2672243194/dsh-read-url

README 摘要

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， execute(args…

分类