dsh-deepread:面向 AI 智能体的证据优先深度阅读

前言

在 DeepSeek Harness(DSH)里让模型读长文、PDF 或整本书,常见做法是直接丢全文进对话,或让模型自由摘要。这类输出往往缺少可回溯的出处:观点与原文如何对应、哪些推断有依据、哪些内容原文并未支持,事后很难核对。

DeepRead(xiehuan123/dsh-deepread)把阅读流程改成「证据优先」:从文章、书籍、PDF、文件或粘贴文本中提取可追踪的 claims、evidence、confidence levels、knowledge maps 和 review questions。原文不支持的观点会明确标注,不会静默升级为主题或编造证据。

这是什么

DeepRead 由维护者 xiehuan123 发布,在 SkillHub 目录中归类为「模型推理」。项目采用 MIT 许可证,当前 npm 版本为 1.0.0,要求 Node ^22.19 || >=24

插件以两种兼容形态提供:

  • Portable Agent Skill:面向 Codex、Claude Code 等 Agent Skills 兼容工具,零运行时依赖,智能体按 evidence-first 工作流自行调用文件与网页工具。
  • Host plugin package:面向 DeepSeek Harness Web/headless 与 dsh-TUI,提供 deepread 工具、PDF 提取、可选持久化/后台任务/Web 路由、批量对比、成本预览,以及 HTML/XMind 兼容导出;浏览器客户端为可选 Web 入口。

GitHub 仓库当前约 37 stars、3 forks。

核心功能

五种阅读模式

模式 适用场景 主要输出
quick 快速了解「这篇文章讲什么」 一行摘要、核心观点、论证结构、引用、关键概念、批判性问题
deep(默认) 单篇仔细读 概览、核心观点、论证结构(claim + evidence + 原文引用)、论证流、章节要点等;长文自动分段
map 研究、引用前事实核查 核心问题与结论、十类内容分类、claim-evidence 配对、关键数据表、八种关系标签、四级 confidence、Mermaid 思维导图、XMind 大纲、主动回忆题
feynman 真正学会并教给别人 11 步循环:目录 → 问题 → 逐章 → claims/data/evidence → 章节导图 → 合书讲解 → 自检 → 对照原文修正 → 合并导图 → 再讲 → 间隔复习
book 整本书或超长文本 目录、章节脉络、按部分 deep read 后汇总的全书摘要

输入与导出

支持三类输入:微信公众号文章 URL(mp.weixin.qq.com 稳定链接)、本地文件(.txt/.md/.html/.pdf,PDF 使用内置纯 JS 提取器,含中文 ToUnicode 映射与页码标记)、粘贴文本。

默认在会话内展示结果;export 可选 md / mm(FreeMind,可导入 XMind)/ html(带明暗主题的网页报告)/ all,写入工作区 deepread-output/

Host 插件附加能力

  • 批量对比batch 传入 2–10 篇文档(url/path/text),输出逐篇摘要与跨篇对比矩阵、冲突、互补与综合报告。
  • 引用溯源:报告携带页码/段落出处,引用表可回溯到原文 【第N页】 标记。
  • 成本预览estimate: true 在不调用模型的前提下预览 token 消耗、模型调用次数与预计耗时。
  • 进度透明:长文、大 PDF、批量任务转为官方后台 job,进度流逐段推送;PDF 解析按页流式显示进度。
  • Web 面板deepread 工具结果卡片(四级 confidence 图例、可折叠区块)及输入区旁的 📖 阅读面板;面板支持预算预检(POST /api/deepread/budget)与本地最近阅读历史(localStorage)。

DeepRead 不会在原文缺乏支持时把主题静默升级为 claim,也不会用虚构证据填补空白。

安装与启用

Portable Agent Skill

适用于 Codex、Claude Code 等环境:

npx skills@latest add xiehuan123/dsh-deepread

DeepSeek Harness 完整插件

在 DSH Web 环境中安装 Host 插件包:

dsh plugin --profile web add dsh-deepread

安装后重启 dsh web,可通过 📖 阅读面板或在对话中调用 deepread 工具。

典型用法

Agent Skill 场景

安装 Skill 后,可直接向智能体发起请求:

Deep-read docs/architecture.pdf in knowledge-map mode.
For every important claim, show the supporting evidence and source location.

DSH Host 场景

重启 Web 服务后,在聊天中调用 deepread 工具,或使用阅读面板选择链接/路径/文本、模式与导出格式后一键开始。

仓库提供可复现示例输出(非占位截图),例如:

  • deep 模式:examples/claude-code-token-optimization.md
  • map 模式:examples/ad-fact-check-knowledge-map.md
  • deep 模式:examples/vivo-tauri-architecture.md

适用场景与注意

适合谁

  • 需要在 DSH 或 Agent Skills 环境中系统性读长文、PDF、书籍,并产出可核查结构化报告的用户。
  • 写研究笔记、做引用前 fact-check、或按 Feynman 法深度学习某一主题时,map / feynman / book 模式对应不同深度与输出形态。
  • 需对比多篇文档观点差异与互补关系时,可使用 batch 跨篇对比。

使用前注意

  • 插件以当前 dsh 进程权限运行,安装前应阅读 GitHub 源码 与 MIT 许可证,确认行为符合你的安全策略。
  • Host 插件要求 Node ^22.19 || >=24;完整功能(PDF 提取、后台 job、Web 面板、预算 API)依赖 DSH Web/headless 或 dsh-TUI 环境,Portable Skill 形态则无 Host 运行时依赖。
  • SkillHub(https://www.skillhub.cn)为社区独立目录,与 DeepSeek / 幻方无官方从属关系。

结尾

DeepRead 把「读完了」变成「读清楚了」:每条重要观点尽量配对 evidence 与 confidence,缺少原文支撑时明确说明。若你已在用 DSH 处理文档类任务,可按上述命令安装试用。

  • 目录页:https://www.skillhub.cn/plugins/xiehuan123/dsh-deepread
  • GitHub:https://github.com/xiehuan123/dsh-deepread
  • 中文文档:https://xiehuan123.github.io/dsh-deepread/
羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

小夜