easyread

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。
• 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。
• 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。所有笔记按原文顺序汇总，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。
• 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），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。删掉的论文先进回收站，可以恢复。快捷键可以自定义。
• 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

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”。

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”。第一次打开会提示“无法验证开发者”：去“系统设置 → 隐私与安全性”，在下面点“仍要打开”，之后就正常了。
• Linux：EasyRead-x.x.x.AppImage，chmod +x 后运行。

安装版的论文和设置存在用户目录下的 EasyRead 文件夹（和 pip 安装版同一个位置），卸载重装不会丢。

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，Linux 为 AppImage。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保存在系统的 EasyRead 用户数据目录中，不会写进安装目录。

怎么用

1. 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。
2. 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”。
3. 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。
4. 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。按 ? 看全部快捷键。

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。

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

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？ 全在本机。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

• @Wang-auspicious — Electron 桌面版打包与发布流程
• @bisuwuss-netizen — 修复桌面安装包漏打 PDF 依赖、双栏论文原页定位；“问 AI”和笔记里的 Markdown 表格与引用块
• @MeshedPoto — 并行翻译时 PDFium 随机报错、跨栏段落原页高亮、macOS 桌面版稳定性、HTTPS 证书与流式回答的一批修复