跳到正文

Sqhao-O/dsh-docs

141最近提交 2026年8月15日

dsh-docs DSH 插件

dsh-docs 是一个 DeepSeek Harness 插件，提供完全本地的文档解析和 OCR 功能。支持 PDF、Office 文档、Markdown、HTML、CSV、图片和扫描版 PDF，输出为 Markdown、纯文本或 JSON。插件附带自包含的 Python 运行时（Windows x64 含离线 Tesseract OCR），其他平台有 Node.js 后备方案，无需 HTTP 服务、Docker 或 API 密钥。

developer-toolsskills-workflows

如何安装 dsh-docs DSH 插件

dsh plugin --profile web add dsh-doc

复制不会执行命令。安装 dsh-docs DSH 插件前请核对仓库和版本。

dsh-docs DSH 插件数据来源

dsh-docs DSH 插件快照日期：2026年8月16日

discovered

dsh-docs DSH 插件能做什么

  • 解析 PDF、DOCX、XLSX、PPTX、Markdown、HTML、CSV 和纯文本文件。
  • 使用捆绑的 Tesseract 运行时离线 OCR 处理 PNG、JPEG、TIFF、WebP 和扫描版 PDF（支持英文和简体中文）。
  • 输出为 Markdown、纯文本或结构化 JSON，每请求可配置。
  • 安全模型：路径真实路径检查、解析前字节快照、不获取远程 URL、结果受 maxOutputChars 限制。
  • Windows x64 上自包含嵌入式 Python 运行时（CPython 3.11.9、Xberg、Tesseract）；其他平台使用 Node.js 后备。
  • 通过 cordis.patch.yml 配置 engine、runtimeDir、OCR 语言、allowedLocalRoots 等。

dsh-docs DSH 插件适合哪些场景

  • 从本地 Excel 文件提取表格，让模型分析数据。
  • 通过离线 OCR 读取扫描版 PDF 发票，以纯文本形式获取内容。
  • 将一批 Word 文档转换为 Markdown，供 DSH 工作流进一步处理。
  • 解析 PDF 报告并提取特定部分（如风险、财务数据），通过 DSH agent 获取。
  • 在不将文件发送到外部服务的情况下实现本地文档理解。

dsh-docs DSH 插件适合谁

  • 需要私密、安全地处理本地文档的 DSH 用户。
  • 希望使用完整离线 OCR 管道且无需外部依赖的 Windows x64 用户。
  • 构建基于 DSH 的文档提取工作流的开发者。

dsh-docs DSH 插件的限制

  • 完整的离线 OCR（附带捆绑的 Tesseract）仅在 Windows x64 上受支持；其他平台必须使用 Node.js 引擎，禁用 OCR 或手动提供 tessdataPath。
  • 插件不支持通过 URL 获取文档；远程文件必须先下载到允许的本地根目录再解析。
  • 默认最大输出长度限制为 32000 字符（可通过 maxOutputChars 配置）。
  • 插件处于早期阶段；用户应在生产环境使用前，用自己的语料库测试 Xberg 未明确支持的其他输入格式。

dsh-docs DSH 插件的仓库 README 摘录

以下文字摘自 dsh-docs DSH 插件的上游仓库 Sqhao-O/dsh-docs 的 README，版权归原作者，仅作引用。

**dsh-docs** gives your DeepSeek Harness agent real document intelligence — entirely on your own machine. Hand it a PDF, Word, Excel, or PowerPoint file and get back clean Markdown, plain text, or structured JSON; hand it a scanned page or image and a fully offline OCR pipeline reads it for you. No Docker, no HTTP service, no API keys, and no document ever leaves your disk. It ships a pinned, self-contained Python + [Xberg](https://github.com/xberg-io/xberg) runtime with offline Tesseract language data (English and Simplified Chinese), delivering complete PDF/Office/OCR coverage on Windows x64 out of the box. The native Xberg Node binding serves as a lightweight non-OCR fallback on any platform, and every file read stays confined to folders you explicitly authorize. The published package and plugin id use the `dsh-doc` spelling and the tools use `dshdoc_*`; they were renamed from the initial `dsh-docling` / `docling_*` release. ## One-prompt install No local checkout or build toolchain is needed. Paste the following prompt into a running DSH session (for example `dsh web`) in your own project folder. The Harness agent installs the published npm package, downloads the pinned off

阅读完整 README仓库许可: MIT

dsh-docs DSH 插件常见问题

如何安装 dsh-docs 插件？

在 DSH 会话中运行 `dsh plugin --profile web add dsh-doc`。Harness 代理会自动安装发布的 npm 包并配置插件。安装完成后，需要重启 `dsh web` 才能使用 `dshdoc_health` 和 `dshdoc_extract` 等工具。

插件在 Linux 或 macOS 上支持 OCR 吗？

在 Windows x64 以外的平台上，插件使用 Node.js 引擎，不包含捆绑的 Tesseract 运行时。你可以通过设置 `tessdataPath` 指向包含所需 `.traineddata` 文件的本地目录来启用 OCR，但不会自动下载。要获得完整的离线 OCR，建议使用 Windows x64。

可以通过 URL 解析文件吗？

不可以。插件的 `dshdoc_convert_url` 工具是一个存根，返回 `UNSUPPORTED_URL`。你必须先将文件下载到允许的本地根目录（例如会话工作区或 `allowedLocalRoots` 中列出的目录），然后使用 `dshdoc_extract` 或 `dshdoc_convert_file` 解析。

如何配置允许解析的文件大小？

在 `cordis.patch.yml` 的插件配置中设置 `maxFileBytes`。默认值为 52428800（50 MB）。如果文件超过此限制，插件将拒绝解析。

插件支持解析哪些文件类型？

支持 PDF、DOCX、XLSX、PPTX、Markdown、HTML、CSV、纯文本、PNG、JPEG、TIFF、WebP 和扫描版 PDF。对于扫描版 PDF，如果启用了 `defaultOcr` 选项且运行时提供了 Tesseract 数据，则会应用 OCR。