前言¶

在 DeepSeek Harness（DSH）里做联网智能体时，内置 web_fetch 会把页面 Markdown 按宿主上限整段注入上下文。长文档、维基类页面很容易占满 token，而真正需要的往往只是与当前问题相关的几句事实。

社区插件 dsh-plugin-web-focus（仓库 shutongcao1-design/dsh_WebFocus）注册独立工具 web_focus：先经宿主 ctx.web.fetch() 拉取同一 URL，再按你写的 focus 关键词做句级相关度筛选，压缩链接、去掉导航噪音，并在结果里标明省略比例；未压缩原文会落盘并可回取，页面级结果还会缓存。自 0.2.0 起插件不再接管 fetch 路径，禁用 bundle 也不会影响内置 web_fetch。

这是什么¶

• 定位：面向 DSH 的「聚焦阅读」联网工具（社区目录分类：联网工具）。
• 维护者：shutongcao1-design；当前包版本 0.2.2（MIT）。
• 与 web_fetch 的关系：web_fetch 行为保持默认；需要按关注点裁剪正文时，改用 web_focus。

核心功能¶

下面介绍 README 与源码中可核对的能力。

独立工具 web_focus¶

必填参数为 url（绝对 http/https）和 focus（一句话关键词查询，不是「请总结」类指令）。工具按页内 IDF × 与 focus 的 token 重叠给句子打分，并做稀有词覆盖、角色/日期行补全等后处理；输出主要为 notice + content，并附带 kept、total、truncated、rawPath 等字段供排查。

可选参数包括：

• full=true：不做相关度筛选，注入整页（仍受 maxTextLength 硬上限约束）；focus 仍必填。
• refresh=true：绕过页面缓存与失败缓存，重新抓取。
• offset / limit：进入分段窗口路径。
• max_age：缓存允许的最大秒数，过期则重新抓取。

正文处理与缓存¶

处理流水线（README 摘要）：去不可见字符 → 压缩链接 / 丢弃导航 → 分句 → 强制保留首尾句与含 focus 词的标题（最多 8 个）→ 按 focus 规模在约 4k–12k 字符预算内打分填充 → 保护高相关答案句 → 覆盖与块内聚 → 预算 reconcile → 输出覆盖率头与稀疏匹配提示。

• 原文保留：默认在插件目录下的 data/raw 写入未压缩正文（可通过 rawDir 改路径）；默认约 30 天启动时清理（rawCleanupDays）。
• 页面缓存：默认 TTL 1800 秒；同一 URL 换不同 focus 会重新筛选，不是回放旧摘要。
• 失败缓存：默认 240 秒；命中时 web_focus 会抛错而非立刻重试，可用 refresh: true 清缓存。

0.2.x 相对早期原型的变化¶

README 中的对照基准显示：在 10k–200k 字符的测试页上，0.2.x 在保持关键句覆盖率的同时，注入体量明显小于 0.1.0 的「低保留率则回退整页压缩文」策略。开发期实页检查示例（focus 为 population mayor mission founding date）：en.wikipedia.org/wiki/San_Francisco 约 459,687 字符原始体量 → 约 3,765 字符正文片段；zh.wikipedia.org/wiki/Xiamen 约 335,038 → 约 3,946 字符。

已知边界¶

基于词面重叠的选取无法覆盖与 focus 完全无共同词汇 的表述（README 中的 paraphrase 基准案例）。缓解方式：在 focus 里写上页面可能出现的词、对同义改写多的页使用 full=true，或读取保留的 raw 全文。

环境与依赖¶

1. 已启用 DSH 内置 web 服务（@deepseek-ai/dsh-web-app）。
2. Node.js ≥ 18。
3. @deepseek-ai/schemastery（peer；由 DSH 提供）。

长页注意：宿主 HTTP 抓取默认在解码正文 100,000 字符处截断。插件在 truncated: true 时会警告；若截断发生在 infobox 之前，聚焦选取无法看到未到达的正文。README 建议在宿主配置中提高 web-fetch-http 的 maxBodyChars（测试配置示例为 2000000），修改后需重启宿主。

- id: web-fetch-http
  config:
    maxBodyChars: 2000000

安装与启用¶

包未发布到 npm。按 README，先从仓库取得源码，再用 plugin_manager 安装 bundle（cordis.patch.yml 仅插入 web-focus 插件行，不修改 web 行）。

git clone https://github.com/shutongcao1-design/dsh_WebFocus.git

在 DSH 中对 plugin_manager 执行（将路径换成你本机 clone 的绝对路径）：

plugin_manager  action: install_bundle   target: <absolute path to the checkout>

若曾安装过带 fetchProvider 的旧版，需先移除旧 bundle，并检查 profile 里是否仍引用旧 provider id。

安装前建议阅读仓库源码与 LICENSE、SECURITY.md。插件在当前 DSH 进程权限下运行，抓取与落盘行为与宿主 web 策略一致，但 raw 目录可能含页面中的个人数据。

典型用法¶

智能体侧调用工具 web_focus（名称以注册结果为准）。思路是：URL 指向目标页，focus 写你期望出现在答案里的词，而不是自然语言任务描述。

README 开发期实页检查使用的 focus 示例：

population mayor mission founding date

对应维基英文旧金山条目时，人口、市长姓名与建城日期等事实仍出现在约千级字符的摘要中，而非整页 Markdown。

需要通读或 focus 词面覆盖不足时：

• 设 full=true 获取 capped 全文注入；
• 或根据返回的 rawPath 读取磁盘上的未压缩原文（注意默认目录在包内，重装 bundle 可能丢失，持久化请配置 rawDir）。

抓取失败或刚失败过的 URL：使用 refresh=true 避免短时间内的失败缓存。

主要配置项¶

在插件 web-focus 的 config 中可调整（默认值见 README 配置表）：

适用场景与注意¶

适合：需要从固定 URL（文档、维基、公告）里按多个事实点抽句、且愿意用关键词表达关注点的 DSH 智能体；与 web_fetch 并存，按任务选择工具。

注意：

• focus 是关键词查询；问法再完整，若词不在页面上，相关句也不会被选中。
• 非 2xx 响应会作为结果返回并进入失败缓存，不是抛宿主级网络错误。
• 抓取经 ctx.web.fetch，SSRF、重定向与大小限制仍由宿主负责；插件不把安全拦截伪装成成功。
• README 声明其为独立社区插件，与 DeepSeek 无隶属或背书关系；社区目录 SkillHub 亦为独立站点，非官方应用商店。

结尾¶

dsh_WebFocus 把「整页注入」拆成「按 focus 精读 + 可回取原文 + 缓存复用」，在 0.2.x 中用稀疏摘要替代整页回退，更适合 token 敏感的 Harness 工作流。查阅条目与源码：

• 目录页：https://www.skillhub.cn/plugins/shutongcao1-design/dsh_WebFocus
• GitHub：https://github.com/shutongcao1-design/dsh_WebFocus