项目介绍 你有没有遇到过这样的痛点？找到了一本好看的英文/日文小说，想翻译成中文慢慢看，但是： - 全文太长，大模型上下文放不下 - 分章节翻译，AI 经常忘记之前的人名和术语，同一个角色翻译出来好几个名字 - 每次都要重新提醒AI"某某某翻译成XXX"，太麻烦了 - 翻译到后面风格跑偏了，一会儿文艺一会儿口语 我做这个 novel-translation-rag 技能就是为了解决这些问题！结合 memelord 向量数据库 + RAG 检索，实现"跨章节一致性翻译"，自动记住之前翻译过的术语、人名，保持风格统一，就算是几百万字的长篇小说也能稳稳翻译完。

解决了什么问题

✅ 超长小说分章节翻译：不管多长，一章一章来，不占大模型上下文

✅ 自动记忆翻译术语：人名、地名、专有名词翻译一次就记住，下次自动用正确翻译

✅ 保持翻译风格一致：通过 RAG 检索之前的翻译风格，全程保持统一语气

✅ 完全本地部署：不用上传到第三方，隐私安全，你翻译啥没人知道

✅ 和 OpenClaw 完美集成：直接作为技能使用，配置好就能用

技能架构

novel-translation-rag

├── SKILL.md # 技能说明

├── 核心原理

│ ├── 分章节切割原文

│ ├── 逐章翻译

│ ├── 记录翻译术语到向量库

│ ├── 翻译新章节前先检索已有的术语

│ └── 把术语提示给AI保证一致性

└── 集成 memelord 向量记忆

↳ 利用 OpenClaw 已有的向量记忆能力，不用重新造轮子

使用效果对比

| 问题 | 普通翻译 | novel-translation-rag |

|------|---------|-----------------------|

| 人名一致性 | ❌ 经常变 | ✅ 翻译一次就记住 |

| 上下文过长 | ❌ 放不下 | ✅ 分章处理无压力 |

| 风格统一 | ❌ 容易跑偏 | ✅ RAG检索保持一致 |

| 隐私安全 | ⚠️ 需要上传第三方 | ✅ 完全本地运行 |