taxueseek/dsh-files

dsh-files

一个包，一行 cordis 配置。Web UI 多一个回形针，模型多一个读文档的工具。

DeepSeek Harness 双面插件（dual-face plugin）。两项能力：

• 上传：输入框工具栏回形针按钮，文件以浮动彩色卡片呈现，发送时自动把路径附入消息；按会话隔离存储到 <会话工作区>/.dsh-filess/<sessionId>/，TTL 定期清扫，sha256 内容去重
• 文档读取：read_document 工具读取文本 / PDF / DOCX / XLSX，内容嗅探判定真实格式（不信任扩展名），大小预检，LRU 解析缓存

功能

上传

• 会话隔离存储：文件落在发起会话自己的工作区 .dsh-filess/<sessionId>/ 下，agent 的 fs 后端一定能读到；会话之间互不可见
• 两种入口：输入框工具栏回形针按钮选择，或直接把文件拖到页面任意位置（拖拽悬停有遮罩提示）；多文件横排
• 浮动彩色卡片：按字节嗅探的真实格式着色（PDF 红 / DOC 蓝 / XLS 绿 / TXT 灰），伪装文件（exe 改 .pdf）不按扩展名显示；文件名、大小、移除按钮
• 发送联动：卡片挂载后文件路径自动注入输入框，随消息发出
• 安全护栏：loopback host + same-origin + sec-fetch-site 三重校验；文件名消毒（控制字符、路径分隔、点段、前导点全部剥离，并按 UTF-8 字节截断，长中文名不触发 ENAMETOOLONG）；未知会话 403；并发限流（默认 4）超限 429
• 生命周期管理：TTL 清扫（默认 7 天），空会话目录自动回收；可选会话存储配额（maxUploadBytesPerSession，超限 507）

文档读取

• 内容嗅探：PDF 头 / ZIP 中央目录成员 / UTF-8 / UTF-16 BOM / GB18030，全部从字节判定，扩展名伪装（可执行文件、图片改成 .pdf）一律拒绝；上传侧同步嗅探，卡片显示真实格式
• 编码链：UTF-16 BOM → UTF-8（fatal）→ GB18030（fatal），中文 GBK 文件可直接读取
• 分页读取：行号 + offset/limit 分页，长文档按需翻页；窗口总字符预算（maxOutputChars）超限时截断并显式标记剩余行数
• 行号策略按格式分化：text（代码/配置）带行号供精确定位；PDF/DOCX/XLSX 段落流不带行号（省 token）
• XLSX sheet 级读取：sheet 参数指定工作表时返回该 sheet 全量（不受行截断限制），其余 sheet 走合并读取（默认前 5 个），截断显式标记；list_sheets 参数先列出全部 sheet 名（不读单元格），越界报错附带可用 sheet 列表
• 扫描件明示：无文本层的 PDF（扫描件/纯图片）返回显式提示而非空串，模型不会误判为空文件
• 解析缓存：LRU 双约束（条目数 + 字节预算），键为 (targetKey, fileVersion, format, sheet, listSheets)，文件改动自动失效
• 大小预检：stat 先查，超限直接报 FS_TOO_LARGE，不读字节
• 协作取消：解析期间监听执行信号，用户取消/会话关闭立即中止
• 输出呈现：工具结果通过 presentationMeta 投影为 card: 'read'，Web UI 复用官方读文件卡片（行号/高亮/滚动），模型侧只收紧凑行文本

安全

• 解析依赖全部为无已知漏洞的维护中库：pdfjs-dist（Mozilla 官方）、mammoth、read-excel-file（纯只读）
• ZIP 中央目录探测不展开任何成员，成员数与成员名长度均有上限，恶意归档安全拒绝
• 文件读取走 ctx.fs，继承会话沙箱与 fs 观察策略，与内置 read 工具同权
• 上传内容不做格式白名单强制（默认全允许），由会话沙箱兜底

安装

dsh plugin --profile web add dsh-files
# 重启 dsh web

配置

- id: upload-toolkit
  name: 'dsh-files'
  config:
    maxFileBytes: 25165824        # 单次文档读取字节上限
    readLimit: 800                # 单次返回行数上限（默认 800，翻页成本低）
    sheetRowLimit: 200            # 每个 sheet 保留行数
    maxSheets: 5                  # 每个工作簿读取的 sheet 数
    cacheEntries: 16              # 解析缓存条目数
    cacheMaxBytes: 67108864       # 解析缓存字节预算
    maxOutputChars: 50000         # 单次输出窗口总字符预算（超限截断并标记）
    uploadMaxBytes: 25165824      # 单次上传字节上限
    allowedExtensions: []         # 上传扩展名白名单（空 = 全部允许）
    uploadTtlMs: 604800000        # 上传文件保留时长（7 天）
    sweepIntervalMs: 3600000      # 清扫间隔
    maxConcurrentUploads: 4       # 并发上传数
    maxUploadBytesPerSession: 0   # 每会话存储配额（0 = 不限）
    uploadDir: /abs/path          # 无 sessions 服务时的回退上传根目录

开发

pnpm install
pnpm test          # node --test 单元测试（57 项）
pnpm build         # esbuild 打包客户端 bundle
npx tsc --noEmit   # 类型检查

许可

MIT