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
pdf_info→ 852 页,有文字层pdf_outline→ 找到「7. DMA」在第 240 页pdf_text240-244→ 读这五页- 第 243 页的时序图抽出来是乱码 →
pdf_render243,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:
- 康熙部首(U+2F00–U+2FDF,如
⽂)—— 用 NFKC 折回正常汉字。 - 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
链接
同类插件
Tencent/WeKnora#dsh-weknora★ 37546
把 WeKnora 知识库接入 dsh 的四个只读工具:列出知识库、混合检索原文片段、按顺序还原单篇文档,以及直接取用 WeKnora 自己带引用的 RAG 或 ReAct agent 回答(含可续聊的 session id)。
DayuanJiang/next-ai-draw-io#dsh-plugin★ 36997
dsh 的 draw.io 绘图插件:通过 next-ai-drawio MCP 服务器作图,点回复里的链接在右侧栏打开实时预览,可以手动修改图,AI 的每次修改都是可以恢复的版本。需 Node.js 18+,首次使用由 npx 下载 MCP 服务器。
superdesigndev/treg★ 8164
给 Agent 的工具目录:按「要做的事」检索约 2,600 个外部接口(SEO 与 SERP、外链、社交、人物与公司信息补全、广告库、抓取),查看参数与单次调用价格后直接调用,凭据由服务端注入。附带技能,MCP 行在未设置 TREG_TOKEN 前保持禁用。
T-Auto/dsh-ops★ 5864
为 Windows 的 DSH 提供 bash、PowerShell 7 及 Rust 高性能工具,减少 token 消耗。
sixtysevenlf/dsh-blender-plugin★ 2147
让 DSH agent 通过直连 TCP 通道驱动本地 Blender,提供 15 个工具:视口帧、自定义视角渲染、Python 执行、无头与作业卸载、事务回滚,以及 34 个 family / 228 个 op 的规划层。
helloHub1212/dsh-windows-mcp★ 1456
通过官方 MCP 客户端桥接层把 CursorTouch/Windows-MCP 桌面自动化服务器接入 DSH,把截屏、UI 树快照、鼠标键盘输入、剪贴板、进程与注册表等工具注册成 mcp__windows__* 供模型调用,并附带 windows_mcp_doctor 诊断工具;Computer Use 默认关闭,需在插件面板里打开。
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。