dsh-doc-router
在终端中运行以下命令:
dsh plugin install Dantwz7/dsh-doc-router
将以下提示词粘贴到 DeepSeek Harness 对话框中:
在 DeepSeek Harness 中运行 dsh plugin install Dantwz7/dsh-doc-router 即可安装该插件,安装来源为 https://github.com/Dantwz7/dsh-doc-router 。
插件介绍
默认转换器在面对多栏论文时几乎必然出错,而且这种失败并不显眼:一篇两栏七页的 Nature Letter,用 pypdf 或 MarkItDown 跑出来文本虽然可读,结构却已经被撕碎,多栏正文被读成逐列交错、甚至变成满屏的表格行。更麻烦的是,这些损坏看起来完全像成功——模型拿到的是被悄悄搅乱的源材料,却没有任何地方报错。dsh-doc-router 的出发点就是一句话:先读文件,再选流程。
插件提供 doc_route 工具,通过文件头魔数判断真实格式(而不是相信扩展名),检测是否存在文本层、单栏还是多栏,并给出每页的判定依据与建议管道;pdf_markdown 工具基于 PyMuPDF 做版面感知的 PDF 转 Markdown,支持页码范围与写盘;doc-routing skill 则注册进运行时技能层,让所有工作区在读取任何文档前先路由一次。整个判定过程完全确定,不调用模型、不联网、不消耗 token。在 71 篇真实期刊 PDF 的测试中,47 篇多栏文档全部被正确识别,没有任何一篇被漏掉。
适合任何需要让 Agent 稳定处理论文、报告或多栏版面的工作流:无论模型自己选转换器还是交给你写工具,它都能在转换前给出可信的版面证据,把多模态阅读留给真正需要看图、看公式、看扫描件的场景。
使用场景
- Agent 需要先判断文档类型再选择转换器
- 多栏学术论文需要按阅读顺序转成 Markdown
- 扫描版 PDF 要自动改走图像识别流程
- 多语言文档需要稳定提取正文与结构
适合人员
- 构建文档处理 Agent 的开发者
- 需要批量转换论文与报告的研究人员
- 关注转换结果准确性的工程团队