AiNiee-Next

AiNiee-Next 是基于 AiNiee 核心翻译逻辑开发的命令行版本。项目使用 uv 管理 Python 环境，并针对长时间运行、批量任务、服务器部署和自动化使用做了大量改进。

项目以 CLI/TUI 为主要操作界面，同时提供 Web 控制面板、任务队列、插件系统和 MCP 服务，适合个人翻译、长篇内容处理和需要长期挂机的批量任务。

智能诊断与问题反馈

任务出现异常时，程序会收集错误堆栈、运行环境、API 平台、模型和最近的操作流程，并结合内置规则与可选的 LLM 分析，帮助判断问题来自 API、网络、配置、运行环境还是项目代码。对于疑似代码问题，还可以自动整理包含错误描述、环境信息、关键 traceback 和初步分析的 GitHub Issue，方便反馈和排查。

性能展示

本项目为极致的性能释放和稳定性而生。

下图展示了一个约 20,000 行的待翻译文件，在 50 并发线程下仅用约 4 分钟即可完成翻译任务：

核心特性

稳定运行与错误恢复：清理底层 I/O 输出，减少冗余日志对 TUI 的干扰，并支持异常拦截、自动重试和断点续传，适合长时间挂机运行。
跨平台支持：可在 Windows、Linux、macOS 和 Android（Termux）上运行，也适合 Headless 服务器环境。
多种文件格式：支持 Epub、Docx、Txt、Srt、Ass、Vtt、Lrc、Json、Po、Paratranz 等 20 多种格式，并可结合 Calibre 自动处理 .mobi、.azw3、.kepub、.fb2 等电子书格式。
任务与配置管理：支持运行中调整并发、切换 API Key、启动 Web 监控、查看任务状态以及费用和完成时间预估，同时提供多 Profile 管理、配置热重载和可调整顺序的批量任务队列；队列运行时也能修改待处理任务，并会按顺序自动执行。
插件与翻译辅助：可以通过插件扩展功能，并提供集中管理、RAG 历史译文参考和翻译检查，用于改善长篇翻译中的术语、文风一致性，并检测漏译、错译和格式异常。
上下文缓存：支持 Anthropic、Google 和 Amazon Bedrock 的上下文缓存，可缓存系统提示词和术语表；当前 API 不兼容时会自动关闭并提示。
模型与 API 支持：兼容主流在线 API、第三方中转服务和本地模型，会根据接口类型给出对应的参数提示，支持 DeepSeek R1、Claude 3.5 等推理模型，并提供多 API 故障转移、自动切换和可配置的触发阈值。
高并发处理：基于 aiohttp 的异步请求模式支持 100 以上并发，可区分不可重试错误和临时错误，记录不同 API 的功能兼容情况，并在高并发时保护文件描述符、端口等系统资源；并发达到 15 时会提示启用异步模式。

快速开始

新用户建议先阅读：图文快速上手教程；还没有 API Key 的用户可先看：DeepSeek API Key 申请教程；想提升翻译质量可继续看：提示词、术语表、润色与软件设置教程

方式一：一键启动（推荐）

1. 获取代码

git clone https://github.com/ShadowLoveElysia/AiNiee-Next.git
cd AiNiee-Next

2. 环境准备（首次运行）

Windows:

双击 prepare.bat

Linux / macOS:

chmod +x prepare.sh && ./prepare.sh

3. 启动应用

Windows:

双击 Launch.bat

Linux / macOS:

./Launch.sh

方式二：手动配置

1. 安装 uv

Windows (PowerShell):

powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

Linux / macOS:

curl -LsSf https://astral.sh/uv/install.sh | sh

Android (Termux):

pkg update && pkg upgrade
pkg install python
pip install uv

2. 获取代码并启动

git clone https://github.com/ShadowLoveElysia/AiNiee-Next.git
cd AiNiee-Next
uv run ainiee_cli.py

命令行参数

支持通过命令行参数直接启动任务，适用于脚本集成与自动化。

翻译任务示例：

uv run ainiee_cli.py translate input.txt -o output_dir -p MyProfile -s Japanese -t Chinese --resume --yes

队列任务示例：

uv run ainiee_cli.py queue --queue-file my_queue.json --yes

MCP 服务示例：

uv run ainiee_cli.py mcp --mcp-transport stdio

主要参数：

translate / polish / export / queue / mcp: 任务类型
-o, --output: 输出路径
-p, --profile: 配置 Profile 名称
-s, --source: 源语言
-t, --target: 目标语言
--type: 项目类型 (Txt, Epub, MTool, RenPy 等)
--resume: 自动恢复缓存任务
--yes: 非交互模式
--threads: 并发线程数
--platform: 目标平台
--model: 模型名称
--api-url: API 地址
--api-key: API 密钥
--mcp-transport: MCP 传输模式，可选 stdio / streamable-http / sse

Web 控制面板

本项目集成基于 React 构建的 Web 控制面板，已进入稳定阶段。

启动方式：

运行 uv run ainiee_cli.py 进入主菜单
选择 15. Start Web Server
程序将自动启动服务（默认端口 8000）并打开浏览器

Web 服务默认仅监听 127.0.0.1，只能从本机访问。若需要从局域网或远程设备访问，请在 TUI 的项目设置 → 高级设置中开启 局域网/远程访问；该安全开关只在 TUI 设置列表中提供，Web 设置页无法修改。开关关闭时，每次从 TUI 启动 Web 服务都会显示一行黄色提示。

在没有 TUI 的服务器上，可以用下面的命令仅为本次无头 Web 进程开放远程监听：

uv run python Tools/TauriShell/tauri_web_host.py --host 0.0.0.0 --port 8000 --allow-remote-access

--allow-remote-access 仅对本次启动有效，不会写入 Profile。未传入该参数时，非 loopback 的 --host 会被拒绝。远程访问只应在可信网络中开启；若要暴露到公网，请额外配置 TLS、独立的反向代理认证和必要的网络访问控制。

功能：

可视化看板：实时图表展示 RPM、TPM 及任务进度
网络访问：开启 TUI 中的局域网/远程访问开关后，可从局域网或远程设备监控
配置管理：网页端创建、切换配置 Profile
队列管理：拖拽排序、实时编辑任务参数
插件中心：启用/禁用 RAG 等高级功能

开发说明：Web 控制面板已稳定运行，但功能相对 TUI 模式较少。本项目以 CLI/TUI 交互为核心开发方向，Web 端功能更新将在后续版本中逐步跟进。

MCP 服务

本项目提供可选的 MCP 服务模块，复用现有 WebServer 后端能力，并尽量覆盖全部 Web API 路由，以便在 MCP 客户端中获得接近 Web 面板的操作体验。任何支持 MCP stdio 或 streamable-http 的 LLM 客户端，都可以直接接入本项目，不需要额外读取项目源码或手动拼接 Web API。

启动方式：

命令行直启：uv run ainiee_cli.py mcp --mcp-transport stdio
主菜单启动：进入主菜单后选择 16. 启动 MCP 服务

说明：

MCP 服务是可选组件，缺失时不会影响主程序其他功能
每次启动 MCP 前都会检查必要组件与依赖
若缺少依赖，程序会提示当前系统可直接执行的完整安装命令
菜单启动默认使用后台 streamable-http 模式，等待 3 秒后返回菜单
如果修改了 mcp_server_port，请同步更新 MCP 客户端中的连接路由
MCP 的 streamable-http / sse 监听使用同一个 TUI 高级设置 局域网/远程访问：默认只监听本机，开启后才允许局域网或远程连接。stdio 传输不受网络监听设置影响

直接接入 LLM 客户端：

支持 stdio 的 MCP 客户端，可以直接把 AiNiee CLI 作为本地 MCP Server 接入。如果客户端使用 command + args 配置格式，可参考下面这个通用模板：

{
  "mcpServers": {
    "ainiee-cli": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "H:\\小说\\AiNiee-CLI",
        "--isolated",
        "--no-project",
        "--quiet",
        "--with",
        "mcp",
        "--with",
        "fastapi",
        "--with",
        "uvicorn[standard]",
        "--with",
        "requests",
        "python",
        "Tools/MCPServer/server.py",
        "--transport",
        "stdio"
      ]
    }
  }
}

不同客户端的配置文件字段名可能略有差异，但核心信息通常就是 command=uv 加上上面的 args。上面的路径请替换成你自己的项目目录。Linux / macOS 可把 H:\\小说\\AiNiee-CLI 替换成 /path/to/AiNiee-CLI。

如果客户端只接受“原始命令”，可直接使用：

uv run --directory /path/to/AiNiee-CLI --isolated --no-project --quiet --with mcp --with fastapi --with uvicorn[standard] --with requests python Tools/MCPServer/server.py --transport stdio

Codex 通过 stdio 直连时，推荐直接使用项目内置 launcher：

codex mcp add ainiee-cli -- /path/to/AiNiee-CLI/Tools/MCPServer/codex_stdio_launcher.sh

首次启动如果依赖尚未缓存，建议在 ~/.codex/config.toml 中给该 MCP 增加较大的超时，例如：

[mcp_servers.ainiee-cli]
startup_timeout_sec = 90

支持 streamable-http 的 MCP 客户端，可以直接连接 AiNiee CLI 暴露出来的 MCP HTTP 路由。先启动：

uv run ainiee_cli.py mcp --mcp-transport streamable-http

或者在主菜单选择 16. 启动 MCP 服务。

客户端侧如果使用 URL 配置格式，可参考：

{
  "mcpServers": {
    "ainiee-cli": {
      "transport": "streamable-http",
      "url": "http://127.0.0.1:8765/mcp"
    }
  }
}

连接地址：

本机地址: http://127.0.0.1:8765/mcp
局域网地址（需先开启 TUI 的局域网/远程访问）: http://<你的局域网IP>:8765/mcp

如果启动 MCP 时提示缺少依赖，可以在项目根目录执行：

set "UV_PROJECT_ENVIRONMENT=%CD%\.venv-win" && uv --directory "%CD%" add "mcp" "fastapi" "uvicorn[standard]" "requests"

Linux / macOS 可使用：

UV_PROJECT_ENVIRONMENT="$(pwd)/.venv" uv --directory "$(pwd)" add 'mcp' 'fastapi' 'uvicorn[standard]' 'requests'

如果你把 mcp_server_port 改成了其他值，上面的 8765 也要同步替换。如果项目目录里的 .venv 曾经在另一套系统下创建过，例如 WSL 生成后又在 Windows 下执行 uv add，建议先重建 .venv，否则容易出现 lib64 / 符号链接相关报错。

LLM 客户端建议首轮调用：

get_mcp_usage_manual
get_mcp_security_policy
get_mcp_tool_categories
get_mcp_tool_catalog(category="需要的分类")
get_mcp_validation_checklist

这些工具会直接告诉 LLM 当前 MCP 暴露了哪些能力、参数如何组织、哪些接口受限，以及为什么不能绕过 MCP 直连 WebUI。端点目录默认按分类读取，避免一次性把全部 Web API 端点注入上下文。

MCP 安全要求：

LLM 严禁绕过 MCP，直接向 WebUI / localhost / 局域网端口发 HTTP 请求取数
LLM 只能通过 MCP 工具访问项目能力
MCP 读取到的 api_key / access_key / secret_key 会被脱敏
MCP 读取敏感配置时会额外返回 _mcp_security_notice，明确说明这是权限限制，并禁止通过其他渠道绕过获取
脱敏占位符不是可用密钥，也不能当真实值写回配置或队列
敏感 Web API 路由要求有效的 Web UI 会话 cookie 或 MCP bridge token，裸 HTTP 直连会被拒绝

完整的客户端说明文档见：

Tools/MCPServer/MCP_CLIENT_GUIDE.md

架构说明

本项目采用 Wrapper / Adapter 模式：

Core: 保持原版 AiNiee 的核心业务逻辑
Adapter Layer: ainiee_cli.py 作为防腐层，负责环境隔离与异常拦截
Runtime: 由 uv 托管，确保依赖环境一致性

漫画处理参考

本项目的 MangaCore 漫画子系统采用“自动跑批”和“人工精修”分层设计，不把整册自动翻译任务与页级编辑工作台混成同一个入口。

全自动漫画翻译工作流 主要参考 manga-translator-ui-main 所代表的工作流，以及其上游 hgmzhn / manga-translator-ui：

GitHub: https://github.com/hgmzhn/manga-translator-ui
Gitee 备份: https://gitee.com/hgmzhn/manga-translator-ui

该部分主要参考其“导入图片/压缩包 -> 文本检测 -> OCR -> 翻译 -> 修补 -> 嵌字渲染 -> 导出”的阶段拆分、运行时资产组织和整册自动处理思路。AiNiee-Next 侧会以 translate ... --manga、Web 任务页 Manga Mode 和 MangaCore 批处理管线承载这一类少交互、可挂机的自动任务。

人工精修与漫画编辑器逻辑 主要参考 mayocream / Koharu：

GitHub: https://github.com/mayocream/koharu

该部分主要参考 Koharu 的人工精修思路，包括工程/页面/文本块、图层化页面状态、当前页局部重跑、文本块位置与样式微调、修补结果检查、可编辑成品导出等精修链路。

后续若参考、接入或复用相关核心模块，本项目会持续保留来源说明与鸣谢信息，并遵守对应开源协议。

免责声明

本项目是 AiNiee 的非官方优化分支，侧重于运行体验与工程稳定性
核心翻译算法与原版保持一致，请遵守原版使用协议
本工具仅供个人学习与合法用途使用

支持 AiNiee-Next

如果这个项目对你有帮助喵，欢迎通过爱发电或赞赏码支持 AiNiee-Next 版本的持续开发与维护。支持人会被加入到项目鸣谢列表；无论金额多少，都是一份暖暖的心意喵，也是加速项目开发的动力。

爱发电: https://ifdian.net/a/Next_ZhiXie

AiNiee Next

At a glance

README

AiNiee-Next

智能诊断与问题反馈

性能展示

核心特性

快速开始

方式一：一键启动（推荐）

方式二：手动配置

命令行参数

Web 控制面板

MCP 服务

架构说明

漫画处理参考

免责声明

支持 AiNiee-Next

Comments (0)