taxueseek/dsh-files

DeepSeek Harness 双面插件（dual-face plugin）：一个包、一行 cordis 配置，为 Web UI 提供「文件上传」与「文档读取」两项能力。

• 上传：输入框工具栏回形针按钮，文件以浮动彩色卡片呈现，发送时自动把路径附入消息；按会话隔离存储到 <会话工作区>/.dsh-filess/<sessionId>/，TTL 定期清扫，sha256 内容去重
• 文档读取：read_document 工具读取文本 / PDF / DOCX / XLSX，内容嗅探判定真实格式（不信任扩展名），大小预检，LRU 解析缓存

功能

上传

• 会话隔离存储：文件落在发起会话自己的工作区 .dsh-filess/<sessionId>/ 下，agent 的 fs 后端一定能读到；会话之间互不可见
• 浮动彩色卡片：按扩展名着色（PDF 红 / DOC 蓝 / XLS 绿 / TXT 灰 / ZIP 紫），显示文件名、大小、移除按钮，支持多文件横排
• 发送联动：卡片挂载后文件路径自动注入输入框，随消息发出
• 安全护栏：loopback host + same-origin + sec-fetch-site 三重校验；文件名消毒（控制字符、路径分隔、点段、前导点全部剥离）；未知会话 403；并发限流（默认 4）超限 429
• 生命周期管理：TTL 清扫（默认 7 天），空会话目录自动回收

文档读取

• 内容嗅探：PDF 头 / ZIP 中央目录成员 / UTF-8 / UTF-16 BOM / GB18030，全部从字节判定，扩展名伪装（可执行文件、图片改成 .pdf）一律拒绝
• 编码链：UTF-16 BOM → UTF-8（fatal）→ GB18030（fatal），中文 GBK 文件可直接读取
• 分页读取：行号 + offset/limit 分页，长文档按需翻页
• 解析缓存：LRU 双约束（条目数 + 字节预算），键为 (targetKey, fileVersion, format)，文件改动自动失效
• XLSX 多 sheet：合并读取（默认前 5 个 sheet），截断显式标记，模型不会把部分表格误当全量
• 大小预检：stat 先查，超限直接报 FS_TOO_LARGE，不读字节

安全

• 解析依赖全部为无已知漏洞的维护中库：pdfjs-dist（Mozilla 官方）、mammoth、read-excel-file（纯只读）
• ZIP 中央目录探测不展开任何成员，成员数与成员名长度均有上限，恶意归档安全拒绝
• 文件读取走 ctx.fs，继承会话沙箱与 fs 观察策略，与内置 read 工具同权
• 上传内容不做格式白名单强制（默认全允许），由会话沙箱兜底

安装

dsh plugin --profile web add dsh-files
# 重启 dsh web

配置

- id: upload-toolkit
  name: 'dsh-files'
  config:
    maxFileBytes: 25165824        # 单次文档读取字节上限
    readLimit: 2000               # 单次返回行数上限
    sheetRowLimit: 200            # 每个 sheet 保留行数
    maxSheets: 5                  # 每个工作簿读取的 sheet 数
    cacheEntries: 16              # 解析缓存条目数
    cacheMaxBytes: 67108864       # 解析缓存字节预算
    uploadMaxBytes: 25165824      # 单次上传字节上限
    allowedExtensions: []         # 上传扩展名白名单（空 = 全部允许）
    uploadTtlMs: 604800000        # 上传文件保留时长（7 天）
    sweepIntervalMs: 3600000      # 清扫间隔
    maxConcurrentUploads: 4       # 并发上传数
    uploadDir: /abs/path          # 无 sessions 服务时的回退上传根目录

开发

pnpm install
pnpm test          # node --test 单元测试（39 项）
pnpm build         # esbuild 打包客户端 bundle
npx tsc --noEmit   # 类型检查

许可

MIT