PDF 智能解析 Yurzi/dsh-pdf-mineru

dsh-pdf-mineru

用 MinerU 解析 PDF，让 DeepSeek Harness 里的智能体按证据阅读文档

支持 MinerU 官方云（v4）、自部署 MinerU 4.x（V1 API）和 3.x（旧版任务 API）。智能体可以分段读取正文、公式、表格和插图，长文档在后台解析，关键内容可在本地回看原页核对。

=24">
=0.2.1-rc.2 <0.3.0-0">

核心亮点 · 快速开始 · 模型工具 · 原页核对 · 常见问题 · 文档

核心亮点

- 按证据阅读：目录、字面检索、稳定块 ID 和物理页码帮助智能体定位内容；公式、数值和图表可以回看原页核对，不假设 OCR 无误。
- 三种服务商显式切换：官方云免部署；自部署服务让文档留在内网。三种协议共用同一套工具参数。
- 后台解析长文档：几十到几百页的文档可提交为 DSH 原生后台任务，解析期间不阻塞对话，完成后由 DSH 通知。
- 内容寻址缓存：按文件内容和解析配置复用已发布结果，同一份文档不重复上传解析。
- Web 设置页：在 Plugins 页面配置服务商、测试连接、管理缓存；修改需显式保存，破坏性操作先预览再确认。

快速开始

环境要求

- DeepSeek Harness：版本范围以 package.json 的 engines.dsh 为准（当前为 >=0.2.1-rc.2 <0.3.0-0）。
- Node.js ^22.19.0 || >=24.0.0。
- 设置页需要 DSH Web；没有 Web 服务的宿主仍可使用两个模型工具，配置直接写在配置档中。

安装

dsh plugin --profile web add dsh-pdf-mineru

本地开发时可以安装源码目录。仓库不提交构建产物，安装前先在源码目录执行 pnpm install && pnpm run build：

dsh plugin --profile web add link:/absolute/path/to/dsh-pdf-mineru

升级

- Web：在 Plugins / 插件 页面找到 dsh-pdf-mineru，点击 更新。
- 命令行：先移除再安装：

dsh plugin --profile web remove dsh-pdf-mineru
dsh plugin --profile web add dsh-pdf-mineru

如果新版本要求更高的 DSH，请先升级宿主。旧版配置会在读取时自动转换，在设置页点击保存后才写回。多个进程共享同一缓存目录时，请先停止全部进程再升级，详见配置与运维指南。

选择服务商

打开 Plugins / 插件 → dsh-pdf-mineru，在「服务与解析」标签选择服务类型。修改先进入草稿，点击 保存 才生效；测试连接 使用草稿中的地址等设置，但只使用已保存的 API Key。

A. MinerU 官方云（免部署）

1. 在 mineru.net 注册并创建 API Token。
2. 选择「MinerU 云服务」，在 API Key 输入框粘贴 Token，点击 保存。密钥由 DSH 凭据服务保管，不写入插件配置。
3. 点击 测试连接 确认可用。

B. 自部署 MinerU 4.x（V1 API）
1. 启动 MinerU 4.x 的 API 服务（常见地址 http://localhost:8000）。
2. 选择「自部署 4.x」，填写服务地址；本机 HTTP 地址需在「连接选项」中开启「允许 HTTP 明文连接」。
3. 按需选择解析档位（tier）和 OCR 模式（auto / txt / ocr），测试连接后保存。

C. 自部署 MinerU 3.x（旧版任务 API）

1. 启动 MinerU 3.x 服务（常见地址 http://localhost:18000）。
2. 选择「自部署 3.x」，填写服务地址和 Pipeline/VLM 后端名称，本机 HTTP 同样需要显式允许。
3. 测试连接后保存。

协议由你显式选择，插件不会自动探测或降级到另一种协议。不要把 VLM 推理服务的地址当作 MinerU API 填入。各字段含义、YAML 写法与凭据规则见配置与运维指南。

开始对话

配置完成后直接用自然语言提出需求，智能体会自行选择工具：

- “读一下 paper.pdf 的目录，然后找出第 3 节里所有带编号的公式。”
- “在后台解析 /data/annual-report.pdf，完成后告诉我它有哪些章节和表格。”
- “第 7 页那张表的数值看起来不对，对照原页核对一下。”

相对路径按当前会话的工作目录解析；也可以直接引用会话里上传的 PDF 附件。

模型工具一览

| 工具 | 用途 |
| read_pdf | 同步读取：目录、字面检索、按块或按页精读，分段续读，以及本地原页核对（view: "page"） |
| async_parse_pdf | 把整份文档提交为 DSH 后台任务，完成后返回结构摘要；之后用 read_pdf 按需阅读 |

两个工具都接受 file_path 或 attachment_id（二选一）。参数、响应字段、预算与错误恢复见 PDF 阅读契约。

原页核对的依赖

原页核对在本地渲染，不上传文件，也不调用服务商：

- 优先使用 PATH 中的 Poppler（pdfinfo、pdftoppm）。
- 找不到或无法执行 Poppler 时，自动改用随插件安装的 PDF.js 和 @napi-rs/canvas。Canvas 使用上游为常见 Linux、macOS、Windows 平台提供的预编译包，无需编译或安装 Poppler。
- 安装插件时不要使用 --no-optional，否则会缺少 Canvas 平台包。两个后端都不可用时会提示安装 Poppler，普通文本阅读不受影响。

渲染器有超时、并发和尺寸限制，但它不是操作系统级沙箱；处理不可信 PDF 时仍需宿主层面的隔离。具体限制见 ARCHITECTURE.md。

常见问题

API Key 应该放在哪里？

推荐在设置页输入，密钥由 DSH 凭据服务保管。也可以导出与「凭据引用名」同名的环境变量（默认 MINERU_API_KEY），但 DSH 中保存的值优先于环境变量。详见凭据。

扫描件识别效果不好怎么办？

在设置页把解析方式改为 ocr（4.x V1 对应各 profile 的 OCR 模式）。模型工具不接受 ocr、model 等解析参数，不能让智能体通过工具参数切换。修改解析配置会产生新的缓存身份，下次读取会重新解析。

Pipeline 和 VLM 有什么区别？

两者是官方云和 3.x 旧版服务的解析模型。Pipeline 速度快、资源占用低，适合多数常规版面；VLM 使用视觉多模态模型，复杂图文混排和特殊公式效果通常更好。4.x V1 不选择模型，改用解析档位。

解析结果存在哪里？怎么清理？

默认在 $DSH_HOME/cache/pdf-mineru/。在设置页「存储」标签中可以查看统计、校验完整性和清除缓存；清除前会先显示预览，确认后才删除。有读取或解析正在进行时，清理会被拒绝。详见存储与维护。

后台任务可以取消吗？

可以，用 DSH 的通用任务工具（如 job_kill）。取消只结束这一次等待；如果别的调用也在等待同一份文档的解析，那次解析会继续完成。

保存时提示配置已被修改？

说明从打开设置页到保存期间，配置被其他窗口或进程改过。请按提示重新加载后再修改，插件不会覆盖别人的修改。

通过局域网地址打开 Web 时，设置页读不到配置？

设置与维护接口只接受回环地址访问（localhost、127.x.x.x、[::1]）。请在运行 DSH 的机器上通过回环地址打开 Web。模型工具不受此限制。

文档

- 配置与运维指南：设置页、服务商参考、凭据、迁移、缓存维护、多进程共享。
- PDF 阅读契约：两个工具的参数、响应字段、预算和错误恢复。
- ARCHITECTURE.md：模块边界与实现约束（面向贡献者）。
- CONTRIBUTING.md：开发、测试与发布流程。
- CHANGELOG.md：版本变更。

许可证与致谢

- 本项目基于 MIT License 开源。
- 感谢 DeepSeek Harness 提供的插件体系。
- 感谢 OpenDataLab MinerU 提供的文档解析能力。
- 感谢 Huanlin/dsh-plugin-mineru 带来的早期设计灵感。
- 本插件已被 Awesome DeepSeek Harness Plugin 社区精选列表收录（收录详情页）。
- Banner 图像中的 DeepSeek 鲸鱼娘形象由上善无形原创角色与 ZipZipPipe 二创设计衍生，遵循 CC BY-NC-SA 4.0 许可。