gengyueworks/dsh-zhihu

README 摘要

dsh-zhihu DeepSeek Harness（dsh）插件：让 agent 能 读 / 抓 / 解析知乎 ——回答、专栏文章、搜索结果。 属于「知乎 DSH 插件组」的核心地基，其余 dsh-zhihu-collector / dsh-zhihu-tracker / dsh-zhihu-rec / dsh-zhihu-export 都挂在它上面。 本插件是 DeepSeek Harness 生态的一部分，遵循 "Everything is a Plugin"。 安装 装好后，agent 就能直接调用下面三个工具。 提供的工具 工具 作用 zhihu fetch column 按 URL / ID 抓取并解析知乎专栏文章（ zhuanlan.zhihu.com/p/ ），返回干净的标题 / 作者 / 正文 zhihu fetch answer 按 URL 抓取并解析知乎回答 / 问题页，返回干净的回答正文 zhihu search 按关键词搜索知乎，返回结果链接列表，便于先发现再精读 配置 cordis.patch.yml 里的 config 会传给插件： 字段 默认 说明 userAgent 桌面 Chrome UA 部分知乎页面对 UA / Referer 敏感 timeoutMs 15000 单次抓取超时 cache true 预留：是否缓存已抓页面 实现说明 - 知乎页面把状态嵌在 window. INITIAL STATE = ({...}) （不是严格 JSON）里，插件用容错正则提取并剥离 HTML 成纯文本。 - 抓取带浏览器 UA + Referer: https://www.zhihu.com/ ，尽量拿到完整页面。 - 若遇到登录墙导致解析不到正文，工具会如实返回「无法解析 / 可能需要登录」，不会编造内容。 已知限制 / 生产化方向 - 403 反爬 ：纯 Node 端抓取在数据中心 IP / 未登录时会拿到 HTTP 403 （已实测，正是 web 端直抓知乎遇到的风控墙）。 - 正确姿势 ：生产版应把抓取路由到用户 已登录的浏览器 （dsh 的 web 半边，即 dsh-web-app 提供的浏览器能力），类似 modlens 用 ctx.inject 挂浏览器半边 + loopback 路由的做法。 src/zhihu/tools.ts 的 buildTools(config, fetchImpl) 已预留 fetchImpl 注入点，将来把浏览器端 fetch 传进来即可，解析逻辑完全复用。 - 解析逻辑与抓取解耦，可脱离 dsh 单独测；当前 fetchZhihu 作为默认实现保留给可访问页面 / 本地调试。 开发 src/zhihu/ 是与框架无关的核心逻辑（fetch / parse / tools），可以脱离 d…

分类