Japanese Reading Assistant：把查词、语法解析和可选 PDF OCR 留在阅读现场

日语阅读里最容易被打断的环节，往往不是看不懂某一个词，而是需要在查词、翻译、语法解释和原文之间来回切换。这个插件尝试把这些动作留在 Obsidian 当前页面：划一个词时看紧凑释义；划一句时只请求一次模型，再把同一份译文延伸为词汇和语法两个视图。

项目仓库已经公开：Normanchine/obsidian-japanese-reading-assistant。截至 v1.8.3，社区目录的自动审核已经完成；客户端目录的索引更新可能晚于 GitHub Release。用户仍可通过 GitHub Release 手动安装，或用 BRAT 作为 beta 插件安装。

插件的主路径现在更明确：先在设置里选好本地 Ollama 或云端 OpenAI 兼容 API，就可以在 Markdown、实时预览和阅读视图划词。OCR 不是使用前置条件，只有在 PDF 页面上需要框选图片文字时才需要配置。

一次分析，回到同一句原文

句子分析的重点不是生成一大段泛泛的讲解，而是让每一层信息回到原句中。插件会保留统一译文，词汇页区分基本义和句中义；语法页则用颜色和波浪线标出对应片段，避免“解释看懂了，却不知道它在句子哪里”的断裂。

词汇页直接围绕当前句子展开。这里的「句中」不是新的词条释义，而是这个词在本句里的作用。

语法页把「〜です」标在原句里，再给出它在这里承担的判断/说明作用。结果显示在可固定、拖动和缩放的非模态窗口中，不用覆盖原始阅读内容。

把值得复习的部分留下来

即时解析不一定要变成新的任务系统。弹窗中的“保存到学习笔记”只会把当前已经显示的原文、统一译文、少量词汇和语法点写进 Vault 内指定的 Markdown 文件；同一天的多条记录归在同一个日期标题下，不写入精确时间。

这使保存更像阅读后的轻量摘记，而不是自动收集所有划选内容。没有点击保存时，解析结果仍只保存在内存中。

PDF 不必先离开 Obsidian

教材和扫描版读物并不总有可划选的文字。针对 Obsidian 内置 PDF 阅读器，插件支持按住 Alt 框选当前页面的一小块区域：图像先由用户配置的 OCR 引擎提取正文，再进入与普通句子相同的译文、词汇和语法流程。

OCR 的输入是用户主动画出的区域，不是整份 PDF。小字识别受原图质量和页面缩放影响，使用前放大页面会更稳妥。

这条链路刻意只处理局部：它没有试图把 PDF 变成完整电子书。用户可选本机 CPU 上的 PP-OCRv5，或已安装的 Ollama 视觉模型；设置页提供 PP-OCR 配套仓库地址与一行显式安装命令。插件本身不会在 Obsidian 启动时下载或安装依赖。

模型、数据与安装边界

文字分析可使用本地 Ollama，或使用用户自己配置的 OpenAI 兼容云端接口，默认值适用于 DeepSeek。两种方式的边界不同：Ollama 可以运行在本机或可信局域网地址；云端模式会把当前选中的文本和固定分析提示发送给配置的 API。插件不上传整篇笔记、文件名、Vault 路径或周边笔记，也不包含遥测；PDF OCR 只会发送用户主动框选的小区域，图像不会写入 Vault。

安装需要 Obsidian 1.11.5 或更高版本，并配置一个文字分析提供者。只有选择 PP-OCRv5 的用户才需要 Python 3.11 与本地服务；已有 Ollama 视觉模型的用户不需要这一步。仓库 README 保留了手动安装、BRAT 与两条 OCR 配置路径。

还没有做完的部分

用户可显式把显示结果保存为按日归档的 Markdown 记录，但词汇卡片和间隔复习导出仍不是内置功能。PDF OCR 只面向 Obsidian 内置 PDF 视图的可见页面，不能替代 EPUB、Canvas 或第三方阅读器的通用识别。模型输出也仍取决于所选模型是否能稳定遵循结构化 JSON 格式。

这些限制决定了它现在更像一个专注于阅读瞬间的助手，而不是完整的日语课程或记忆系统。后续工作应先验证复习卡片是否真的能减少阅读后的整理成本，再决定是否加入。