TranslateBooksWithLLMs：给 AI 翻译工具装上「断点续传」的翻译书架

背景：翻译大部头的痛苦

想象你正在翻译一本 800 页的英文技术书籍，用某个在线翻译工具跑了 6 个小时后，电脑突然蓝屏了。重新打开软件，一切从头开始——那种绝望感，每个译者都懂。而 TranslateBooksWithLLMs（以下简称 TBL）正是来解决这个问题的：它把 AI 大模型能力做成一个本地优先的桌面翻译工具，最核心的卖点是断点续传 + 格式保留，让你翻译任何长度的文件都不怕中断。

这个项目由独立开发者 hydropix 创建于 2025 年 5 月，目前 GitHub 已有 1845 颗星、242 个 Fork、33 个 open issue，2026 年 6 月 11 日还有代码更新——说明项目仍在活跃维护。它支持的 AI 提供商包括 Ollama（本地免费）、OpenAI、OpenRouter、Mistral、DeepSeek、Gemini、Poe，覆盖了从完全免费本地运行到付费云端的各种场景。

核心功能：格式与进度的双重保险

TBL 的核心设计围绕两个痛点展开：格式保留和断点续传。

格式保留方面，工具支持 EPUB（电子书）、DOCX（Word 文档）、SRT（字幕）、TXT 四种格式。EPUB 和 DOCX 的解析分别由 src/core/epub 和 src/core/docx 模块处理，内部通过 src/core/chunking 做智能分块，将大文档切分为适合 LLM 上下文窗口的片段，同时记录 HTML/XHTML 标签位置，确保翻译完成后能精准还原原始格式。SRT 字幕的时间码同步也做了专项处理。

断点续传由 src/persistence/checkpoint_manager.py 管理，SQLite 数据库持久化翻译进度。即使 Docker 容器重启或翻译中断，重新启动后程序会从上次断点继续，无需从头来过。src/prompts/prompts.py 提供了翻译专用 prompt 模板，通过 few-shot 示例引导模型保持专业术语一致性。

支持的 AI 模型不设硬性限制——只要是 Ollama/OpenAI API 兼容格式，理论上都可以接入。README 建议 qwen3:14b 作为默认模型，实际使用中推荐 qwen2.5、llama3 等主流开源模型。并发翻译数可通过 PARALLEL_TRANSLATIONS 配置。

技术架构：Flask + WebSocket 的本地优先设计

代码结构上，TBL 是一个典型 Python Web 应用：

Web UI 基于 Flask + Flask-SocketIO 构建，前端静态文件在 src/web/static/，提供了实时进度显示和中断恢复能力。src/api/auth.py 实现了 API Key 管理，每个用户可独立配置自己的 AI 提供商凭证。

依赖库精简务实：flask/flask-socketio 做 Web 框架，python-dotenv 管理环境变量，aiofiles 异步文件操作，tiktoken 做 token 计数（防止超上下文限制），langdetect 自动检测源语言，mammoth/python-docx 处理 Office 文档格式。

部署体验：Docker 一键启动

TBL 提供了完整的容器化部署方案：

• deployment/Dockerfile：基于 python:3.11-slim，安装 requirements.txt，暴露 5000 端口，配置健康检查（/api/health）
• docker-compose.yml：开箱即用，映射 translated_files、logs、data 三个卷，挂载点确保 checkpoint 和输出文件持久化
• 启动流程：docker-compose up -d，浏览器打开 http://localhost:5000，首次启动时选择 Ollama（本地）或粘贴 API Key（云端），全程无需配置代理或复杂环境

本地运行的完整链路：Docker 容器内跑 Flask 服务 <-> Ollama 本地推理（或云端 API）<-> 返回翻译结果 <-> 写入 volumes。硬件需求极低——CPU 足够跑 Docker 即可，GPU 仅在使用 Ollama 本地推理大模型时才需要（推荐 8GB+ VRAM）。

使用门槛与局限性

TBL 的上手体验设计得很好：下载 Release 包 → 双击运行 → 打开浏览器，三步搞定，没有命令行门槛。但需要注意以下限制：

1. 翻译质量依赖模型：开源模型（qwen3、llama3）翻译长文本时可能出现前后不一致，专业出版级翻译建议用 GPT-4o 或 Claude 付费版
2. EPUB 格式依赖严格：复杂的 CSS 样式表和图片内嵌文本可能无法完美还原，项目在 tests/ 目录下有大量技术保护测试用例（RTL 语言支持、HTML 实体处理、XHTML 分块等），说明团队在持续迭代
3. API 费用注意：云端翻译按 token 计费，大文档成本需要自行评估；Ollama 本地运行则完全免费
4. 无中文优化：项目以英文为主，界面和文档暂无中文，对中文用户有一定门槛

行业意义：从工具到翻译工作流的升级

TBL 代表了一个趋势：将 LLM 的强大能力封装成具体垂直场景的本地工具。它不追求"通用 AI"，而是专注于"翻译长文档"这一个场景，把断点续传、格式保留、checkpoint 管理这些工程细节做到极致。

对于个人译者、研究者、技术写作者来说，TBL 提供了一条低成本翻译路径——Ollama + qwen3:14b 可以在没有网络的情况下翻译整本书，不依赖任何外部服务商，真正做到数据留在本地。相比昂贵的 DeepL/Google 翻译 API，TBL 的开源可控和零边际成本是核心优势。