前言¶

當模型需要讀取一份本地 PDF 時，常見做法是先把文本整理進上下文，或依賴外部解析服務。下面介紹 sunshine-lang/dsh-pdf，這是一個 DeepSeek Harness（DSH）插件：在本地解析 PDF，提取文本、元數據與頁碼範圍，解析過程無需 API key、無需網絡。

這是什麼¶

dsh-pdf 由 sunshine-lang 維護，許可證爲 MIT。它爲 DSH 提供一個 PDF 工具箱，基於 PDF.js / pdfjs-dist 做本地解析，把“讀取 PDF 文本、查看標題和總頁數、按頁碼範圍取內容”變成模型可以調用的工具。

核心功能¶

• 提供 pdf_read 工具，逐頁提取文本並帶頁碼標記。
• 支持頁碼範圍選擇，例如 "1-3,5" 或 "all"。
• 讀取文檔元數據（標題）與總頁數。
• 內置文件字節上限、單次解析頁數上限、單次調用字符上限。
• 通過 harness 文件系統接縫（ctx.fs）讀取 PDF，讀取行爲受當前 dsh 進程的權限與沙箱策略約束。
• 基於 PDF.js / pdfjs-dist 本地解析，解析過程無需 API key、無需網絡。

安裝與啓用¶

package.json 要求 Node >=22.19。從 GitHub 安裝時，使用：

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

通過 registry 或 GitHub 安裝時，依賴會自動處理。本地 link: 安裝不會自動安裝依賴，需要手動添加。

典型用法¶

啓動 Web UI 後，可以向模型提問：

讀取 paper.pdf 的前 3 頁並總結。

也可以詢問某頁內容：

contract.pdf 第 7 頁寫了什麼？

模型會調用 pdf_read。參數 path 必填；可選 pages，取值可以是 "1-3,5" 或 "all"。例如：

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

當輸出達到上限時，會在頁邊界截斷並給出提示；模型可以用頁碼範圍繼續讀取。

內置限制¶

dsh-pdf 內置了三個與讀取規模相關的配置項：

• maxFileBytes 默認 20971520（20 MiB），是整個 PDF 的字節上限（含）；超過直接報錯。
• maxPages 默認 500，是單次調用最多解析的頁數；超出則截斷並提示。
• maxCharsPerCall 默認 12000，是單次調用返回的最大字符數；結果在頁邊界截斷。

配置無效時，插件加載會直接失敗，並給出可操作的錯誤信息。

適用場景與注意¶

• 適合在 DSH 中讀取本地 PDF 文本、查看標題和總頁數、按頁碼範圍分塊處理大文檔。
• 因爲通過 ctx.fs 讀取 PDF，插件讀取文件時會受當前部署的權限與沙箱策略約束；安裝前應檢查源碼和許可證。
• 本地 link: 安裝不會自動安裝依賴；通過 registry 或 GitHub 安裝會自動處理。
• 需要 Node >=22.19。

鏈接¶

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