安装

在 DeepSeek Harness 里通过 dsh-market 安装

dsh plugin --profile web add dshmarket

或使用命令行

dsh plugin --profile web add dsh-file-upload

装任何插件都等于在你的机器上跑第三方代码，权限和你本人一样大——能读你的文件、用你的凭据、访问网络。请先审阅源码，并尽量锁定 commit（github:owner/repo#sha）。

README

DeepSeek Harness (dsh) 文件消息插件。 Claude 桌面端风格的拖拽/回形针文件上传,内容嗅探,文档转 Markdown 全部内置打包(MarkItDown 引擎,20+ 格式,图片 OCR),小文本直插输入框,语音输入,以及供 agent 使用的 read_document 工具。

English | 中文

零配置,安装即用。 所有功能开箱即用,带合理默认——不需要 Python、不需要下载、不需要挑选后端。唯一可选的是音频文件转写的 ASR 密钥,而它也会从标准的 OPENAI_API_KEY 凭据自动检测。

功能

上传:composer 回形针按钮 + 全局拖拽(拖动文件到窗口任意位置 → "松开以添加文件"遮罩 → 松开即上传),多文件支持。
附件卡片:按类型着色的徽标卡(PDF 红 / DOC 蓝 / XLS 绿 / TXT 灰 / ZIP 紫 / JSON 金),显示名称与大小,可移除。
文本直插(Claude 风格):小的文本文件(代码/JSON/CSV/日志/配置…)通过官方 slash/input-insert-text 事件内容直接进输入框,模型第一眼就能看到;大文本插入 Codex 风格 @相对路径 引用(附预览)。
Codex 风格 @ 引用:上传后在输入框输入 @ 即可按相对路径选择已上传文件,以 mention 形式插入;agent 用 read_document 读取(消息历史中就是路径引用文本,与 Codex 一致,不渲染附件卡)。
文档转 Markdown(全部内置打包):MarkItDown 引擎随插件发布(微软 MarkItDown 的 TypeScript 移植 markitdown-node):PDF / DOCX / PPTX / XLSX / HTML / CSV / JSON / XML / RSS / Atom / ZIP / Jupyter / 图片 OCR / 音频转写。无需 Python、无需下载、无需配置。
图片 OCR 默认可用:上传的图片可通过 read_document 读取(Tesseract,110+ 语言),无需任何视觉插件。
语音输入:麦克风录音,转写文本直进输入框(浏览器 Web Speech API,零依赖);音频文件按文件附件上传。
read_document 工具(供 agent 使用):行号分页(offset/limit)、字节预算 LRU 缓存(文件改动自动失效)、大小预检、走 ctx.fs(继承沙箱与 fs 观察策略)。
安全:loopback-only 上传、文件名消毒、会话隔离存储(.dsh-uploads/<sessionId>)、sha256 内容去重、并发限流、TTL 清扫。

安装

dsh plugin --profile web add dsh-file-upload
# 重启 dsh web

使用

点 composer 工具栏的回形针按钮,或把文件拖到窗口任意位置;
小文本文件内容直接进入输入框;文档显示为附件卡,路径随消息发出;
agent 用 read_document <路径> 读取文档——按需转 Markdown,支持 offset/limit 翻页。

MarkItDown(全部内置打包,零下载零安装)

MarkItDown 能力已完整打包进插件,装完即用:不需要 Python、不需要 pip、不需要下载、不需要构建脚本授权。

内置引擎:微软 MarkItDown 的 TypeScript 移植(markitdown-node)作为正式依赖随包发布,覆盖 20+ 格式——PDF / DOCX / PPTX / XLSX / HTML / CSV / JSON / XML / RSS / Atom / ZIP / Jupyter / 图片 OCR(Tesseract,110+ 语言)/ 音频转写(经 LLM,需模型凭据)。
图片:默认经内置引擎 OCR 转文字,无需视觉插件。
离线可用:所有解析在本地完成,无网络依赖。

可选增强:如果机器上本来就装有官方 MarkItDown CLI(或通过 markitdownBin 指定),插件会自动优先使用它(额外支持 EPUB 等);没有也完全不影响——内置引擎始终可用。

- id: file-upload
  config:
    markitdownBin: /path/to/your/markitdown   # 可选;留空 = 纯内置引擎

内置模式启动日志:

[dsh-file-upload] Document → Markdown ready: bundled MarkItDown engine (20+ formats, image OCR) — fully packaged, no downloads, no Python.

图片怎么处理(按你的模型自动适配)

插件在上传时自动检测当前会话模型的图像能力,并告诉 agent 正确的看图方式:

检测到的路由	行为
多模态模型(声明 `image` 输入,如 GPT-4o / Qwen-VL / Claude / Gemini)	上传响应带 `imageMode: native`,消息提示 agent 用官方 `read_image` 工具——图片直接进入模型上下文
纯文本模型(或无法确定)	`imageMode: ocr`,agent 对图片路径调用 `read_document`——内置引擎 OCR(Tesseract,110+ 语言)返回文字描述

检测逻辑与官方 read_image 的路由门控一致(ctx.llm.resolveModelInfo + inputModalities),绝不会声称路由模型不支持的图像能力。

语音输入(零配置)

录音:composer 的麦克风按钮开箱即用(浏览器 Web Speech API,无需任何设置);转写文本以可编辑形式进入输入框,发送前可修改。
音频文件:有 OpenAI 兼容 ASR 密钥时,上传的音频自动转写——插件自动检测标准 OPENAI_API_KEY 凭据(无需配置),使用 https://api.openai.com/v1/audio/transcriptions,转写文本随消息发出;没有密钥时,音频仍作为普通文件附件上传。
仅在需要时(如自建 ASR 服务)覆盖端点/模型:

- id: file-upload
  config:
    asrEndpoint: ''               # 空 = 自动(有密钥时用标准 OpenAI 端点)
    asrApiKeyEnv: OPENAI_API_KEY  # 存放 ASR 密钥的环境变量名
    asrModel: whisper-1

配置

所有字段都有合理默认——安装后直接使用,无需修改任何配置。按需调整即可。

字段	默认	说明
`uploadMaxBytes`	25165824 (24MB)	单文件上传上限
`allowedExtensions`	`[]`	扩展名白名单;空 = 全部允许
`uploadTtlMs`	604800000 (7天)	未引用上传文件保留时长
`sweepIntervalMs`	3600000 (1h)	清扫周期;0 = 关闭
`maxConcurrentUploads`	4	并发上传上限
`inlineTextLimit`	8192 (8KB)	直插输入框的文本大小上限
`previewTextLimit`	2048 (2KB)	大文本预览长度
`maxFileBytes`	25165824	单次文档读取字节上限
`readLimit`	2000	`read_document` 单次返回行数上限
`sheetRowLimit`	200	每个 XLSX sheet 保留行数
`maxSheets`	5	读取的 sheet 数
`cacheEntries`	16	解析缓存条目数
`cacheMaxBytes`	67108864 (64MB)	解析缓存字节预算
`markitdownBin`	`''`	可选 MarkItDown CLI 路径;空 = 自动探测 PATH
`markitdownTimeoutMs`	120000	单次 CLI 调用超时
`maxRecordSec`	60	语音录音最大时长(秒)
`asrEndpoint`	`''`	可选 OpenAI 兼容 ASR 端点(音频文件转写)
`asrApiKeyEnv`	`OPENAI_API_KEY`	存放 ASR API 密钥的环境变量名
`asrModel`	`whisper-1`	ASR 模型名

开发

pnpm install
pnpm build     # tsc(host)+ esbuild(client bundle)
pnpm test      # node --test

架构

src/
├── index.ts        # 入口:apply + Config schema + 组装
├── detect.ts       # 内容嗅探(不信任扩展名)
├── convert.ts      # MarkItDown 引擎 + 可选 CLI 后端
├── upload.ts       # 上传路由:loopback/会话/大小/去重/TTL
├── asr.ts          # 音频转写(OpenAI 兼容端点)
├── tool.ts         # read_document:ctx.fs 读取 + 分页 + LRU 缓存
└── client/
    └── index.tsx   # 回形针 + 拖拽遮罩 + 麦克风 + 附件卡片

双面插件:dsh.bundle(host)+ dsh.client(web UI)。无任何官方补丁,全部走官方 seam(ctx.webServer / ctx.tools / ctx.systemPrompt / ctx.sessions / slash/input-insert-text / slash/input-insert-reference)。

安全

上传仅限 loopback,并做同源校验。
文件名消毒(控制字符、路径分隔符、点段、前导点全部剥离)。
存储按会话隔离在工作区下;未知会话返回 403。
sha256 内容去重、并发限流(超限 429)、TTL 清扫。
文本提取按字节嗅探,不信任扩展名;二进制文件只以路径形式交给 agent。

License

MIT

内容来自项目 README（GitHub）↗

链接

GitHub 仓库 ↗

npm 包 ↗

在 awesome-dsh-plugin 目录中的条目 ↗

HongMing-Huang/dsh-file-upload

安装

README

功能

安装

使用

MarkItDown(全部内置打包,零下载零安装)

图片怎么处理(按你的模型自动适配)

语音输入(零配置)

配置

开发

架构

安全

License