為什麼不建議用 Codex 這類 AI Agent 直接翻譯 PDF？
簡短結論
AI agent 可以幫你讀 PDF、問答、摘要、解釋術語，也能輔助審校和潤色重點段落。但如果你想得到一份格式穩定、可下載、可給同事或客戶查看的 PDF 譯文，直接讓 agent 從零處理整份文件通常不是最穩妥的選擇。
PDF 翻譯的難點不只在翻譯準確率。學術論文的雙欄結構、工程資料的圖表和註釋、商務 PDF 的頁眉頁腳、掃描件的 OCR、漫畫或圖文混排內容的回填，都要求系統同時理解語言和頁面結構。
所以更合理的分工是：需要理解內容時，用 Codex、ChatGPT Agent 這類工具；需要交付 PDF 譯文時，使用 Shangyi AI(商譯 AI) 這類專用文件翻譯工具。
AI agent 能不能翻譯 PDF？
能，但它更適合做「輔助理解」，不一定適合作為「PDF 交付工具」。
比如你可以讓 agent 快速摘要一篇外文論文、解釋某段工程規範、提取合約裡的風險條款，或是檢查一段譯文是否自然。這些任務本質上是內容理解和語言判斷，agent 很擅長。
但完整 PDF 翻譯還要處理版面。PDF 裡的文字可能不是連續段落，而是散落在頁面座標上的文本塊；掃描 PDF 甚至沒有真實文本層，只是一張圖片；圖註、腳註、表格、頁碼和水印也可能被誤讀或亂序。
這些問題不能只靠提示詞解決，需要專門的版面解析、OCR、翻譯、回填和視覺校驗流程。
AI agent vs 專用 PDF 翻譯工具
| 維度 | AI agent | 專用 PDF 翻譯工具 |
|---|---|---|
| 適合任務 | 閱讀、摘要、問答、重點段落潤色、譯後審校 | 翻譯整份 PDF，並輸出可下載譯文 |
| 典型場景 | 臨時讀論文、理解合約、解釋術語、做內容複核 | 學術論文、工程文件、商務 PDF、掃描件、圖文混排資料 |
| 版式處理 | 需要臨時抽取、截圖、OCR 或寫腳本，結果依賴文件複雜度 | 有固定的版面解析、OCR、重建和品質檢查流程 |
| 成本變化 | 長文件、多輪校對和失敗重試會放大成本 | 更適合按文件統計和頁面流程做成本預估 |
| 掃描件 | 需要額外 OCR 與座標回填，容易漏字或錯位 | 通常內建 OCR、頁面定位和譯文回填能力 |
| 交付體驗 | 更適合輸出解釋和審校建議 | 更適合預覽、下載、分享和後續審校 |
PDF 翻譯為什麼不是普通文本翻譯？
PDF 的設計目標是讓檔案在不同裝置上看起來一樣，而不是讓內容容易編輯。因此，PDF 翻譯常常要同時處理文字、頁面座標、圖片、字型、表格和閱讀順序。
一份看似普通的 PDF，實際可能包含很多隱性問題：
- 雙欄論文需要判斷先讀左欄還是右欄。
- 工程圖紙和技術資料裡有大量圖註、編號、表格和單位。
- 商務文件的頁眉頁腳、印章、浮水印不一定都應該翻譯。
- 掃描檔需要 OCR，且 OCR 結果還要放回頁面位置。
- 漫畫、宣傳冊、圖文混排文件需要處理文字遮擋和排版回填。
這就是為什麼 PDF 翻譯更像「文檔理解 + 翻譯 + 版面重建」的組合任務。AI Agent 可以輔助其中的語言判斷，但專用工具更適合承擔整份文件的穩定處理。
如果你關心 PDF 翻譯後的格式保持，可以參考商譯 AI 的 PDF 文檔翻譯策略；如果處理的是工程或技術資料，也可以看技術文件翻譯挑戰解析。
長 PDF 會讓 agent 成本變得不穩定
很多人會以為：PDF 頁數翻倍，agent 成本也只是翻倍。短文件或純文字場景下，這個估算大體成立。但長 PDF、掃描件和複雜排版通常不是這樣。
為了保證上下文一致，agent 可能需要反覆攜帶術語表、前文摘要、已翻譯段落、頁面截圖、OCR 結果和校對意見。每增加一輪檢查，都會增加新的輸入和工具呼叫。
複雜 PDF 往往還要經歷多輪返工：
- 抽取文本和頁面元素。
- 判斷閱讀順序。
- 翻譯正文、表格和圖註。
- 檢查術語一致性。
- 修正 OCR 錯誤。
- 嘗試回填版式。
- 發現溢出、遮擋、漏翻後重試。
所以對於幾十頁論文、上百頁工程資料或大量掃描件，成本可能從近似線性變成超線性。真正耗費的不是某一段翻譯，而是重複讀取、失敗重試和人工檢查。
什麼時候可以用 Agent？
當你只是想快速理解 PDF，Agent 很合適。
典型用法包括:
- 總結一篇外文論文的研究問題、方法和結論。
- 解釋工程規範或技術手冊裡的關鍵段落。
- 提取合約或商務文件中的風險點。
- 生成術語表草案,方便後續統一譯法。
- 對比原文和譯文,找出可能的誤譯。
- 對重點段落做中文潤色或風格調整。
也就是說,agent 更像一個隨叫隨到的分析助手,適合幫你「看懂」和「判斷」。
什麼時候應該用 Shangyi AI(商譯 AI)?
如果你的目標是拿到一份可以保存、分享、審校或交付的譯文文件,就更適合用商譯 AI 這類專用工具。
尤其是下列這些場景：
- 學術論文、研究報告、產業白皮書。
- 工程技術資料、產品說明書、投標文件。
- 掃描 PDF 或圖片型檔案。
- 含表格、圖注、腳註、雙欄、多欄的複雜 PDF。
- 同一團隊還要處理漫畫、短劇字幕等多種在地化檔案，希望工作流程統一。
- 需要先預覽翻譯效果，再決定是否完成全文翻譯。
- 需要術語一致，不能一份文件裡同一個詞出現多種譯法。
- 需要團隊成員或客戶直接查看譯文 PDF。
商譯 AI 的翻譯預覽功能適合在正式翻譯前檢查品質和排版；如果你經常處理行業術語，可以參考商譯 AI 術語表指南。如果你的檔案是漫畫或圖文混排內容，也可以瞭解漫畫翻譯中的重繪與排版問題。
FAQ
AI agent 翻譯 PDF 的成本是線性增長嗎？
不一定。短 PDF 或文字層清晰的檔案通常接近線性增長；長篇 PDF、掃描檔、複雜表格、圖文混排和多輪審校會讓成本變得超線性。主要原因是上下文重複、OCR、工具調用、版式回填和失敗重試。
為什麼 PDF 版式這麼難還原？
因為 PDF 關注的是頁面顯示效果，不是可編輯文字結構。翻譯後文字長度會變化，原來的文字框可能放不下；表格、圖片、腳註、頁眉頁腳和多欄閱讀順序也需要重新判斷和校驗。
Codex 或 ChatGPT Agent 完全不能用於 PDF 翻譯嗎？
不是。它們適合用來理解文件、解釋段落、提取術語、總結重點和輔助審校。只是當目標是輸出整份高保真 PDF 譯文時，專用 PDF 翻譯工具通常更穩定。
掃描 PDF 為什麼更難？
掃描 PDF 本質上是圖片。系統必須先 OCR 識別文字，再定位到頁面座標，並處理傾斜、模糊、背景幹擾、手寫標註和圖片遮擋。識別和回填任何一步出錯，都會影響最終譯文。
推薦的工作流是什麼？
更穩的方式是：先用商譯 AI 生成可預覽、可下載的譯文檔案，再用 agent 對關鍵段落、術語和專業表達做覆核。這樣能兼顧版式交付和語言審校。
結論
AI agent 很適合做 PDF 閱讀助手，但不一定適合作為整份 PDF 翻譯交付系統。PDF 翻譯真正困難的地方，是語言、OCR、版面、閱讀順序和視覺校驗疊加在一起。
需要快速讀懂內容時，可以用 agent。需要交付譯文 PDF 時，建議使用 Shangyi AI(商譯 AI) 文檔翻譯，先看預覽，再完成全文翻譯。
