dsh-read-url

DeepSeek Harness 的 URL 阅读插件：抓取任意网页，自动识别编码（GBK/GB2312/UTF-8/Big5），提取干净正文，输出省 token 的紧凑文本或结构化 Markdown。

零依赖（Node 20+ 内置能力），免 API key，免服务端，装完即用。

为什么做它

DSH 的 Agent 能搜索（返回链接和片段），但缺"把 URL 读成干净正文"这一步。官方 tool-web 的 web_fetch 是整页 turndown 转换（导航/广告/侧栏全保留），默认上限 20 万字符——token 黑洞。本插件只返回模型真正需要的：净化后的正文 + 必要元数据，并默认截断。

同类插件对比（2026-08-15 实测源码/文档）

能力	官方 tool-web web_fetch	dsh-webfetch	dsh-scrape-webpage	dsh-read-url
正文净化（容器级提取）	❌ 整页渲染	⚠️ 标签级去噪，nav/footer 仍混入	⚠️ 自研，含噪音	✅ article/main 容器 + 噪音剥离
默认输出上限	200000 字符	50000 字符	30000 字符	6000 字符 + 段落级截断
中文 GBK/GB2312	视 provider	⚠️ 未归一化，GB2312 易乱码	❌ 未处理	✅ 归一化 + 乱码回退
会话级缓存	❌	❌	❌	✅ 5 分钟 TTL
走 ctx.web seam	✅ 官方本体	❌ 全局 fetch	❌	✅ 优先 seam，缺失回退
ctx.effect 卸载清理	✅	❌	❌	✅
协作式超时（不暴露给模型）	✅	⚠️ 自管	⚠️ 自管	✅ timeoutMs + exec.signal
模型视角输出	整页 Markdown	紧凑文本	15 字段 JSON	紧凑文本（无需解析 JSON）
依赖	官方	TS 需构建	零依赖	零依赖（JS ESM 即装即用）

遵循 DSH 架构理念

按官方文档实现（docs/capability-seams.md、docs/cordis-primer.md、docs/tool-execution-pipeline.md）：

1. 网络访问走 ctx.web 能力缝——所有 web 访问优先通过 ctx.web.fetch()（seam 内解析 provider，与官方 tool-web 一致），seam 缺失时回退全局 fetch。网络层可替换，不绑定任何具体 provider；
2. 可逆副作用——会话缓存注册在 ctx.effect 下，插件卸载即自动清理（时间可组合性）；
3. 协作式工具调用超时——ToolDefinition.timeoutMs 声明预算， 把 转发给 fetch，超时策略由管线强制执行，不把超时暴露给模型；