dsh-pdf-reader

简体中文 | English

DeepSeek Harness 的外部（out-of-tree）PDF 阅读器插件，把阅读、批注和 AI 分析放在同一个 Web 工作流中。它支持原生文字、图片区域、图文资料、多 PDF 联合提问和用户授权后的按需 OCR。

发布状态：Beta。 当前版本面向 DeepSeek Harness 0.1.1-rc.2。建议先在非关键 PDF 副本上验证保存结果。

_{在对话旁阅读技术文档：页面、批注、图文资料和 AI 都留在同一个工作流中。}

从阅读到 AI 分析

以下演示均使用开放教材 Dive into Deep Learning。

围绕整份 PDF 提问

选择一份或多份 PDF 后直接提问；OCR 默认关闭，只有用户授权后 AI 才能按需识别少量相关页面。

选择文字并调用 AI

选中文字后可复制、解释、翻译、深入提问，或加入上下文和图文资料。

创建并保存批注

支持高亮、下划线、删除线和备注；只有用户选择“另存为”或确认“覆盖原文件”时才写入 PDF。

组合图片与原文提问

把图表、图注和相关段落加入共享图文资料，统一分析并通过回答中的来源链接返回原页。

演示资料与授权

截图中的教材内容来自 Aston Zhang、Zachary C. Lipton、Mu Li 和 Alexander J. Smola 的 Dive into Deep Learning（官方网站 / PDF / 源码与许可证），采用 CC BY-SA 4.0 许可。仓库不分发教材 PDF；docs/images/readme/ 中包含教材页面内容的演示截图按 CC BY-SA 4.0 署名共享，插件源码及不含教材内容的界面代码仍采用 MIT License。

核心能力

• 阅读与导航：多 PDF 标签、目录、书签、缩略图、全文搜索、跳转历史、缩放、适配和无损旋转
• 文字与批注：原生文字选择、复制与 AI 操作，以及高亮、下划线、删除线、备注和批注中心
• 图文 AI：图片区域提问、图文资料篮、多 PDF 共享资料、联合分析和可点击来源回链
• 整份文档问答：单份或多份 PDF 联合提问，固定本次文档范围，并按来源区分事实与推断
• 按需 OCR：默认关闭；用户明确授权后由 AI 选择必要页面，预算可配置且不会自动扫描整本
• 保存与恢复：按对话恢复已打开文档和阅读状态，支持“另存为”及确认后覆盖原文件
• 长文档资源控制：页面、Canvas、缩略图和索引采用有界或惰性处理；OCR 页面缓存限制为约 64 MiB 或 512 页

源码分工见 src/README.md。

运行要求

• DeepSeek Harness 0.1.1-rc.2
• Node.js ^22.19.0 或 >=24.0.0
• pnpm >=11
• 支持 IndexedDB、Web Worker、Canvas 和 Blob URL 的现代 Chromium 浏览器
• “覆盖原文件”需要 File System Access API；图片分析需要当前模型支持视觉输入；OCR 首次使用需要联网下载模型

安装

推荐从 GitHub Releases 下载构建好的 .tgz，然后在 DeepSeek Harness checkout 根目录执行：

pnpm dsh plugin --profile web add /absolute/path/to/dsh-pdf-reader-0.1.0-beta.3.tgz
pnpm dsh --profile web --dump-config | rg dsh-pdf-reader
pnpm dsh web

也可以从源码构建：

pnpm install --frozen-lockfile
pnpm build

随后在 DeepSeek Harness checkout 根目录安装源码目录：

pnpm dsh plugin --profile web add /absolute/path/to/dsh-pdf-reader
pnpm dsh --profile web --dump-config | rg dsh-pdf-reader
pnpm dsh web

包声明的 dsh.bundle 会自动把插件加入 profile，无需修改 Harness 源码或手工编辑 profile patch。卸载命令：

pnpm dsh plugin --profile web remove dsh-pdf-reader

数据与隐私

• PDF、阅读状态、未保存批注、书签和图文资料保存在当前站点的浏览器本地存储中；插件不提供独立遥测
• 只有用户明确调用 AI 功能时，相应文字、批注、图片或经授权读取的页面内容才会进入当前 Harness 会话及其模型服务
• OCR 在浏览器本机运行且默认关闭；普通阅读、旋转、搜索和批注不会自动上传或改写 PDF
• “覆盖原文件”仅在持有原生文件句柄、文件未被外部修改且用户再次确认后执行

PDF 内容、批注文字和图片都按不可信资料处理，不会被插件当作系统指令执行。安全问题请参阅 SECURITY.md。

开发与验证

pnpm install
pnpm verify       # TypeScript + Node 边界测试
pnpm build        # 正式构建
pnpm check        # verify + build
pnpm watch        # 增量构建

pnpm pack 会先执行正式构建。在内存受限设备上优先运行 pnpm verify，把完整构建交给 GitHub Actions 或资源充足的发布环境。常规 CI 会在 Node 24 验证正式 bundle；Harness browser compatibility smoke 工作流每周运行，也可手动触发。

本地 UI 回归可运行 scripts/debug-wide.mjs。重新生成 README 截图时，下载 D2L PDF，启动本地 Harness 后执行：

D2L_PDF=/absolute/path/to/d2l-en.pdf node scripts/capture-readme.mjs

该脚本只填写演示问题，不会发送模型请求。

已知限制

• 图片区域选框不能跨页
• 目录和侧栏搜索只读取 PDF 自带信息，不会自动触发 OCR
• 首次 OCR 需要下载 PaddleOCR 模型；离线且无缓存时会失败
• 300 MiB 是文件入口的防御上限，不代表已承诺的大文件性能指标
• 需要视觉模型才能分析图片区域
• 插件不修改或要求定制 DeepSeek Harness 源码

许可证

项目源码采用 MIT License。随发布包内置的第三方运行时、字体、CMap 和 WASM 数据继续适用各自许可证，详见 THIRD_PARTY_NOTICES.md 和 LICENSES。