前言¶

当模型需要读取一份本地 PDF 时，常见做法是先把文本整理进上下文，或依赖外部解析服务。下面介绍 sunshine-lang/dsh-pdf，这是一个 DeepSeek Harness（DSH）插件：在本地解析 PDF，提取文本、元数据与页码范围，解析过程无需 API key、无需网络。

这是什么¶

dsh-pdf 由 sunshine-lang 维护，许可证为 MIT。它为 DSH 提供一个 PDF 工具箱，基于 PDF.js / pdfjs-dist 做本地解析，把“读取 PDF 文本、查看标题和总页数、按页码范围取内容”变成模型可以调用的工具。

核心功能¶

• 提供 pdf_read 工具，逐页提取文本并带页码标记。
• 支持页码范围选择，例如 "1-3,5" 或 "all"。
• 读取文档元数据（标题）与总页数。
• 内置文件字节上限、单次解析页数上限、单次调用字符上限。
• 通过 harness 文件系统接缝（ctx.fs）读取 PDF，读取行为受当前 dsh 进程的权限与沙箱策略约束。
• 基于 PDF.js / pdfjs-dist 本地解析，解析过程无需 API key、无需网络。

安装与启用¶

package.json 要求 Node >=22.19。从 GitHub 安装时，使用：

dsh plugin --profile web add "github:sunshine-lang/dsh-pdf"

通过 registry 或 GitHub 安装时，依赖会自动处理。本地 link: 安装不会自动安装依赖，需要手动添加。

典型用法¶

启动 Web UI 后，可以向模型提问：

读取 paper.pdf 的前 3 页并总结。

也可以询问某页内容：

contract.pdf 第 7 页写了什么？

模型会调用 pdf_read。参数 path 必填；可选 pages，取值可以是 "1-3,5" 或 "all"。例如：

{
  "path": "paper.pdf",
  "pages": "1-3"
}

当输出达到上限时，会在页边界截断并给出提示；模型可以用页码范围继续读取。

内置限制¶

dsh-pdf 内置了三个与读取规模相关的配置项：

• maxFileBytes 默认 20971520（20 MiB），是整个 PDF 的字节上限（含）；超过直接报错。
• maxPages 默认 500，是单次调用最多解析的页数；超出则截断并提示。
• maxCharsPerCall 默认 12000，是单次调用返回的最大字符数；结果在页边界截断。

配置无效时，插件加载会直接失败，并给出可操作的错误信息。

适用场景与注意¶

• 适合在 DSH 中读取本地 PDF 文本、查看标题和总页数、按页码范围分块处理大文档。
• 因为通过 ctx.fs 读取 PDF，插件读取文件时会受当前部署的权限与沙箱策略约束；安装前应检查源码和许可证。
• 本地 link: 安装不会自动安装依赖；通过 registry 或 GitHub 安装会自动处理。
• 需要 Node >=22.19。

链接¶

仓库：https://github.com/sunshine-lang/dsh-pdf