决于上下文长度、工具调用、重试次数和多轮审校	通常按页数、token 或文档统计计费，成本更可预测
版式还原	需要临时写脚本或调用工具，稳定性取决于每份文件	有固定的版面解析、OCR、重建和输出流程
长文档处理	容易出现上下文累积、漏页、乱序和重复检查	更适合批量页级处理和缓存复用
扫描 PDF	需要额外 OCR 与坐标回填，容易出错	通常内置 OCR、图片处理和页面重建能力
审校体验	可以解释和点评译文，但难稳定生成双语 PDF	可支持预览、双语对照和可下载结果

PDF 翻译为什么不是"把文字丢给模型"？

PDF 的设计目标是"显示一致"，不是"方便编辑"。页面上的文字常常不是连续文本流，而是被拆成许多带坐标的字符、词块和文本框。双栏论文、产品手册、合同、扫描件、图注、脚注、页眉页脚、表格和隐藏文字层，都会让文本抽取变得不稳定。

一份可交付的 PDF 翻译至少包含三个阶段：

解析：识别文本层、图片层、表格、图注、页眉页脚和正确阅读顺序。
翻译：保持术语、语气、上下文和跨页一致性。
重建：把译文放回页面，让图片、表格、段落、字体和空间关系尽量保持原样。

agent 擅长第二阶段，也能临时完成部分解析和重建。但如果没有专门的 PDF 处理管线，它很难稳定处理整份文件的版面还原。

长 PDF 会放大 agent 的成本和稳定性问题

短 PDF 用 agent 处理，成本通常接近线性增长。把文本拆成几段，翻译、校对，再输出 Markdown 或纯文本结果，流程相对可控。

长 PDF 则不同。为了保持术语一致，agent 可能每翻一段都带上前文摘要、术语表、已翻译内容、当前页截图或 OCR 结果。前几页还好，越到后面，重复输入越多，prompt 越长，成本就可能从近似线性变成超线性增长。

多轮处理也会放大成本。高质量 PDF 翻译通常不是一轮完成：

抽取文字和图片内容。
判断阅读顺序。
翻译正文。
检查术语一致性。
查漏补缺。
尝试重排页面。
做人工或视觉检查。

每多一轮，全篇文档都可能被重新读取。对于几十页、上百页 PDF，真正难控制的往往不是模型单价，而是上下文重复、工具调用、失败重试和人工检查。

版式还原是 agent 最容易失控的地方

如果你的目标只是"读懂这份 PDF"，agent 很好用。它可以解释合同条款、总结论文贡献、提取风险点，或者把某几页内容翻成目标语言。

但如果你的目标是"得到一份可下载、可交付、格式接近原文的译文 PDF"，问题就完全不同。

PDF 版式还原会遇到这些细节：

译文比原文更长，文本框放不下怎么办？
双栏论文的阅读顺序如何判断？
表格里的单元格内容如何避免溢出？
图注、脚注、页码、页眉页脚哪些该翻译，哪些该保留？
扫描 PDF 的 OCR 结果如何定位回原图？
原文文字擦除后，背景纹理、线条和印章如何保留？
竖排文字、阿拉伯语等不同书写方向如何处理？
隐藏文字层、不可见文本和水印会不会被误识别？

这些问题不是单靠提示词就能稳定解决的。它们需要布局分析、OCR 缓存、背景处理、字体策略、分页策略、视觉校验和错误恢复机制。

可预测性比"能不能做一次"更重要

很多自动化任务的关键不是 AI 能不能成功完成一次，而是它能不能稳定完成一百次。

PDF 翻译尤其如此。用户通常关心的不是某一段是否翻得漂亮，而是整份文件能不能：

保留原始排版。
不漏翻、不乱序。
支持扫描件 OCR。
支持预览后再付费。
支持双语对照审校。
支持下载译文 PDF。
在出错时能重试、复用缓存、定位问题。

这些能力需要产品化流程。专用 PDF 翻译工具会把复杂步骤固定下来：先分析文档，再估算成本，再生成预览，再让用户检查译文和排版，最后输出可下载文件。

这也是 O.Translator 和通用 agent 的主要区别。O.Translator 的重点不是让 AI 临时"想办法翻译 PDF"，而是把 PDF 翻译拆成可重复、可预览、可交付的流程。

什么时候可以用 agent？

当你的目标是理解、分析或辅助审校 PDF 时，agent 非常适合。

你可以让 agent 帮你：

快速总结一份长 PDF。
解释论文、合同或说明书里的难懂段落。
提取术语并生成术语表草案。
对比原文和译文，找出可能的误译。
润色某些重点段落。
根据行业背景调整表达。
帮你决定哪些页面需要人工重点检查。

也就是说，agent 更适合做"理解、分析、辅助审校"。它可以成为 PDF 翻译流程里的专家助手，但不一定适合作为整个 PDF 交付流程的执行系统。

什么时候应该用 O.Translator？

如果你的 PDF 属于下面任何一种情况，建议优先使用 O.Translator 这类专用工具，而不是让 agent 从零搭流程：

文档超过十几页。
包含表格、图表、图注或复杂排版。
是扫描件或图片型 PDF。
需要保持合同、简历、论文、手册的原始格式。
需要交给客户、同事、导师或合作方。
需要双语对照审校。
希望翻译前先看到效果和价格。

这类场景里，真正昂贵的往往不是模型 token，而是漏翻、乱序、格式错乱和返工。

如果你想先确认一份 PDF 的翻译效果，可以使用 O.Translator 的翻译预览功能，在付费前检查译文和排版。如果你的文件是扫描件，可以参考扫描 PDF 翻译指南。如果你需要逐句审校，双语文件会更方便，具体可以看双语 PDF 下载说明。

FAQ

AI agent 翻译 PDF 的成本是线性增长吗？

不一定。短 PDF 或纯文本抽取场景通常接近线性增长；长 PDF、扫描件、复杂排版和多轮审校会让成本变得超线性。主要原因是上下文重复输入、工具调用、OCR、版式重建和失败重试。

为什么 PDF 版式比 Word 文档更难翻译？

PDF 是固定版式文件，强调视觉呈现一致。很多 PDF 的文字不是连续文本流，而是页面坐标上的碎片化文本块。翻译后还要处理文本长度变化、字体、段落位置、表格边界、图片和页眉页脚，因此比 Word 文档更难稳定还原。

Codex 或 Claude Code 完全不能用于 PDF 翻译吗？

不是。它们适合帮助你理解 PDF、总结内容、解释术语、审校重点段落和发现潜在误译。只是当目标是输出整份高保真译文 PDF 时，专用 PDF 翻译工具通常更稳定。

扫描 PDF 为什么更难？

扫描 PDF 本质上是图片。系统需要先用 OCR 识别文字，再把识别结果定位回页面坐标，还要处理背景擦除、图片质量、倾斜页面、手写标注和低清晰度文本。任何一步出错，都会影响译文准确性和版面还原。

最推荐的工作流是什么？

更稳的工作流是：先用 O.Translator 生成可预览、可下载的高保真译文和双语对照，再用 agent 对关键段落做复核、解释和润色。这样既能保留专用工具的版面稳定性，也能利用 agent 的分析能力。

结论：把 agent 用在它最擅长的位置

Codex 这类 AI 自动化工具很适合帮你理解 PDF，也适合辅助翻译后的审校和润色。但如果你的目标是生成一份格式稳定、可下载、可审校、可交付的 PDF 译文，通用 agent 通常不是最稳的第一选择。

PDF 翻译的难点不只是语言，而是"语言 + 版面 + 文件工程"的组合。

需要读懂内容时，用 agent。需要交付译文 PDF 时，用专用 PDF 翻译工具。

想直接测试一份文件的效果，可以访问 O.Translator 文档翻译，上传 PDF 后先看预览，再决定是否完成全文翻译。

主题

洞察

应该使用 Codex 等 AI 智能体来翻译 PDF 吗？

为什么不建议用 Codex 这类 AI 自动化工具来翻译 PDF？

简短结论

AI agent 能翻译 PDF 吗？

AI agent vs 专用 PDF 翻译工具