前言¶

DeepSeek Harness（DSH）的插件生态采用「一切皆插件」的思路：每个插件通过 Cordis 注册一个工具，由智能体按需调用。在需要处理超长、多模态原始文件（财报工作簿、长合同、业务台账）的场景下，直接把文件丢给大模型往往会导致 Token 爆炸、注意力分散、数字算错或条款遗漏。本插件在「读文件」之前先做一层确定性萃取：将原始文件压成高密度结构化 Markdown + JSON，过滤冗余、抽取实体、做勾稽校验，供下游 M1–M4 模块用最省 Token 的上下文。

是什么¶

dsh-context-extract 是一个纯 host 插件，为 DSH 注入一个全局工具 context_extract，以及一段「上下文萃取与压缩器」的系统提示。安装后，任何会话都可以直接调用该工具，把超长原始文件转为结构化输出。插件本身不新增 GUI、不改 DSH 源码、没有 npm 运行时依赖。

核心功能¶

安装后，context_extract 会完成以下工作：

• 类型识别：自动判断文件类型（财务报表·法律合同·业务台账）。
• 关键指标抽取：针对财务报表抽取关键指标交叉表。
• 表格与条款切分：将台账表格 dump，将合同按条款编号化切分。
• 实体抽取：识别公司、日期、金额等实体。
• 勾稽校验：仅在财务报表时自动校验平衡关系与现金勾稽，发现异常输出 <alert>。
• 输出结构化 Markdown + JSON：包含 type、type_label、key_items、tables、clauses、entities、alerts、markdown、token_estimate、report.markdownPath、report.jsonPath。
• 只读输入：插件只读取原文件，绝不修改。

典型用法¶

调用示例：

context_extract(
  path: "/abs/or/relative/财报.xlsx",   // 必填；支持 .xlsx/.xlsm/.csv/.docx/.txt/.md
  targets: ["货币资金", "净利润"],        // 可选：只抽指定指标
  outputDir: "..."                       // 可选：报告目录（默认 <输入目录>/.context-extract）
)

返回值示例（JSON）：

{
  "type": "financial-report",
  "type_label": "财务报表",
  "key_items": [
    {"item": "货币资金", "value": 1234567890, "row": "资产总计"},
    {"item": "净利润", "value": 987654321, "row": "利润表"}
  ],
  "tables": [...],
  "clauses": [...],
  "entities": [...],
  "alerts": [
    {"type": "balance-sheet", "message": "资产总计 ≠ 负债合计 + 所有者权益合计（容差 0.1%）"},
    {"type": "cash-tieout", "message": "BS 货币资金 ≠ CF 期末现金及现金等价物"}
  ],
  "markdown": "...",
  "token_estimate": "...",
  "report": {
    "markdownPath": "...",
    "jsonPath": "..."
  }
}

能力边界（v0.1）¶

勾稽校验（自动，仅在财务报表时）¶

• balance-sheet：资产总计 ≠ 负债合计 + 所有者权益合计（容差 0.1%）→ <alert>。
• cash-tieout：BS 货币资金 ≠ CF 期末现金及现金等价物 → <alert>。

安装与启用¶

以 desktop profile 为例：

CLI="/Applications/DeepSeek Harness.app/Contents/Resources/runtime/cli/bin/dsh"
"$CLI" plugin --profile desktop add link:<plugin-dir>/dsh-context-extract

安装后，检查 ~/.dsh/profiles/desktop/package.json 的 dsh.profile.bundles 里是否有 dsh-context-extract；再在 GUI 工具列表里确认出现 context_extract（未出现则重启一次 DSH）。

卸载：

"$CLI" plugin --profile desktop remove dsh-context-extract

卸载不会删除已生成的报告。

运行环境¶

插件会自动探测运行环境：

• Python 3 + openpyxl + python-docx
• 路径：~/.dsh/dsh-runtimes/dsh-primary-runtime/dependencies/python

可通过环境变量 DSH_CONTEXT_EXTRACT_PYTHON 覆盖 Python 路径。如果 Python 缺失，工具会报错并提示使用 load_workspace_dependencies 检查。

适用场景与注意¶

• 适合需要从财报、合同、台账等超长原始文件中快速抽取结构化信息的 DSH 智能体开发场景。
• 插件以当前 DSH 进程权限运行，安装前应检查源码与许可证。
• 已知限制：
• 关键指标依赖中文行标签（资产总计、负债合计、货币资金等）；非中文模板会退化为台账/文本。
• 公式单元格若无缓存值，按空处理（报告中会标注；需要精确值可先用 LibreOffice 重算）。
• 条款切分为结构性切分，不生成语义摘要——「条款号 + 核心义务/权利」的概括由 agent 按系统提示完成。
• PDF 不支持，需先转换。

结尾¶

通过在「读文件」之前先做一层确定性萃取，本插件能让下游模块用更少的 Token 掌握同样的事实，降低 Token 爆炸与数字出错的风险。相关目录与源码见下：

• SkillHub 插件页：https://www.skillhub.cn/plugins/zirscard/dsh-context-extract
• GitHub 仓库：https://github.com/zirscard/dsh-context-extract