dsh-tool-ocr

English | 中文

一个独立的 DeepSeek Harness 插件：为不支持视觉输入的模型（如 DeepSeek 对话模型）提供本地图片文字识别，基于独立的 newbee-ocr（nbocr）引擎，运行 PP-OCRv6 模型。

完全独立于仓库（out-of-tree）：只依赖已发布的 dsh 基础包（@deepseek-ai/cordis、@deepseek-ai/dsh-tools、@deepseek-ai/dsh-subprocess 等），与 deepseek-harness 仓库零耦合。

功能

项	说明
ocr 工具	模型可见工具：recognize / status / install（check 的别名）/ check 四种动作
图片输入	本地 path（按会话工作目录解析）或 attachment_id（会话中已附加的图片，物化为临时文件）
输出	阅读顺序 ``、引擎事实、分块包围盒（include_boxes）、复核标记（低置信度/金额/数字/日期/数量，needsReview）、启发式 Markdown 表格（table）
健壮性	能容忍 MNN 诊断信息污染引擎 stdout；遵循调用方取消和超时

安装

1. 构建 OCR 引擎

前置条件：已构建的 nbocr 二进制（来自 newbee-ocr-cli 仓库）：

cargo build --release        # -> target/release/nbocr[.exe]

2. 将插件安装到你的 dsh profile

从 npm 安装（已发布为 dsh-tool-ocr）：

dsh plugin --profile web add dsh-tool-ocr
# 或在 profile 目录内：
cd ~/.dsh/profiles/web && pnpm add dsh-tool-ocr

或从源码安装：

git clone https://github.com/ferstar/dsh-tool-ocr
cd dsh-tool-ocr && pnpm install && pnpm build

挂载到 dsh

在 profile 的 cordis.patch.yml 中添加插件行：

- insert:
    - id: ocr
      name: 'dsh-tool-ocr'
      inject: [tools, subprocess, systemPrompt]
      config:
        # nbocr 可执行文件：绝对路径，或 PATH 上可解析的名称
        command: 'C:/path/to/nbocr.exe'
        # 识别模型/语言别名
        language: 'chinese'
        # 检测模型档位：v6-tiny（内嵌默认）、v6-small、v6-medium
        detModel: 'v6-tiny'

注意：dsh-tool-ocr 是普通插件而非 bundle —— dsh plugin add 会将其安装为依赖，但不会自动挂载。上面的 patch 行才是激活它的方式。