htcqp802/dsh-knowledge-base

---

dsh-knowledge-base 把文档变成 DeepSeek Harness agent 可检索的知识库：丢进一个 PDF、Word 或 Markdown 文件，自动解析、按章节切块入库，agent 即可用 FTS5（BM25）相关度排序检索。内置 Web 管理界面支持像文件管理器一样管理知识库：新建/重命名/删除目录、移动文件、浏览内容。

✨ 功能特性

• 📥 导入任意文件 — md / txt / json / yml / docx / pdf，无大小限制；PDF 内置 pdfjs-dist 解析（跨平台、零系统依赖）
• 🔪 自动切块 — 按标题/段落切块，大文档拆成多条可检索条目；相邻小块自动合并，减少碎片
• 🔁 覆盖更新 — 同名文件重新导入 = 覆盖，不重复堆积
• 🗂 目录化管理 — 分类即目录：新建 / 重命名 / 删除（空）/ 移动文件，像操作系统文件管理器
• 🔍 FTS5 全文检索 — SQLite FTS5（trigram tokenizer，中文免分词）+ BM25 相关度排序；短词/异常自动回退 LIKE
• 🤖 Agent 原生工具 — kb_query / kb_import / kb_list / kb_update / kb_delete，模型在对话中直接使用
• 🖥 Web 管理界面 — 会话视图「知识库」tab：拖拽导入、目录浏览、分类管理、检索
• ⚙️ 分类体系可配置 — 默认不预置任何分类（适用于任意领域），运行时可在 UI 直接新建目录

🚀 安装

dsh plugin --profile web add dsh-knowledge-base

依赖：DeepSeek Harness（dsh）环境提供 @deepseek-ai/* 运行时；Node ≥ 22.5（内置 node:sqlite）。

🏃 快速开始

方式一：Web 界面（推荐）

1. 启动 dsh Web：dsh web（或 dsh --profile web）
2. 打开浏览器，新建会话 → 会话视图顶部切换到「知识库」tab
3. 拖拽文件导入 → 自动切块入库 → 在目录中浏览 / 重命名 / 移动
4. 在对话中让 agent 检索："用 kb_query 查一下 ISO9001"

方式二：Agent 工具（headless / 任意 profile）

导入：  用 kb_import 导入 /path/to/手册.pdf，分类"文档"，标签 ["手册"]
检索：  用 kb_query 查 "变压器"
浏览：  用 kb_list / kb_list 分类=文档
修改：  用 kb_update 改 id=3 的分类为"文档"
删除：  用 kb_delete 删除 id=3

⚙️ 配置

# 在 profile 的 cordis.patch.yml 或安装 bundle 时配置
# 默认不预置任何分类（适用于任意领域）；未指定分类的条目归入"未分类"。
# 也可在 UI 中直接新建目录（持久化，无需改配置）。
- id: knowledge-base
  name: 'dsh-knowledge-base'
  config:
    categories:            # 按需配置，例如：
      - 文档
      - 手册

🗂 Web API（供 UI 与第三方集成）

🏗 架构

dsh-knowledge-base（一个 npm 包，三个插件行）
├── dsh-knowledge-base          host 工具：kb_query / kb_import / kb_list / kb_update / kb_delete
├── dsh-knowledge-base/web      Web 端点：/api/kb/*（仅 web 组合挂载）
└── (client 半部)               会话视图「知识库」tab + 目录浏览器 UI

数据存储（默认）：

$DSH_HOME/knowledge-base/kb.sqlite    # 知识数据 + FTS5 索引 + meta（自定义分类）
$DSH_HOME/knowledge-base/inbox/       # 上传临时目录（导入后自动清理）

表：kb(id, category, name, summary, payload, tags, source, updated_at) + kb_fts（FTS5 外部内容表）+ meta（动态分类）。

🔧 开发

npm run build                     # tsc 类型检查 + tsdown 打包（host 半部 + client bundle）

# 本地验证（使用工作区内的测试 home，绝不污染 ~/.dsh）
DSH_HOME=$PWD/.dsh-home DSH_TELEMETRY_DISABLED=1 \
  dsh --profile headless --patch dev-headless.cordis.yml \
  "用 kb_import 导入 /tmp/测试.md，然后 kb_query 检索 '关键词'"

开源独立仓库随附 dev.cordis.yml / dev-headless.cordis.yml 用于本地验证。 开发期 @deepseek-ai/* 依赖通过 scripts/link-official-deps.mjs 链接官方 checkout（symlink）， 详见 AGENTS.md「依赖说明」。

🗺 路线图

• 文件导入（md/txt/json/yml/docx/pdf）
• 目录化管理（新建/重命名/删除/移动）
• FTS5 全文检索（BM25 + 中文 trigram）
• 知识库管理 Web UI
• AI 自动分类（导入端点直连 ctx.llm 结构化分类）
• 条目详情查看/编辑
• OCR（扫描版 PDF）
• 中文分词升级（自建 tokenizer 替代 trigram）

🤝 参与贡献

欢迎 PR！请先阅读 AGENTS.md（agent 开发指南）。提交前：

1. npm run build 通过
2. headless 工具链路自测通过
3. 不提交本地数据（.dsh-home/、.test-workspace/ 等，见 .gitignore）

📄 许可证

MIT © dsh-knowledge-base contributors

🔗 相关项目

• DeepSeek Harness — Everything is a Plugin
• awesome-dsh-plugin — 社区插件精选列表
• pdfjs-dist — PDF 解析引擎