dsh-pdf：DeepSeek Harness PDF 讀取插件

DeepSeek Harness (DSH) 插件體系允許通過擴展來增強 AI 助手的能力。在文檔處理場景中，讀取 PDF 是常見需求，但通常面臨文件大小限制（如 64KB）以及對掃描件或圖片頁無法直接讀取的問題。dsh-pdf 插件通過 pdfjs-dist 提取完整 Unicode 文本層，並對掃描件/圖片頁自動 OCR，解決了這些痛點。

插件介紹¶

該插件由 henryxiao709 維護，旨在讓 AI 助手讀取任意大小的 PDF 文件。它通過 pdfjs-dist 提取完整的 Unicode 文本層，支持中文、英文及其他腳本；同時針對掃描件或圖片頁，提供自動 OCR 回退機制。插件採用 MIT 許可證。

核心能力¶

分頁讀取：支持通過 pages 參數指定讀取範圍，如 "1-3"、"2"、"1,3-5" 或 "all"。
無文件大小限制：默認單文件上限爲 200MB，突破了常見的 64KB 限制。
完整 Unicode 文本層：利用 pdfjs-dist 提取文本，支持多語言。
自動 OCR 回退：在 auto 模式下，頁面文字層字符數少於閾值時，會自動進行 OCR 處理。
模式控制：提供 text（僅文本層，速度快）、ocr（強制 OCR）、auto（自動判斷）三種模式。
OCR 引擎選擇：支持 Windows WinRT OCR（零安裝，需特定語言包）或 tesseract.js。

安裝與啓用¶

安裝過程需要操作文件系統和 Node.js 環境。執行以下命令完成克隆和依賴安裝，隨後通過命令注入到運行中的 DSH 實例中。

克隆倉庫：

    git clone https://github.com/henryxiao709/dsh-pdf.git
    cd dsh-pdf

安裝依賴：

    npm install --ignore-scripts

注入運行實例：在 DSH 的 Agent 中執行以下命令，將本地路徑注入：

    dev_install_package <絕對路徑到 dsh-pdf>

或者，將插件添加到 `dsh.profile.bundles` 中，使其隨 DSH 啓動時自動加載。

使用方法¶

插件註冊了 read_pdf 工具，支持通過參數控制讀取範圍和模式。

工具簽名：

read_pdf file_path=... [pages="1-3"] [mode=auto|text|ocr] [ocrEngine=auto|windows|tesseract] [maxCharsPerPage=20000]

返回示例：

{
  "path": ".../test.pdf",
  "totalPages": 7,
  "mode": "auto",
  "pages": [
    { "number": 1, "text": "test… [OCR] test…", "source": "mixed", "chars": 163 },
    { "number": 2, "text": "1 test）…", "source": "text", "chars": 876 }
  ],
  "engines": ["windows: ok", "tesseract: unavailable (no traineddata)"],
  "warnings": []
}

每頁返回 source 字段，標識數據來源：text（僅文本層）、ocr（僅 OCR）或 mixed（混合）。

系統要求與注意事項¶

運行環境：需要運行中的 DeepSeek Harness 實例和 Node.js >= 20。
Windows OCR 限制：若使用 Windows OCR 引擎，系統需安裝 zh-Hans-CN 和 en-US 語言包。
依賴鎖定：依賴的 @deepseek-ai/* 版本已鎖定，無需手動鏈接。
配置調整：通過 Settings → Plugins → dsh-pdf 可實時調整配置項（如 maxFileBytes、maxCharsPerPage 等）。
許可證：MIT 許可證。

dsh-pdf 解決了 DSH 生態中 PDF 讀取的文件大小限制和掃描件識別問題，適合需要在本地處理大量文檔或非文本 PDF 的開發者。更多細節可參考 GitHub 倉庫。