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。

為什麼不建議用 Codex 這類 AI Agent 直接翻譯 PDF？