前言¶
在智能体开发或日常工作中，PDF 批量处理是常见需求：多份文档合并、按页拆分、压缩体积、加文字水印，或提取文本与图片。常见做法有：使用在线网站（存在隐私与安全风险）、用 Adobe Acrobat 逐个操作（效率低）、自己写脚本（容易出错、覆盖原文件）。下面介绍 DeepSeek Harness（DSH）的一个插件：feely0208/dsh-pdf-kit，它把这些操作封装成一条可重复、可核对的命令，输入只读、输出独立目录、同名自动加序号。
插件定位¶
feely0208/dsh-pdf-kit 是一个 PDF 批量处理工具箱，维护者为 feely0208。它通过 DSH 插件体系提供一系列子命令，覆盖合并、拆分、压缩、文字水印、提取文本与导出内嵌图片。插件以 MIT 许可证发布，版权归温州深鲸智能科技有限公司所有。DSH 的理念是「一切皆插件」，该插件通过目录页 https://www.skillhub.cn/plugins/feely0208/dsh-pdf-kit 与 GitHub https://github.com/feely0208/dsh-pdf-kit 对外提供。
核心功能¶
插件提供以下子命令与能力（均来自 README 与 package.json 核实）：
- merge：将多个 PDF 按给定顺序合并为一个 PDF，页数 = 各输入页数之和。
- split：按页拆成单页，或按每 N 页一份拆分，每个拆分文件的页数固定。
- compress：通过重存、图片降采样 / JPEG 重编码、字体子集化等方式压缩 PDF，页数不变，通常体积会明显变小；若文件本身无图片或已高度压缩，产物会如实报告未变小。
- watermark：对整页平铺文字水印，支持中文；水印为文字层，文字可被提取，不适合作为防复制手段。
- extract-text：每页导出一个 UTF-8 .txt 文件，页数与输入一致。
- extract-images：导出页面内嵌图片的原始字节，生成图片文件（PNG/JPEG 等）。
行为说明（来自 README）：
- 支持单文件、多文件（–input a.pdf,b.pdf）或整个目录（非递归，处理目录下所有 .pdf）。
- 输入永远只读；输出默认写到 <输入目录>/_输出，可用 –out 指定。
- 同名不覆盖：已存在 x.pdf 时自动写成 x-1.pdf、x-2.pdf。
- 提供参数 –json 用于脚本/CI 输出 JSON；–demo 自造样例并打印所有产物路径。
安装与启用¶
- 确保已安装 DSH（版本要求：>=0.1.0-rc.6 <0.3.0）与 Node.js（>=18）。
- 安装插件：
dsh plugin --profile web add @deepwhale-cn/dsh-pdf-kit
- 安装依赖（README 提供的命令）：
brew install python3
python3 -m pip install PyMuPDF
- 检查本机环境：
dsh-pdf-kit --probe
典型用法¶
- 查看效果（自造样例，不碰你的文件）：
dsh-pdf-kit --demo
- 合并多个 PDF：
dsh-pdf-kit merge --input a.pdf,b.pdf --out out
- 按页拆分（每页一个文件）：
dsh-pdf-kit split --input report.pdf --out out
- 按每 2 页一份拆分：
dsh-pdf-kit split every-n --n 2 --input report.pdf
- 压缩 PDF：
dsh-pdf-kit compress --quality 60 --input big.pdf
- 加文字水印：
dsh-pdf-kit watermark --text "内部资料" --input a.pdf
- 提取文本：
dsh-pdf-kit extract-text --input a.pdf
- 导出图片：
dsh-pdf-kit extract-images --input a.pdf
- 脚本/CI 使用 JSON 输出：
dsh-pdf-kit merge --input a.pdf,b.pdf --json
退出码约定（来自 README）：
- 0：成功
- 2：参数或输入错误
- 3：依赖缺失
- 4：执行失败
适用场景与注意¶
适合场景：需要批量处理 PDF 的智能体、自动化工作流、CI/CD 管道。插件以当前 DSH 进程权限运行，安装前应检查源码与许可证。注意事项（来自 README）：
- 不做 OCR：扫描件/图片型 PDF 提不出文字，只会得到空 txt 或图片。
- 不处理加密/受保护 PDF：需要密码的文件会报错退出，不会绕过。
- 不是 PDF 编辑器：不改文字、不删页、不改版式；merge/split 按整页搬运。
- 不保证压缩后一定更小：无图片或已高度压缩的文件可能压不动，产物会如实报告。
- 水印是文字层：文字可被提取，不适合作为防复制手段；不提供图片/Logo 水印、不提供密码保护。
- 目录批量是单层的，不会递归子目录。合并顺序对目录输入按文件名排序，对显式列表按给定顺序。
小结¶
feely0208/dsh-pdf-kit 提供了一套可重复、可核对的 PDF 批量处理能力，适合需要合并、拆分、压缩、加水印、提取文本与图片的场景。它通过一条命令完成多步操作，输入只读、输出独立目录、同名自动加序号，降低脚本出错风险。更多细节可查看目录页 https://www.skillhub.cn/plugins/feely0208/dsh-pdf-kit 与 GitHub https://github.com/feely0208/dsh-pdf-kit。
