DeepSeek Harness 插件

alotherss/DeepSeekHarness-plugin#dsh-pdf-tools

Star 数 ★ 0 下载量(近 30 天) 325 分类 工具与能力 收录于 2026-11-16 npm dsh-pdf-tools

给模型按页读 PDF 的五个工具:先看页数与有无文字层,再用书签或全文搜索定位页码,只抽那几页;图纸、扫描页单页渲成 PNG 直接进上下文。中文 PDF 的康熙部首与部首补充区字符已归一化,搜「首页」不会漏。

安装

# npm 包(预构建)

dsh plugin --profile web add dsh-pdf-tools

# GitHub 源码(首次需按提示配置 allowBuilds 构建授权后重试)

dsh plugin --profile web add github:alotherss/DeepSeekHarness-plugin#path:/packages/dsh-pdf-tools

装任何插件都等于在你的机器上跑第三方代码,权限和你本人一样大——能读你的文件、用你的凭据、访问网络,工具审批管不到它。GitHub 来源的插件还会在安装时执行构建脚本——pnpm 默认拦截,所以安装可能停在 ERR_PNPM_GIT_DEP_PREPARE_NOT_ALLOWED 或 ERR_PNPM_IGNORED_BUILDS;dsh 会打印出需要添加的确切键名,把它加进该 profile 的 pnpm-workspace.yaml 的 allowBuilds 下,重跑一次即可装上。放行构建本身就是一次信任判断:请只安装可信来源,并尽量锁定 commit(github:owner/repo#sha)。

README

给模型按页读 PDF 的工具。不整本转:一本 900 页的手册整本抽成文本是几十万 token,取一页只要几百。

五个工具:pdf_info(页数/元信息/有没有文字层)、pdf_outline(书签树 + 页码)、 pdf_text(指定页的文字)、pdf_search(全本搜,只回命中页)、pdf_render(单页转 PNG)。

为什么按页读

模型的上下文是最贵的资源,而 PDF 是最容易被整本吞进去的格式。整本转换有两个后果: 一是 token 直接爆掉,二是真正需要的两三页被埋在几十万字里,模型反而找不到。

所以这里的每个入口都强制带页码:先 pdf_info 知道有多少页、有没有文字层, 再 pdf_search 或 pdf_outline 定位,最后 pdf_text 只取那几页。 搜索只返回命中的页码和片段,不返回正文。

工具

工具 作用
pdf_info 页数、标题、作者、大小、有没有文字层(决定用 pdf_text 还是 pdf_render)
pdf_outline 书签(目录)树,逐条带起始页码;长手册最好用的一跳
pdf_text 取指定页文字:5、10-12、3,7,9、all;一次最多 40 页
pdf_search 字面搜索(不分大小写),只输出命中页 + 片段 + 页码清单
pdf_render 把某一页渲成 PNG 并直接贴进结果:图纸、示波器截图、扫描件、串行的表格

pdf_text 一次最多返回 40 页 / 12 万字符,超了会报错并提示收窄范围—— 这是刻意的,避免一次调用把上下文喂满。

典型用法

  1. pdf_info → 852 页,有文字层
  2. pdf_outline → 找到「7. DMA」在第 240 页
  3. pdf_text 240-244 → 读这五页
  4. 第 243 页的时序图抽出来是乱码 → pdf_render 243,图直接进上下文

中文 PDF 的两个坑,已经处理

中文 PDF 的文字层经常把汉字映射成 Unicode 兼容字符,不归一化就搜不到:

  1. 康熙部首(U+2F00–U+2FDF,如 ⽂)—— 用 NFKC 折回正常汉字。
  2. 部首补充区(U+2E80–U+2EFF,如 ⻚ U+2EDA)—— NFKC 不管这一段,靠一张 58 条的映射表修掉。

所以搜「首页」能搜到首字是 ⻚ 的那一页。

安装

在 DSH 应用里:插件 → 插件市场,搜 dsh-pdf-tools。

命令行:

dsh plugin --profile web add dsh-pdf-tools

装完刷新页面即可,不需要重启。

依赖

  • pdfjs-dist(纯 JavaScript,抽文字、读书签、算页码)
  • @napi-rs/canvas(原生模块,只有 pdf_render 用到;预编译二进制,不编译)
  • @deepseek-ai/dsh-tools:声明为 peerDependency —— DSH 正是靠这条声明把 import 路由到宿主自己的那份副本,所以它不能写成 dependencies。

隐私

全部在本机进行:不联网、不上传、不写注册表。解析结果按「路径 + 修改时间」缓存最多 4 份,文件一变就重新解析。渲染出来的 PNG 默认落在系统临时目录的 dsh-pdf-tools\ 下。

已知限制

  • 加密 PDF 打不开(会明确报错,不会静默失败)。
  • 没有文字层的扫描件只能 pdf_render 看,不能搜索——OCR 不在这个插件的范围内。
  • pdf_text 的上限是 40 页/12 万字符;要读整本请分多次,那本来也不是好做法。

许可

MIT

内容来自项目 README(GitHub)↗

链接

同类插件

查看整个分类 →

社区评论

评论公开保存在 GitHub Discussions。加载评论会连接 GitHub 和 Giscus;发表内容需要 GitHub 账号。