🤖

dsh-pdf-formula

模型推理更新于 2026.10.19

在终端中运行以下命令：

dsh plugin install zhangzhichen18/dsh-pdf-formula

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中执行 dsh plugin install zhangzhichen18/dsh-pdf-formula，或在「添加插件」中填写包名 dsh-pdf-formula 后重启；源码见 https://github.com/zhangzhichen18/dsh-pdf-formula。

插件介绍

论文 PDF 里公式往往藏在子集化字体与改写字形名背后，Agent 若只能拿到乱码字符或整页截图，就很难可靠地引用、改写或校验数学内容。dsh-pdf-formula 是面向 DeepSeek Harness 的纯主机端插件：不碰界面、不注入客户端，只在宿主侧读取 PDF 自带的文本层与字形轮廓，把展示公式尽量还原成 LaTeX，同时把页面尺寸、字体嵌入情况与是否像扫描页等「体检信息」一并交给模型决策。

插件通过 inject: tools 注册三个 Agent 工具。pdf_info 适合先扫一遍文档：页数、每页 pt 尺寸、字体表，以及无文本层时标记 scanned，避免在扫描件上空跑。pdf_extract_text 按页输出纯文本或 markdown，行内与行间公式可渲染为 LaTeX；pdf_extract_formulas 则专注公式清单，每条带页码、整体置信度，以及未能确定的低置信度符号，而不是悄悄猜对。

识别策略刻意「不走名字、走形状」：在 /ToUnicode、Encoding/Differences 与标准 14 字体编码之后，还会把轮廓栅格化并与系统数学字体模板做形状匹配；再在设备空间里根据包围盒与分数线、根号横杠等规则线组装分式、根号、上下标与矩阵。每个字符带来源与 0..1 置信度，工具统一返回可 JSON 序列化的对象，失败时 { ok: false, error } 而不抛异常，便于在同一会话里换页或换文件重试。

适合需要在 Harness 里读学术论文、抽取可编辑公式、或把 PDF 段落交给模型续写与对照的 Agent 工作流。它不替代 OCR：纯图片页请另用 OCR；对近形符号与跨行长公式，应结合 uncertain 字段与 pdf_extract_text 交叉核对，而不是默认每个 LaTeX 符号都正确。