DSH PDF 阅读器

English | 中文

在 DeepSeek Harness 中一边对话，一边阅读 PDF。让模型查找相关原文、添加标注、跳转定位，再回到之前的阅读位置。

我常用 PDF 读论文和书。常用阅读器缺少多级回退，带 AI 解读和翻译的产品又常需额外订阅，于是借助 DSH 写了这个插件。

功能

• 阅读与导航：连续滚动、缩放、缩略图、文字搜索，以及可选择历史位置的多级回退。
• 标注与书签：高亮、下划线、删除线、批注、可拖动和调整尺寸的便签；编辑 PDF 内置书签及其层级。
• 翻译与解释：单词释义、音标和例句；短语与句子翻译；收集多段文字或图像区域，分别提问后发送给当前会话。
• 模型操作：读页、检索、标注、编辑书签和填写已有 AcroForm 表单，与用户共用草稿。
• 保存与恢复：撤销／重做、草稿恢复、保存／另存为和源文件冲突检测。
• OCR 与检索：区域截图、文字识别，以及基于自配 embedding 模型的语义搜索（实验功能）。索引可加入扫描页文字和图像描述。

安装

已验证 DSH 0.2.1-rc.5，其他支持版本见 package.json。

GUI：打开 插件 → 添加插件，输入 @dylanl1/dsh-plugin-pdf，安装后点击 立即启用。

CLI：将 <profile> 替换为所用 profile：

dsh plugin --profile <profile> add @dylanl1/dsh-plugin-pdf

Desktop 用户需通过应用菜单的 管理 dsh 命令… 安装自带 CLI。先启动一次 Desktop，再完全退出，以 --profile desktop 安装后重新打开；单独通过 npm 安装的 CLI 不能管理桌面版插件。

安装包自动匹配原生组件，无需本地编译。支持 macOS（Apple Silicon／Intel）、Windows x64 和 Linux glibc（x64／arm64）。

安装后从 DSH 文件栏打开本地 PDF。AI 功能使用已配置的模型或扩展引擎；语义检索需单独配置 embedding 服务，默认关闭。文档的生效策略启用后，打开时会后台建立索引；OCR 与图像描述可分别开启，可能调用远程服务并产生费用。更多限制见 SPEC。

设置自动保存。引擎统一在 PDF 设置中选择；每份 PDF 在搜索 → 当前 PDF 索引中独立开启文字识别索引和视觉描述索引。由你决定何时更新，已有结果会尽量复用，关闭语义检索则立即生效。

模型工具

• 文档：pdf_current、pdf_open、pdf_close、pdf_info、pdf_status。
• 阅读：pdf_page_read、pdf_page_render。
• 检索与证据：pdf_keyword_search、pdf_semantic_search、pdf_evidence_read。
• 标注：pdf_annotation_list、pdf_annotation_create、pdf_annotation_update、pdf_annotation_delete。
• 书签：pdf_bookmark_list、pdf_bookmark_edit。
• 表单：pdf_form_inspect、pdf_form_fill。
• 导航与保存：pdf_page_jump、pdf_save。
• 图像：ocr_recognize、image_understand。

pdf_open 只在后台打开文档；跳转需要阅读器已显示。模型编辑直接写入草稿，覆盖保存原文件仍需用户确认。参数和示例见工具文档。

扩展引擎

OCR、图像理解、翻译和 embedding 均支持第三方实现。将扩展写成独立的 DSH Host 插件，在 peerDependencies 中声明本包，通过公开 SDK 向对应服务注册后端，并安装到相同 Host profile，即可在 PDF 设置中选择。

参考 examples/ 中的 http-engines：一个提供 HTTP OCR 和图像理解后端的独立插件。接口与生命周期约定见引擎扩展。

架构

flowchart TB
  Reader["Client · PDF 阅读器"] <--> RPC
  Model["DSH 会话模型"] -- "工具调用" --> Features
  subgraph Host
    RPC["鉴权 RPC"] --> Features["PDF 领域能力"]
    Features --> Copy["共享工作副本 · 草稿与撤销"]
    Features --> Search["检索与证据"]
    Features --> Engines["可扩展 AI 引擎"]
    Search --> Copy
    Search --> Engines
    Copy --> PDF["PDFium · pdf-lib"]
    Copy --> Storage["文件与草稿存储"]
  end

阅读器与模型工具共用 Host 业务能力和同一资源会话内的工作副本，修改双向同步。原生 PDFium worker 负责渲染和文字提取。详见架构文档。

开发

npm ci
npm run native:build
npm run build

检查与测试：npm run check、npm run test:web、npm run test:coverage:project。另见语义检索配置与基准测试、打包与发布。

许可证

MIT。发布包附带所用原生组件及依赖的第三方许可证。