逐页提取 PDF 原文并标注引用页码与漏读告警
29.9/100
综合分
0
GitHub 星标
—
npm 周下载
—/5
用户评分
数据截至 2026/10/4 · 周下载取自 npm 全网（含 CI / 镜像），非本站安装数；综合分由星标、活跃度与兼容性检查合成。
安装命令 · 需先装 dsh CLI 引擎
dsh plugin --profile web add XUYE23/dsh-page-evidence该包不可直接 npm 安装，改从 GitHub 源安装（明细见下方安装检查）
状态速览
判定依据：实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态信任档位：待复验
是什么
dsh 原生插件 · vision
安全吗
本站尚未对该插件做风险分级
暂未覆盖，不等同于无风险
还在维护吗
更新放缓：最近一次提交在 31 天前
档位由哪些信号合成
本站实装验证（真实安装 L4 覆盖全站；L5 为运行时冒烟或实机截图，覆盖范围小于 L4） · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。 下方各区块是它的证据明细。
社区实装还没有人打卡 · 装过的第一个就是你
安全扫描自动 · 静态分析源码v2.7.0🔵 扫描：含敏感能力尚无人工评估展开查看扫描说明与证据 ↓
安全扫描自动 · 静态分析源码
v2.7.0静态扫描发现插件具备触达本地系统的能力：执行外部命令、读写/删除本地文件、读取剪贴板或密钥类环境变量（至少其一）。这是能力清单，不是危险判定——具体能力项与证据见下方，安装前请自行判断是否需要。
读写/删除本地文件
查看扫描证据（共 4 处，展示前 4 条）
- 读取本地文件src/core.mjs:12
const base = await realpath(root); - 读取本地文件src/core.mjs:13
const target = await realpath(resolve(base, path)); - 读取本地文件src/core.mjs:61
const tempRoot = await realpath(tmpdir()); - 删除本地文件递归src/core.mjs:85
await rm(ocrDir, { recursive: true, force: true });
扫描于 2026/11/3（1 天前） · 范围 入口闭包 + 发布文件清单 · 来源 GitHub 仓库
静态扫描只反映源码中出现的调用，不构成安全背书；人工评估与自动扫描相互独立、互不覆盖。
依赖的 DSH / Cordis 模块
@deepseek-ai/dsh-tools@deepseek-ai/dsh-system-prompt给这个插件打分还没有人投票↓
用户评分
还没有人投票，来当第一个
功能亮点
- 逐页提取PDF原文
- 标注引用页码
- 漏读告警
面向 DeepSeek Harness 的页面感知 PDF 证据：覆盖警告、本地 CPU OCR、精确页码引用。
README
由 DeepSeek 最新模型翻译生成DSH Page Evidence
为 DSH 提供逐页 PDF 证据：明确提示漏读页、按需调用本地 CPU OCR、保留引用页码与原文偏移。
当前为本地实验性 alpha。 已验证 Windows / Node 24、中英文 CPU OCR，以及 DSH 0.2.0-rc.2 的真实工具运行时。完整 Web 安装流程、真实用户文档集与跨平台运行仍待验收。
在线演示 · 下载安装包 · English · 需求与竞品证据 · 验证记录
已复现的问题
在 dsh-docintel@7574023 中导入三页混合 PDF：第 2 页为扫描图，内容被漏掉且没有告警；查询第 3 页的关键词，返回的页码为 1。原因分别是按整份文档平均字符数判定扫描件，以及跨页合并文本块后只保留首段页码。
验证版提供逐页检查、可选 OCR，以及每页独立的引用和分块。仓库包含复现用 PDF 与前后对比脚本。此结论限定于对应版本和最小样例。
本地体验
需要 Node 24。
展开完整文档（README 剩余 1 节）
DSH Page Evidence
为 DSH 提供逐页 PDF 证据：明确提示漏读页、按需调用本地 CPU OCR、保留引用页码与原文偏移。
当前为本地实验性 alpha。 已验证 Windows / Node 24、中英文 CPU OCR，以及 DSH 0.2.0-rc.2 的真实工具运行时。完整 Web 安装流程、真实用户文档集与跨平台运行仍待验收。
在线演示 · 下载安装包 · English · 需求与竞品证据 · 验证记录
已复现的问题
在 dsh-docintel@7574023 中导入三页混合 PDF：第 2 页为扫描图，内容被漏掉且没有告警；查询第 3 页的关键词，返回的页码为 1。原因分别是按整份文档平均字符数判定扫描件，以及跨页合并文本块后只保留首段页码。
验证版提供逐页检查、可选 OCR，以及每页独立的引用和分块。仓库包含复现用 PDF 与前后对比脚本。此结论限定于对应版本和最小样例。
本地体验
需要 Node 24。在本目录运行：
git clone https://github.com/XUYE23/dsh-page-evidence.git
cd dsh-page-evidence
npm ci --ignore-scripts
npm run demo
node src/cli.mjs test/fixtures/mixed-pages.pdf --ocr --query NEBULA
node src/cli.mjs test/fixtures/chinese-scan.pdf --ocr --language chi_sim --query 现金流
打开 outputs/demo.html，可切换文字层提取和本地 OCR，查看逐页结果；JSON 原始数据位于同目录。
安装依赖时需要网络。文档处理阶段使用本地语言包，不调用外部模型服务。中文查询支持 OCR 在汉字间插入空格的情况，引用仍保留识别原文及偏移。
接入 DSH
从 GitHub Release 下载 .tgz 安装包，然后运行：
dsh plugin --profile web add ./dsh-page-evidence-0.1.0-alpha.1.tgz
重启后，工具名称为 pdf_page_evidence。通过 DSH 插件配置将 workspaceRoot 设为允许读取的文档目录；默认取宿主启动目录。首版通过本机文件系统读取，远程 SSH／容器文件系统适配尚未实现。
工具参数示例：
{"path":"资料.pdf","pages":[2,3],"ocr":true,"language":"eng+chi_sim","query":"现金流"}
结果包含文件 SHA-256、物理页码、读取方式、原文、引用偏移和覆盖告警。文字层较少的页面可触发 OCR。搜索采用字面关键词匹配，多个词须出现在同一页。
适用边界
- 单次最多 20 页、文件最大 32 MiB、OCR 渲染最大 1200 万像素；默认超时 120 秒，每页最多返回 8000 个 UTF-16 单元，并标记截断。
- 低文本阈值为每页 30 个非空白字符，短页与空白页也可能被标记；文字较多的页面中的图片区域暂不纳入检测。
- OCR 分数用于提示复核优先级；来源哈希用于确定文件版本。字符准确性与引用含义需要结合原页核验。
- 页码为 PDF 物理页序号；文内印刷页码可能不同。复杂表格、公式、手写、多栏顺序需要单独评测。
- 两份合成样例用于功能回归，不能代表真实文档的总体准确率。
- DSH 工具结果会进入用户配置的模型上下文。文档中的文字应作为待核验的外部资料处理。
原始项目与方案比较、可复现测试及后续验收标准见链接文档。MIT 许可证。预览分享卡片长什么样 ↓
分享 · DeepSeek Harness Hub
XUYE23/dsh-page-evidence
逐页提取 PDF 原文并标注引用页码与漏读告警
相关插件 · 视觉能力
智能体工作台Devin-AXIS/iPolloWork
企业级、本地优先的智能体工作台，面向个人和智能体团队——一个工作区，容纳多个智能体引擎；一套统一体系，管理插件和技能；支…
★ 7,364已汉化DSH
72
开源设计工作台nexu-io/open-design
OpenDesign：首个协作式 AI 设计智能体工作区
★ 105,709已汉化DSH
71.8
GPT 图像提示词库freestylefly/awesome-gpt-image-2
Prompt as Code | GPT Image 2 / 2.5 提示词与案例库，530+ 个案例、20+…
★ 34,534已汉化DSH
71.5
多智能体编码工作区spacering-net/codeg
多智能体协作的 AI 编程工作区：汇总 Claude Code、Codex、OpenCode、Pi、Grok Build 等来源的会话。支持桌面应用、自托管服务器或 Docker。
★ 4,319已汉化DSH
71.5
AI 用量桌面小部件Javis603/token-monitor
EN | 简 | 繁 | KO | JA | PT
★ 3,533已汉化DSH
71.1
架构图生成器tt-a1i/archify
把你想理解、规划或分享的事，变成可以互动的可视化作品。
★ 93,105已汉化DSH
71.1
这是你的仓库？认领条目