sunshine-lang/dsh-pdf

dsh-pdf

DeepSeek Harness PDF 工具箱：从 PDF 文件中提取文本、元数据与页码范围。本地解析（基于 PDF.js / pdfjs-dist）——无需 API key、无需网络。

功能特性

- pdf_read 工具：逐页提取文本，带页码标记。
- 页码选择："1-3,5" 或 "all"——大文档可分块读取。
- 文档元数据（标题）与总页数。
- 内置边界控制：文件字节上限、单次解析页数上限、单次调用字符上限——截断行为明确，并提示模型如何继续。
- 通过 harness 文件系统接缝（ctx.fs）读取，部署的权限与沙箱策略自动生效。

安装

从 GitHub 安装

dsh plugin --profile web add "github:sunshine-lang/dsh-pdf"

然后重启 dsh --profile web。lib/ 已预构建并提交，安装无需构建权限。

从 npm 安装

dsh plugin --profile web add dsh-pdf

从本地源码安装（开发）

dsh plugin --profile web add ./dsh-pdf

注意：pnpm 对 link: 方式的本地依赖不会自动安装其依赖，需要手动添加到 profile（通过 registry 或 GitHub 安装则会自动处理）：

dsh plugin --profile web add @deepseek-ai/dsh-tools @deepseek-ai/cordis @deepseek-ai/schemastery pdfjs-dist

使用方法

启动 Web UI 后，向模型提问，例如：

读取 paper.pdf 的前 3 页并总结。

contract.pdf 第 7 页写了什么？

模型会调用 pdf_read：参数 path（必填），可选 pages（"1-3,5" 或 "all"）。输出达到上限时会在页边界截断并给出提示，模型会用页码范围继续读取。

配置

可通过 cordis.patch.yml 或 profile 的 patch 层覆盖任意配置项：

- patch:
- id: dsh-pdf
config:
maxFileBytes: 52428800
maxPages: 200
maxCharsPerCall: 20000

| 配置项 | 默认值 | 含义 |
| --- | --- | --- |
| maxFileBytes | 20971520（20 MiB） | 整个 PDF 的字节上限（含）；超过直接报错 |
| maxPages | 500 | 单次调用最多解析的页数；超出则截断并提示 |
| maxCharsPerCall | 12000 | 单次调用返回的最大字符数；结果在页边界截断 |

配置无效时插件加载会直接失败，并给出可操作的错误信息。

开发

npm install        # 或 pnpm install
npm run build      # tsc → lib/

在 DeepSeek Harness 仓库内构建（类型解析指向工作区源码）时，改用 tsconfig.local.json：tsc -p tsconfig.local.json。

测试：tests/fixtures/sample.pdf 由 make-test-pdf.mjs 生成（无依赖）；w3-dummy.pdf 为 W3C 官方测试文件。集成测试：在 harness 仓库内运行 node --import tsx/esm test-integration.ts。

同作者更多插件

该作者的全部 DeepSeek Harness 插件（统一入口）：dsh-plugins

许可证

MIT。