dsh-deepread:面向 AI 智能體的證據優先深度閱讀

前言

在 DeepSeek Harness(DSH)裏讓模型讀長文、PDF 或整本書,常見做法是直接丟全文進對話,或讓模型自由摘要。這類輸出往往缺少可回溯的出處:觀點與原文如何對應、哪些推斷有依據、哪些內容原文並未支持,事後很難覈對。

DeepRead(xiehuan123/dsh-deepread)把閱讀流程改成「證據優先」:從文章、書籍、PDF、文件或粘貼文本中提取可追蹤的 claims、evidence、confidence levels、knowledge maps 和 review questions。原文不支持的觀點會明確標註,不會靜默升級爲主題或編造證據。

這是什麼

DeepRead 由維護者 xiehuan123 發佈,在 SkillHub 目錄中歸類爲「模型推理」。項目採用 MIT 許可證,當前 npm 版本爲 1.0.0,要求 Node ^22.19 || >=24

插件以兩種兼容形態提供:

  • Portable Agent Skill:面向 Codex、Claude Code 等 Agent Skills 兼容工具,零運行時依賴,智能體按 evidence-first 工作流自行調用文件與網頁工具。
  • Host plugin package:面向 DeepSeek Harness Web/headless 與 dsh-TUI,提供 deepread 工具、PDF 提取、可選持久化/後臺任務/Web 路由、批量對比、成本預覽,以及 HTML/XMind 兼容導出;瀏覽器客戶端爲可選 Web 入口。

GitHub 倉庫當前約 37 stars、3 forks。

核心功能

五種閱讀模式

模式 適用場景 主要輸出
quick 快速瞭解「這篇文章講什麼」 一行摘要、核心觀點、論證結構、引用、關鍵概念、批判性問題
deep(默認) 單篇仔細讀 概覽、核心觀點、論證結構(claim + evidence + 原文引用)、論證流、章節要點等;長文自動分段
map 研究、引用前事實覈查 核心問題與結論、十類內容分類、claim-evidence 配對、關鍵數據表、八種關係標籤、四級 confidence、Mermaid 思維導圖、XMind 大綱、主動回憶題
feynman 真正學會並教給別人 11 步循環:目錄 → 問題 → 逐章 → claims/data/evidence → 章節導圖 → 合書講解 → 自檢 → 對照原文修正 → 合併導圖 → 再講 → 間隔複習
book 整本書或超長文本 目錄、章節脈絡、按部分 deep read 後彙總的全書摘要

輸入與導出

支持三類輸入:微信公衆號文章 URL(mp.weixin.qq.com 穩定鏈接)、本地文件(.txt/.md/.html/.pdf,PDF 使用內置純 JS 提取器,含中文 ToUnicode 映射與頁碼標記)、粘貼文本。

默認在會話內展示結果;export 可選 md / mm(FreeMind,可導入 XMind)/ html(帶明暗主題的網頁報告)/ all,寫入工作區 deepread-output/

Host 插件附加能力

  • 批量對比batch 傳入 2–10 篇文檔(url/path/text),輸出逐篇摘要與跨篇對比矩陣、衝突、互補與綜合報告。
  • 引用溯源:報告攜帶頁碼/段落出處,引用表可回溯到原文 【第N頁】 標記。
  • 成本預覽estimate: true 在不調用模型的前提下預覽 token 消耗、模型調用次數與預計耗時。
  • 進度透明:長文、大 PDF、批量任務轉爲官方後臺 job,進度流逐段推送;PDF 解析按頁流式顯示進度。
  • Web 面板deepread 工具結果卡片(四級 confidence 圖例、可摺疊區塊)及輸入區旁的 📖 閱讀面板;面板支持預算預檢(POST /api/deepread/budget)與本地最近閱讀歷史(localStorage)。

DeepRead 不會在原文缺乏支持時把主題靜默升級爲 claim,也不會用虛構證據填補空白。

安裝與啓用

Portable Agent Skill

適用於 Codex、Claude Code 等環境:

npx skills@latest add xiehuan123/dsh-deepread

DeepSeek Harness 完整插件

在 DSH Web 環境中安裝 Host 插件包:

dsh plugin --profile web add dsh-deepread

安裝後重啓 dsh web,可通過 📖 閱讀面板或在對話中調用 deepread 工具。

典型用法

Agent Skill 場景

安裝 Skill 後,可直接向智能體發起請求:

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

DSH Host 場景

重啓 Web 服務後,在聊天中調用 deepread 工具,或使用閱讀面板選擇鏈接/路徑/文本、模式與導出格式後一鍵開始。

倉庫提供可復現示例輸出(非佔位截圖),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

適用場景與注意

適合誰

  • 需要在 DSH 或 Agent Skills 環境中系統性讀長文、PDF、書籍,併產出可覈查結構化報告的用戶。
  • 寫研究筆記、做引用前 fact-check、或按 Feynman 法深度學習某一主題時,map / feynman / book 模式對應不同深度與輸出形態。
  • 需對比多篇文檔觀點差異與互補關係時,可使用 batch 跨篇對比。

使用前注意

  • 插件以當前 dsh 進程權限運行,安裝前應閱讀 GitHub 源碼 與 MIT 許可證,確認行爲符合你的安全策略。
  • Host 插件要求 Node ^22.19 || >=24;完整功能(PDF 提取、後臺 job、Web 面板、預算 API)依賴 DSH Web/headless 或 dsh-TUI 環境,Portable Skill 形態則無 Host 運行時依賴。
  • SkillHub(https://www.skillhub.cn)爲社區獨立目錄,與 DeepSeek / 幻方無官方從屬關係。

結尾

DeepRead 把「讀完了」變成「讀清楚了」:每條重要觀點儘量配對 evidence 與 confidence,缺少原文支撐時明確說明。若你已在用 DSH 處理文檔類任務,可按上述命令安裝試用。

  • 目錄頁:https://www.skillhub.cn/plugins/xiehuan123/dsh-deepread
  • GitHub:https://github.com/xiehuan123/dsh-deepread
  • 中文文檔: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