pot-desktop 划词翻译完整上手指南：快速搞定阅读翻译、截图 OCR 与离线翻译
项目地址: https://gitcode.com/pot-app/pot-desktop 读外文资料时最打断思路的动作是什么？大多数人会回答：复制、切换窗口、粘贴翻译。pot-desktop 是一款开源的跨平台划词翻译工具，专为消灭这种重复劳动而生，同时内置截图 OCR、离线翻译和外部调用能力，Windows、macOS、Linux 三端通用。这篇文章带你从零上手，几分钟内让翻译不再打断你的节奏。
从下载到第一次翻译，只需要三步
安装并不复杂，按平台挑一种即可：
- Windows：用 winget 一条命令安装，或下载 exe 安装包双击运行；
- macOS：下载 dmg 拖进 Applications，或通过 Homebrew 安装；
- Linux：Debian/Ubuntu 用 deb 包，Arch 系可用 AUR，还有 Flatpak 版本。
装好后打开软件，完成三件小事：
- 在「偏好设置」里给「划词翻译」绑一个顺手的关键词，比如鼠标选中后按
Alt； - 配置一个你常用的翻译引擎，Google、DeepL、百度、有道任选其一；
- 打开任意网页或 PDF，选中一段外文，按下快捷键。
看到译文跟着鼠标弹出的那一刻，你就明白为什么用过的人很难回到"复制粘贴"的老路。下面这段动图演示的就是「选中即译」的完整过程：
想自己动手编译的朋友，直接 git clone https://gitcode.com/pot-app/pot-desktop 拉取仓库，按 README 的环境要求安装依赖即可构建。
🎯 想怎么译就怎么译：六种入口总有一款适合你
pot-desktop 不只有划词翻译这一种打开方式，它提供了六条互不干扰的入口：
| 触发方式 | 一句话说明 | 典型场景 |
|---|---|---|
| 划词翻译 | 选中文本 + 快捷键，结果悬浮显示 | 读论文、看网页 |
| 输入翻译 | 呼出窗口手动输入或粘贴 | 整段精译、措辞推敲 |
| 剪切板监听 | 复制即翻译，无需任何按键 | 批量处理、双屏办公 |
| 截图 OCR | 框选区域识别文字 | 图片、扫描件、公式 |
| 截图翻译 | 框选区域直接出译文 | 漫画、海报、程序截图 |
| 外部调用 | 其他程序发 HTTP 请求触发 | 深度集成工作流 |
「剪切板监听」适合想省掉按键的懒人模式——复制一段文字，译文自己就来了；截图类功能则专治"图片里的字打不出来"。下面两段动图分别是剪切板监听和截图翻译的实际效果：
让多家引擎同台竞技，再也不怕翻译翻车
单一翻译引擎总有失手的时候：术语翻得生硬、俚语认不出、语境理解跑偏。pot-desktop 支持同时启用多个翻译接口，选中一段文本后，OpenAI、谷歌、火山、DeepL 等引擎的结果会并排出现在同一面板，谁翻得准一眼便知，不用再手动开两个网页对比。
译文支持朗读、复制、分享，还能一键导出到生词本：Anki 用户可以直接把新词做成记忆卡片，欧路词典、有道、扇贝同样在列。查词、记录、复习的完整闭环，一个软件就能走完。
偏爱 AI 翻译的话，它内置了智谱、Gemini 以及 Ollama 本地大模型的接入。在意数据隐私的读者完全可以只在本地跑 Ollama，配合断网使用，翻译全程不离开你的机器。
🔒 断网也能用：三端全覆盖的离线 OCR 方案
很多翻译软件一断网就变成摆设，pot-desktop 不是。它的文字识别分两层：
- 本地层：Windows 调用系统 Windows.Media.OCR，macOS 调用 Vision Framework，Linux 使用 Tesseract，全部离线运行，识别快、零网络请求；
- 云服务层：百度、腾讯、火山、讯飞等商用接口，以及 Simple LaTeX 公式识别，按需启用。
日常截图识别用本地引擎就够；遇到数学公式、多语言混排这类高难度场景，再临时切到云服务。对隐私极度敏感的用户，还有 RapidOCR、PaddleOCR 等离线插件可选，实现真正的"全程不联网"。
🧩 官方接口不够用？插件生态帮你补全
内置服务覆盖了翻译、OCR、语音合成、生词本四类主流能力，但长尾需求总会有覆盖不到的时候。pot-desktop 的插件系统就是为此准备的：插件以 .potext 文件分发，在「服务设置 - 添加外部插件」里导入即可使用，体验和内置服务没有差别。
如果你熟悉 JavaScript，官方提供了翻译、OCR、语音合成、生词本四类插件模板，新引擎从写代码到接入界面通常只需一两天。想要参考实现，src/services/translate/ 目录里就是各翻译服务的源码，思路很清晰。
🔌 把翻译能力开放给其他软件：HTTP 调用很简单
pot-desktop 的隐藏技能是内置了一个本地 HTTP 服务（默认端口 60828）。任何程序都能通过向 127.0.0.1:60828 发请求来触发翻译、OCR、划词等功能，例如用 curl 触发一次划词翻译：
curl "127.0.0.1:60828/selection_translate"
有了这层接口，你可以：
- 在 Linux 下把系统截图工具和 pot 串起来，用自己喜欢的截图方式完成 OCR；
- 配合 SnipDo、PopClip 等工具，在任意选中文本旁加一个翻译按钮；
- 给 IDE、办公脚本写一个专属翻译小助手。
这还顺带解决了 Wayland 环境（如 Hyprland）下快捷键和内置截图失效的问题：用系统快捷键 + curl 组合，效果几乎无损。具体配置示例见仓库里的 Wayland 支持文档。
新手避坑：五个高频问题一次说清
Q1：Windows 上启动后没有窗口，托盘图标也没反应？ 多半是系统缺少 WebView2 运行时，装回 WebView2 即可；也可以改用内置运行时版本的安装包。
Q2：macOS 提示"无法验证开发者"，或者划词没反应？ 在「隐私与安全性」里选择"仍要打开"，然后在「辅助功能」中移除并重新添加 pot 的权限。
Q3：Linux 下快捷键或截图用不了？ 优先确认是否处于 Wayland 会话；纯 Wayland 桌面建议改用「系统快捷键 + HTTP 调用」的曲线方案。
Q4：安装插件后报"找不到指定的模块"？ Windows 上常见原因是缺少 VC++ 运行库，安装后重启软件即可。
Q5：翻译结果不稳定，时好时坏？ 多配几个引擎并开启并行翻译，取长补短；免费的 Google、Bing 偶尔波动，日常使用可以以稳定接口为主。
写在最后：它适合谁，又该如何开始？
如果你符合下面任意一条，都值得花十分钟装上试试：
- 常读外文文献、技术文档、海外资讯，希望翻译不打断阅读节奏；
- 经常要处理截图里的文字，想告别"看图打字"；
- 在意隐私，希望关键内容通过本地 OCR 或离线模型处理；
- 想让翻译能力嵌入自己的工作流，而不是一座孤岛。
pot-desktop 的定位很朴素：把「选中即翻译」这件事做到极致，再把 OCR、生词本、插件、外部调用这些能力自然叠加。它开源、免费、跨平台，没有付费墙也没有广告。下载安装、绑定一个引擎、按下快捷键——从第一次划词开始，你的阅读方式就回不去了。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
