dsh-document

大语言模型天然无法解析 Word、PowerPoint、Excel 或 PDF 的二进制结构。dsh-document 插件为 DeepSeek Harness 提供一个 read_document 工具：将十九种以上办公文档和电子书格式统一转换为带行号的 Markdown，模型随即通过 offset 与 limit 像翻页一样逐段读取，无需一次性加载整份文件。整个转换链路完全在本地完成——Office 格式走 Rust 内核的 anydoc 引擎，PDF 通过 WASM 构建的 pdf-inspector 在独立 worker 线程中处理，不依赖外部 API、不产生网络请求、不安装额外二进制。PDF 还支持按页选择以及自动标注总页数、文档类型和不可提取文字的页面。文件读取经由 Harness 的 ctx.fs 通道，部署时挂载的文件系统提供者和沙箱策略原样生效。适合需要在本地闭环中让模型读懂办公文档的场景：会议纪要问答、合同要点提取、表格理解、多页 PDF 摘要等，无需额外搭建文档解析服务。