在 DeepSeek Harness 的开发实践中，调用外部工具是构建智能体的关键环节。直接让模型读取技能描述并执行 shell 命令往往效率低下，且容易出错。为了解决这一问题，开发者 Ln1m 提供了 dsh-tool-literature 插件，将文献检索流程封装为可被模型直接调用的结构化工具。
插件简介¶
dsh-tool-literature 是一个针对 DeepSeek Harness 的模型可调用文献检索工具。它基于 paper-search.py 脚本构建，集成了 OpenAlex 的引用排序和 arXiv 的相关性判断功能。该插件属于联网工具类别，旨在通过一次结构化调用替代传统的阅读技能体和执行 shell 命令的流程。
核心功能¶
- 模型可调用接口：提供结构化的
literature_search工具，供智能体直接调用。 - 脚本封装：内部调用
paper-search.py脚本处理检索逻辑。 - 引用排序：利用 OpenAlex 数据源对检索结果进行引用量排序。
- 相关性评分：结合 arXiv 的相关性算法优化检索结果。
安装与依赖¶
根据提供的资料，该插件仓库未明确列出标准的安装命令。插件通过 package.json 定义其依赖与配置。
在 package.json 中可以看到以下关键依赖：
* @deepseek-ai/cordis (版本 >= 4.0.1)
* @deepseek-ai/dsh-tools (版本 >= 0.1.0-rc.6)
插件内部通过环境变量 DSH_PAPER_SEARCH_SCRIPT 定位 paper-search.py 脚本路径（默认为 ~/Research-Tools/paper-search.py）。由于该仓库已归档并入 dsh-tool-suite，建议直接关注合并后的仓库进行集成。
典型用法¶
使用该插件后，智能体无需理解技能体的自然语言描述，也无需手动构建 shell 命令，仅需发起一次结构化的工具调用即可完成文献检索。插件内部会调用配置的 paper-search.py 脚本，并结合 OpenAlex 和 arXiv 的算法对结果进行排序。
适用场景与注意事项¶
- 适用场景：需要自动化文献检索、依赖引用排序和相关性评分的研究型智能体。
- 注意事项：
- 该插件仓库已归档，内容已合并至
dsh-tool-suite，不再更新，仅保留历史记录。 - 插件以当前 DSH 进程的权限运行，安装前应检查源码与 MIT 许可证。
- 该插件仓库已归档，内容已合并至
总结¶
该工具简化了智能体与文献检索工具的交互方式。更多详情与源码请参考项目主页：
* GitHub 仓库
