🤖

dsh-tool-ocr

模型推理更新于 2026.10.02

在终端中运行以下命令：

dsh plugin install yuehancn/dsh-tool-ocr

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中执行 dsh plugin install yuehancn/dsh-tool-ocr 安装本插件（源码：https://github.com/yuehancn/dsh-tool-ocr），装完后重启 dsh。

插件介绍

Agent 能顺畅读文本文件，却常常对发票截图、扫描合同或手机拍的表格束手无策——图里的字它只能猜。dsh-tool-ocr 把这一段补上：你把图片或 PDF 的绝对路径交给工具，插件先判断输入类型与 PDF 是否真有文字层，再选最快、最靠谱的路径把正文交回 Agent。

对带文字层的电子 PDF，插件用 poppler 直接抽取，不白跑 OCR；扫描件或图片型 PDF 会在文字层为空时栅格化页面，再调用你配置的 OCR 引擎；普通截图与照片则直接走 OCR。提供 ocr_read 完成读取与可选落盘，ocr_status 则在动手前探明本机哪些引擎可用，避免空等几十秒。返回里除 text 外还有 kind、engine、pages 与 note，方便 Agent 判断这次结果是否可信。

引擎由你在配置里定义：默认 native 只读 PDF 文字层；需要识图时改用 command 后端，tesseract、PaddleOCR 或公司内部 CLI 都能按 {input}、{output}、{lang} 约定接入。插件只读你指定的单个文件，不扫目录、不上传；OCR 以 spawn 调用本地命令，抽取文字仅写入 outputDir。

适合在桌面版或 Web 版 dsh 里经常让 Agent 处理票据、合同、报告扫描件的用户，以及希望 OCR 能力留在本机、按业务切换多套引擎的团队。