dsh-plugin-ocr
在终端中运行以下命令:
dsh plugin install 1111210/dsh-plugin-ocr
将以下提示词粘贴到 DeepSeek Harness 对话框中:
在 DeepSeek Harness 中打开 Plugins,选择 Add plugin,填入 https://github.com/1111210/dsh-plugin-ocr 或执行 dsh plugin install 1111210/dsh-plugin-ocr 完成安装。
插件介绍
很多文档看似「有文件」却读不出字:扫描件、拍照页、只有图层的 PDF 或 Office,用常规 read 只会得到空白、乱码或 (cid:*) 占位符。若让对话模型逐页「看图」,视觉 token 成本高,也未必适合做大批量纯文本抽取。这个插件把识别搬到 DeepSeek OCR 云端,Agent 只需调用工具即可拿到按页排序的文本。
插件为 profile 中的每个 Agent 增加面向模型的 ocr_extract 工具,以及可 invoke 的 ocr-extract 技能。技能先判断文档类型:机器可读内容应直接读取;无文本层的扫描与票据走 OCR;图表、流程图、UI 截图等以视觉信息为主的内容仍交给模型视觉能力,避免 OCR 丢掉关键信息。
工具支持 PDF、Word、PowerPoint 与常见图片格式,一次调用一个文件,识别在服务端完成,对话模型不为页面支付视觉 token。结果默认为纯文本,可配置是否剥离版式标记。计费按识别页数计,失败或超时不计费;凭证可走专用 API Key、Harness Key 或登录账号等多种模式。
适合在 DeepSeek Harness 里处理发票、合同扫描件、教材复印件、批量 Office 转文字等场景的团队与个人;需要保留版面坐标、插图或复杂排版的用户应继续用视觉或其它专用方案,而非本插件的文本通道。
使用场景
- 扫描版 PDF 与拍照稿件抽取正文
- 发票、收据、表单等图片化单据转文字
- 直接读取失败或出现乱码时二次走 OCR
适合人员
- 在 Harness 里让 Agent 处理 Office 与图片文档的用户
- 需要批量纯文本、不想花视觉 token 的团队
- 经常处理扫描合同、教材、票据的知识工作者