Lightweight browser-based CAT tool — translation memory + termbase + fuzzy matching, zero dependencies, data never leaves your machine.
一个给自己用的"迷你 Trados / memoQ"：导入已有的试译内容与术语表，建立翻译记忆库；新翻译的内容自动匹配记忆库与术语库。专为 10 万字以内的个人翻译项目设计（当前项目约 3.5 万字，个人部分约 1.2 万字）。
🔗 在线使用（零后端，数据不出浏览器）：https://tanyaqiongcode.github.io/mini-cat/
| Trados / memoQ | MateCat / Weblate | Mini-CAT | |
|---|---|---|---|
| 安装 | 重型桌面软件 | 需自建服务器（PHP/MySQL、Django） | 双击网页即用 |
| 数据 | 本地/云 | 上传到服务器 | 全在本机浏览器（IndexedDB） |
| 适用规模 | 大型项目 | 持续本地化 | ≤10 万字个人项目 |
| 费用 | 商业授权 | 开源但运维成本 | 零依赖、零成本 |
对未出版书稿的翻译来说，"内容不出本机"是硬需求——Mini-CAT 没有任何后端，全部逻辑与数据都在浏览器里；只有可选的"联网查阅"（发送查询关键词）和端侧 MT（浏览器可能下载语言模型，文本不上传）会产生网络请求，不使用这两项时不发出任何网络请求。
- 记忆库（TM）：导入 TMX 1.4 / docx 对照表 / xlsx 双语表 / CSV / TSV / JSONL / 双栏粘贴（自动段落对齐）；导出 TMX / CSV / JSONL，可回流 Trados、memoQ 或语料库仓库
- ICE 101% 上下文匹配：前一句也精确命中时升级为 101% 并优先自动填入（memoQ/Trados 惯例）
- 端侧 MT 建议（实验）：Chrome 138+ 内置翻译 API，模型在本机运行、文本不上传；不支持的浏览器自动隐藏按钮
- 术语库（TB）：导入 xlsx / TBX-Basic / CSV / TSV（自动识别"中文术语/最终译法"等列）；译文写作时在原文中高亮命中术语，悬停显示译法与定义；导出 TBX / CSV
- Word 文档直接导入：单语 docx（如翻译底本）自动提取段落切分；双语 docx 支持左右对照表格、段落交替、先中后英三种结构（自动检测 + 手动指定）
- 审校留痕（多人协作，多轮修订）：修订历史（V1→V2→V2.1→V3…含作者与日期）、导入修订（审校人用 Word 修订模式改稿后回传，工具自动识别修订人与日期——来自 w:ins/w:del 署名，兜底读文件属性；导师/专家的 Word 批注自动导入批注模块）；导出 Word 原生修订模式 + Word 批注 + 修订对照表（xlsx/csv）——审校过程完整可追溯
- 联网术语查阅：侧栏输入关键词，自动聚合中文/英文/日文维基百科（带精确/相关性分级）、大都会艺术博物馆藏名（馆方高亮优先）、Internet Archive 书目；一键直达 Google（全部/图片/Books/Scholar）、术语在线（全国科技名词委）、故宫数字文物库、近代文献人名辞典等权威库。任何候选译名都须经人工点击"设为英文译法"才写入术语库（自动标注来源与日期）——依据国社科申报要求，工具不自动生成译文
- 自动匹配：新原文按句切分后自动匹配——100% 精确匹配直接填入译文，模糊匹配（95–99 / 75–94 / 50–74%）在候选面板中一键采用
- 语料检索（Concordance）：在全部记忆库中按关键词检索中英对照用例
- 译后自动入库：段落确认后自动写入记忆库（memoQ 式自动学习），重复句对自动去重
- 交付导出（范围可选）：纯译文（按原文段落自动重建，docx/txt）、中英对照·段落式（docx，中文段+斜体英文段）、句句对照表格（docx/xlsx/csv，「序号｜中文｜英文」三列，与项目交付件同款）——另附双语 HTML 对照表
- 项目统计：段落进度、中英字/词数、匹配率分布（101/100/95-99/模糊/无）——写翻译实践报告时的过程数据直接可用
- 多项目：按项目隔离记忆库与术语库；JSON 全量备份/恢复，拖拽 .json 到页面即可恢复，超过 7 天未备份自动提醒
方式一（最简单）：下载本仓库，双击 index.html。
方式二（GitHub Pages，推荐）：直接访问 https://tanyaqiongcode.github.io/mini-cat/——本仓库已开启 Pages，点开即用。fork 后请在 Settings → Pages 选 main 分支根目录自行开启。
方式三（本地服务器）：
python3 -m http.server 8765
# 打开 http://127.0.0.1:8765第一次使用：① 导入记忆库（可直接用 sample/sample_tm.tmx 体验）→ ② 导入术语库（sample/sample_termbase.csv）→ ③ 导入原文（粘贴中文即可）→ 开始翻译。确认段落时译文自动入库。
本工具按该语料库仓库的文件格式设计：corpus/parallel/porcelain_zh_en.tmx|csv|jsonl 直接导入记忆库，termbase/porcelain_termbase.csv|tbx 直接导入术语库（自动取"2026最终译法"，空缺回退"2025英文译法"）；导出的 TMX/JSONL/TBX 可直接回流仓库。
借鉴 OmegaT（编辑距离相似度）与 MateCat（匹配分级）的通行做法：
- 归一化：全半角统一、空白折叠、大小写归一；中文再去空格
- 候选海选：字符 bigram 倒排索引，按共享比例取前 120 条（避免全库两两比对）
- 粗筛：长度比 < 0.34 或 bigram Dice 系数 < 0.18 直接排除
- 精算：有界 Levenshtein 归一化编辑距离（提前放弃），标点差异轻罚
- 分级：100%（精确）/ 95–99 / 75–94 / 50–74（模糊）/ 无
实测规模：4,000 条记忆 × 400 段新原文 ≈ 2 秒（见 tests/bench.js）。ICE（101%）判定：记忆条目记录前一句语境（prevNorm），新段落的前文与其一致时，精确匹配升级为 101% 并优先自动填入。
- 无后端、无账号、无埋点；翻译数据（记忆库/术语库/句段/批注/修订历史）仅存于本机浏览器 IndexedDB
- "联网查阅"功能会向维基百科（zh/en/ja）、Met Museum、Internet Archive 发送查询关键词，不发送句段、译文或记忆库内容；端侧 MT 由浏览器在本机翻译，首次使用时浏览器可能联网下载语言模型（不上传文本）；其余功能无网络请求
- 清除浏览器数据会删除记忆库——定期用「备份」导出 JSON（工具在超过 7 天未备份时会提醒）
- 备份 JSON 含全部翻译记忆与术语，请视为敏感数据妥善保管；恢复时与现有数据合并去重，外来记录 ID 一律丢弃、结构经消毒校验（防跨库覆盖与注入）
- 换电脑/换浏览器：备份 JSON 拖拽进页面即完成迁移
句段上方的「拆分句对」可把一条中英句对拆成两条：分别在原文、译文的只读文本框内点击拆分位置，核对两条预览后确认。原文两侧都须有内容；译文可以在开头或末尾拆分，把完整译文暂留在其中一侧，另一侧待补译。不会按字符比例猜测双语边界。
「与下一句合并」合并工作区中实际相邻的两条句对（不是筛选后显示的下一条），提交前可核对预览。默认保留已有空白，同段中文直接相接、英文用空格连接，跨段落保留换行；也可选择直接相接。由同一次拆分产生的相邻两半重新合并时，默认精确保留原字符串。
两种操作都保留译文局部格式并自动保存，调整后的句对需要重新确认。旧修订与批注保存在「调整前记录」，不会错误归属于新的句对；JSON 备份也保留这些记录。调整不删除或改写记忆库里的旧条目，需另行审查过时的记忆。历史档案每条句对最多 100 份，超限时阻止操作而不是截断。
顶部「撤销句对调整」保留本次会话最近 20 次调整。刷新或切换项目后撤销栈清空；调整后若已有其他编辑，会阻止覆盖式撤销以保护新内容。正式处理前仍建议导出备份。普通交付与修订导出使用当前句对；完整调整前档案仅在页面查看和 JSON 备份中保留。
在译文中选中文字，用句段上方工具栏设置加粗、斜体、下划线、上标、下标或清除格式。快捷键为 Ctrl/Cmd+B、I、U；Ctrl/Cmd+Z 撤销，Ctrl/Cmd+Shift+Z 重做。格式自动保存，备份 JSON 保留格式；既有纯文本项目无需迁移。外部粘贴按纯文本处理，避免导入不可信 HTML。
纯译文 DOCX、中英对照 DOCX、句句对照 DOCX 和 HTML 交付件保留格式。TXT、CSV、XLSX 和翻译记忆数据仍使用纯文本。带格式的修订痕迹以整段删除/插入保留前后版本的格式，不将格式修改伪装成逐词文字差异。
打开侧栏「术语库」→「扫描句段，提取候选术语」。工具在本机扫描当前项目全部已有译文的中英句段（至少 3 对），使用 n-gram、C-value/PMI 和共现投票产生候选，最多展示排名前 300 条、每页 50 条。未译句段跳过，已有术语排除。统计译名可能错误，必须结合例句修改并逐条勾选后才入库；不会自动确认任何候选。确定后的术语随原有 CSV/TBX 导出，也随项目备份保存。可导出 candidates.json 与 decisions.json 留存复核记录。
提取器无需 API 密钥、不上传语料、无付费服务。小语料或单次出现的词可能没有统计译名，不会编造；对于错误候选取消勾选即可。扫描在独立 Worker 中进行，超时 60 秒终止；单句超过 2 万字符、总计超过 200 万字符时要求拆分，避免卡住编辑器。
统计引擎复用 bilingual-term-extract（MIT，版权声明包含在 js/term-engine.js）。需要更新引擎时运行 node scripts/bundle-term-engine.cjs <该工具源码目录>；用户复核替代自动 LLM 精筛。格式数据只保存允许的文本标记，不保存任意 HTML。
运行时零依赖、无构建步骤；开发测试使用 Node.js 20+、linkedom 与 Playwright：
npm ci
npm test # 所有单元测试与规模基准
npx playwright install chromium
npm run test:browser # 隔离浏览器与 IndexedDB，不读取个人浏览器资料架构与设计取舍见 docs/architecture.md。
修订导入时，相同原文按文件内出现顺序对应工作区内出现顺序。请保持同文段落的顺序，且包含该原文的全部重复段落；数量不一致会拒绝导入，不能可靠判断的局部修订不会自动覆盖首段。Word 批注跟随所在行匹配。
- .xls（旧二进制格式）不支持，请另存为 .xlsx；旧版浏览器（无 DecompressionStream）读取 docx/xlsx 需 Chrome/Edge 80+、Safari 16.4+
- 端侧 MT 建议仅在 Chrome 138+ 且本机有 zh→en 语言包时可用，其他浏览器自动隐藏（不影响其余功能）
- 数据存于浏览器 IndexedDB：换电脑或换浏览器用「备份」导出 JSON，在新机器拖拽进页面即完成迁移
MIT License.