Web Workbench：DeepSeek Harness 的浏览器操作与文档读取插件

前言¶

DeepSeek Harness（DSH）的桌面端工具链已经可以调度外部服务，但面对需要 JavaScript 渲染、登录态保持或本地文件处理的场景时，现有方案仍显不足。web_search 与 web_fetch 适合静态或简单接口，却无法处理复杂的表单、验证码、登录流程或本地文档。本插件为 DSH Desktop 0.2.1-rc.2 提供原生浏览器交互能力，将真实浏览器、PDF 解析、OCR 和视频帧提取纳入同一调度体系。

插件定位¶

Web Workbench 是面向 DSH 的 Cordis 原生插件，注册 13 个工具，复用 Harness 的工具调度、会话日志和系统提示词接口。它使用 Playwright 启动真实 Edge/Chromium 浏览器，通过右侧栏“AI 浏览器”展示实时画面，支持人工接管登录、验证码与 MFA，并将结果回流给 AI 工具链。插件在 Host 进程中使用浏览器、网络和文件 API，但不替代 DSH 的权限策略。

核心能力¶

真实浏览器打开与渲染：支持需要 JavaScript 的网站，返回渲染后的正文、元素引用与标签页。
表单与页面交互：使用最近一次快照中的元素 ref 执行点击、翻页、输入、选择、提交、滚动、切换标签页等操作；操作后返回新快照，旧 ref 失效。
人工接管与登录：在右侧栏“AI 浏览器”中点击“接管浏览器”，手动登录网站、处理验证码/MFA；登录状态按会话隔离，同一会话重开保留。
文件上传与下载：通过“选择文件”将本地文件放入当前会话暂存区，再上传到网页；网页下载列表可在“下载文件”中查看并保存。
PDF 全文提取：下载后按页解析，支持页码与文字分页；扫描页可启用 OCR。
图片文字识别：内置英文和简体中文 OCR 语言包，运行时无需联网下载。
PDF/网页核对与视频帧：通过 pdf_render 将指定页转 PNG，或对网页截图；通过 video_inspect 读取格式与时长，用 video_frame 按时间点提取帧。
HTTP 流式下载与浏览器会话：web_download_file 支持流式大小限制、重定向验证、取消与残缺清理，设置 use_browser_session:true 可附加当前站点 Cookie。

插件不能保证所有站点接受自动化，也不能绕过验证码、MFA、订阅权限或付费墙。图片 OCR 不等于语义理解，当前不包含语音转写与额外视觉模型。

安装与启用¶

Windows 独立安装器¶

确保已打开过一次 DSH Desktop，然后克隆仓库并在终端执行：

git clone https://github.com/CoraEJones/dsh-web-workbench.git
cd dsh-web-workbench
.\Install.cmd

安装器会调用官方 dsh plugin --profile desktop add <压缩包> --ignore-scripts，同时安装插件依赖。它不手工覆盖 profile 配置，不修改全局权限，不需要管理员账号。安装后通过 web_workbench_status 验证工具可用。

通过 Harness 管理入口¶

在提供 plugin_manager 工具的聊天中，发送：

请用 plugin_manager 安装插件：action=install_bundle，target=github:CoraEJones/dsh-web-workbench。
使用当前 desktop profile，不手工改 profile 的 package.json 或 cordis.patch.yml。
安装后检查 application 和 warnings，再核对 web_workbench_status、web_browser_open、web_browser_action、web_download_file、pdf_read、image_read。
调用 web_workbench_status 验证工具可用。只有实际生效后才报告已安装；如需重启请明确告诉我。

安装后，点击“打开 AI 浏览器”即可使用。

典型用法¶

读取论文 PDF¶

打开这篇论文的页面，用真实浏览器查找并下载我有权访问的 PDF，读取全文，按页码整理原理和实验参数。遇到登录或验证码先把浏览器交给我，完成后继续。

表单填写与提交¶

打开这个网站，替我填好表单。提交前先让我检查内容，确认后再提交，并核对成功回执。

本地文件处理¶

先调用 web_workbench_status 获得本会话暂存目录，将 PDF、图片或视频文件复制到该目录，再使用 pdf_read、image_read 或 video_frame 读取内容。工具仅能读取和上传该目录内的文件。

设置与运行条件¶

通过 Harness 的插件设置修改 Config，无需改源码：

dataDir：用户目录下 .dsh/web-workbench
headless：true（后台运行并在侧栏显示同一浏览器）；false 可额外显示独立窗口
browserChannel：msedge（也可用 chrome 或空字符串使用 Playwright Chromium）
timeoutMs：30000
maxFileBytes：100 MiB
maxTextChars：每次 20000 字符
ocrLanguage：eng+chi_sim（支持 eng、chi_sim）
ffmpegPath / ffprobePath：可设为绝对路径
verifyOnLoad：false（是否运行显式 Host 自检）

运行环境要求 Node.js >=22.13；视频工具需要 FFmpeg/ffprobe 可用。

适用场景与注意¶

适合需要真实浏览器渲染、登录态保持、复杂表单或本地文档处理的 DSH 代理开发。
插件在 Host 进程中使用浏览器、网络和文件 API，不是操作系统沙箱；插件会读取外部不可信数据，需在系统提示词中明确其边界。
不要分享包含浏览器 profile 或 auth-state.json 的数据目录；不要将数据目录加入版本库。

小结¶

Web Workbench 将真实浏览器、PDF 解析、OCR 和视频帧提取纳入 DSH 工具链，支持人工接管与 AI 自动化的混合协作。通过统一的工具接口和会话隔离，开发者可以在不离开 DSH 的前提下完成从网页操作到本地文档处理的闭环。

目录页：https://www.skillhub.cn/plugins/CoraEJones/dsh-web-workbench
GitHub：https://github.com/CoraEJones/dsh-web-workbench