ترجمه مقاله علمی با هوش مصنوعی: فارسی دقیق و PDF راست‌به‌چپ

پایان‌نامه‌تان به یک مقالهٔ انگلیسی تکیه دارد و استاد راهنما نسخهٔ فارسی چاپی‌اش را خواسته است. یا مهندسی هستید که باید یک فصل از کتاب Kubernetes را برای تیم ترجمه کنید. متن را در ChatGPT می‌چسبانید و جواب روان است، ولی سه ایراد دارد: اصطلاح‌ها نیمه‌ترجمه شده‌اند («خوشه Kubernetes»)، یک مفهوم در دو صفحه دو اسم مختلف گرفته، و وقتی متن را به Word یا PDF می‌برید، عددها، تاریخ‌ها و تکه‌کدها در صفحهٔ راست‌به‌چپ جابه‌جا و وارونه می‌شوند.

برای ترجمه مقاله علمی با هوش مصنوعی به شکلی که چاپ‌کردنی باشد، مهارت «ترجمه علمی فارسی» روند کار را عوض می‌کند: دستیار Cursor پیش از ترجمه فهرست اصطلاحات را می‌نویسد، اصطلاح‌های تخصصی را انگلیسی و جدا از متن فارسی نگه می‌دارد، و تا وقتی اسکریپت بررسی خطای مکانیکی پیدا کند، PDF را تحویل نمی‌دهد. خروجی یک PDF راست‌به‌چپ آماده چاپ است، همراه یک نسخهٔ متنی.

ترجمه مقاله علمی با هوش مصنوعی بدون به‌هم‌ریختن اصطلاحات

ترجمهٔ معمولی جمله‌به‌جمله پیش می‌رود و هر جا تصمیم تازه‌ای دربارهٔ یک اصطلاح می‌گیرد. این مهارت ترتیب را برعکس می‌کند. اول بخشی از متن را می‌خواند و سطح اصطلاحات را تعیین می‌کند:

• سطح journal برای مقاله، پایان‌نامه و مقالهٔ مروری؛
• سطح system-docs (پیش‌فرض) برای کتاب، راهنمای نصب، مشخصات فنی، RFC و دستورالعمل‌های عملیاتی.

بعد به شما می‌گوید متن دربارهٔ چه کارهایی است (مثلاً استقرار نرم‌افزار)، دربارهٔ کدام محصول یا پروتکل است (مثلاً PostgreSQL یا nginx) و از چه نوعی است: آموزشی، مرجع یا مقاله. بعد پیش از نوشتن اولین جملهٔ ترجمه، فایلی به نام terms.tsv می‌سازد که هر مفهوم در آن یک شکل ثابت دارد. برای اصطلاح‌هایی که باید انگلیسی بمانند، معادل‌های فارسی ممنوع هم در همین فایل ثبت می‌شوند. موردهای مرزی را هم پیش از ترجمه به شما نشان می‌دهد تا خودتان تصمیم بگیرید.

ادعاهای متن هم دست نمی‌خورند. چیزی اضافه، حذف یا ملایم نمی‌شود و قیدهای احتیاطی مثل may و suggest در ترجمه می‌مانند. اگر جایی از متن مبهم باشد و برداشت‌های مختلف معنای ادعا را عوض کند، دستیار می‌ایستد و از شما می‌پرسد. ابهام‌های کم‌اهمیت‌تر در فهرستی جمع می‌شوند و آخر کار گزارش می‌شوند.

کدام اصطلاح انگلیسی بماند؟

سخت‌ترین تصمیم در ترجمهٔ فنی همین است. مهارت چند قاعدهٔ مرتب دارد و اولین قاعده‌ای که با یک واژه جور شود، تکلیفش را روشن می‌کند:

قاعدهٔ مهم دیگر این است که هیچ اصطلاحی نیمه‌ترجمه نشود. خود مهارت سه نمونهٔ غلط را نام می‌برد: «خوشه Kubernetes»، «بلوک location» و «بارگذار DataLoader». جمع اصطلاح انگلیسی هم با «ها» ساخته می‌شود (APIها)، نه با s انگلیسی، و کسرهٔ اضافه به واژهٔ لاتین نمی‌چسبد.

شکل کار در یک جملهٔ نمونه از راهنمای عملیاتی (مثال ساده‌شده بر پایهٔ نمونه‌های خود مهارت، نه خروجی ضبط‌شده):

متن اصلی: Configure a separate replica for each deployment.

ترجمهٔ گرته‌برداری‌شده: برای هر استقرار یک رونوشت جداگانه را پیکربندی نمایید.

شکل مورد نظر مهارت در سطح system-docs: برای هر deployment یک replica جدا configure کنید.

در سطح journal همان واژه‌های حوزهٔ کار فارسی می‌شوند، ولی واژه‌های خاص موضوع متن باز هم انگلیسی می‌مانند.

عددها هم قاعدهٔ خودشان را دارند. ارقام لاتین می‌مانند، تاریخ‌ها با همان تقویم و قالب متن اصلی می‌آیند و به شمسی تبدیل نمی‌شوند، مگر خودتان بخواهید. چکیده و پانویس‌ها ترجمه می‌شوند، ولی فهرست منابع (نویسنده، عنوان، مجله، DOI و نشانی) به زبان اصلی می‌ماند.

خروجی PDF راست‌به‌چپ برای چاپ

بیشتر دردسر ترجمهٔ فنی بعد از ترجمه شروع می‌شود، وقتی متن فارسی و انگلیسی در یک خط کنار هم می‌نشینند. مهارت هر اصطلاح انگلیسی، عبارت چندکلمه‌ای، دستهٔ عدد، فرمول، نشانی و تکه‌کد را در یک بخش چپ‌به‌راست جدا می‌گذارد. عبارتی مثل 1.0.1 (2026-08-09) باید یک بخش باشد؛ اگر دو تکه شود، در صفحه وارونه چاپ می‌شود. بلوک‌های کد همیشه چپ‌به‌راست و چپ‌چین‌اند، فرمول‌ها چپ‌به‌راست می‌مانند و تصویرها از خود متن اصلی بریده می‌شوند، بی‌آنکه قرینه یا از نو کشیده شوند.

موتور پیشنهادی ساخت PDF، XeLaTeX با بستهٔ xepersian است. اگر TeX نصب نباشد، از Chromium یا WeasyPrint استفاده می‌کند. فایل نهایی در پوشهٔ ~/Documents/books ذخیره می‌شود و یک فایل .txt با ترتیب درست متن هم کنارش قرار می‌گیرد. در گفتگو فقط یک یادداشت کوتاه می‌گیرید: مسیر فایل، تعداد صفحه‌ها، موتوری که استفاده شد و پرسش‌های باقی‌مانده.

پیش از ساخت PDF، اسکریپت check-fa.py متن را می‌گردد: «ی» و «ک» عربی، نیم‌فاصله‌های جاافتاده، گرته‌برداری، ترجمهٔ نیمه‌کاره، s جمع انگلیسی، بخش‌های چپ‌به‌راستی که دو تکه شده‌اند، تصویر قرینه یا گم‌شده و اصطلاحی که وسط متن عوض شده است. اسکریپت ساخت PDF هم دوباره همین بررسی را اجرا می‌کند و اگر خطایی بماند، فایل را تحویل نمی‌دهد.

خود ترجمه را هم یک مدل تنها نمی‌نویسد. دو مدل Cursor (Composer و Grok) جداگانه پیش‌نویس می‌نویسند، مدل سومی (Luna) فقط جمله‌هایی را که با هم فرق دارند می‌بیند و یکی را انتخاب می‌کند یا آن‌ها را ترکیب می‌کند، و در آخر مدلی که متن را ننوشته، روانی‌اش را می‌سنجد.

بررسی ترجمه‌ای که از قبل دارید

لازم نیست ترجمه از صفر با این مهارت شروع شود. اگر ترجمهٔ فارسی آماده‌ای دارید، کار خودتان یا یک مترجم، از دستیار بخواهید آن را با همین قاعده‌ها بسنجد: یکدستی اصطلاحات، املای فارسی، جهت متن و دست‌نخوردن ادعاها و قیدهای احتیاطی. بخش مکانیکی را اسکریپت بررسی می‌کند. قضاوت دربارهٔ دقت علمی، لحن و شکل‌ها با فهرست وارسی جداگانه‌ای است که مهارت برای نگاه انسانی گذاشته است.

این مهارت برای متن علمی و فنی است. برای ترجمهٔ ادبی یا تبلیغاتی، متن رابط کاربری یا گفتگوی روزمره ساخته نشده است. اگر متنتان فارسی است و فقط ویرایش لازم دارد، ویرایش متن فارسی با هوش مصنوعی به کارتان می‌آید. برای ساده‌کردن مستندات فنی فارسی ساده‌نویسی متن فنی را ببینید، و اگر متن غیرعلمی‌تان بوی ترجمه می‌دهد، سراغ فارسی‌نویسی طبیعی بروید.

نصب در Cursor

مهارت (Skill) یک پوشهٔ دستورالعمل است که دستیار هر وقت به کارش بیاید می‌خواندش؛ فرقش با سرور MCP را در مهارت یا MCP توضیح داده‌ایم. دستور نصب، به نقل از راهنمای سازنده، این است:

mkdir -p ~/.cursor/skills
cd ~/.cursor/skills
git clone https://github.com/isArman/scientific-fa-translation-skill.git

1. دستورها را در ترمینال اجرا کنید. مخزن باید داخل پوشهٔ مهارت‌ها کلون شود، نه به جای خود آن پوشه؛ وگرنه Cursor آن را بار نمی‌کند.
2. در گفتگوی Agent ترجمه را بخواهید، یا /scientific-fa-translation-skill را تایپ کنید. اگر منوی دستورها خالی بود، با کلمه بنویسید که از scientific-fa-translation-skill استفاده کند.
3. بعد از هر git pull یک Agent تازه باز کنید؛ Agent در حال اجرا مهارت به‌روزشده را همیشه بار نمی‌کند.

مخزن یک قانون Cursor هم دارد که درخواست‌های ترجمه، راست‌چین، PDF و چاپ را بدون دستور اسلش به همین مهارت می‌فرستد. صفحهٔ ترجمه علمی فارسی دکمهٔ «دریافت مهارت» و پیوند مخزن را دارد.

پیش از ترجمه یک کتاب کامل بدانید

• ساخته‌شده برای Cursor: پوشهٔ نصب، مدل‌های روند ترجمه و برآورد هزینه همه مال Cursor است. اگر یکی از مدل‌ها در دسترس نباشد، مهارت آن نقش را کنار می‌گذارد و به شما خبر می‌دهد، ولی Claude یا GPT را جایش نمی‌گذارد. در برنامه‌های دیگر امتحانش نکرده‌ایم.
• لینوکس و مک: این مخزن نسخهٔ لینوکس و مک است و اسکریپت‌هایش bash می‌خواهند.
• ابزارهای لازم: Python 3، poppler-utils، Pillow، فونت وزیرمتن، texlive-xetex و texlive-lang-arabic (برای xepersian)، latexmk و Chrome. اسکریپت scripts/preflight.sh می‌گوید کامپیوترتان کدام‌ها را دارد.
• محلی می‌ماند: مهارتی که در ~/.cursor/skills نصب کنید روی همان کامپیوتر است و تا همگام نشود، به Cloud Agentهای Cursor نمی‌رسد.
• کپی از PDF: نمایشگر داخلی Chrome و Edge فارسی را اغلب وارونه کپی می‌کند. از Firefox، Okular، Evince یا Adobe Reader استفاده کنید، یا از فایل .txt.
• ساخت یک توسعه‌دهندهٔ مستقل: این مهارت از منبع جامعه است، کدش باز است و مجوز MIT دارد.

هزینه را سازنده به توکن Cursor برآورد کرده است، نه به قیمت API: تقریباً هفت برابر تعداد کلمه‌های متن انگلیسی به‌علاوهٔ ۱۵ هزار توکن. کلمه‌های فهرست منابع حساب نمی‌شوند، چون کپی می‌شوند.

مصرف واقعی ممکن است بین ۰٫۶ تا ۱٫۵ برابر این عددها باشد. تکرار کار، باز کردن Agent دوم بعد از git pull یا چسباندن کل متن در گفتگو عدد را بالا می‌برد. اجرای اسکریپت بررسی و XeLaTeX فقط وقت پردازنده می‌گیرد، نه توکن. پیش از ترجمهٔ کتاب، یک فصل را امتحان کنید و مصرفش را در داشبورد Cursor ببینید.