Plugins

Lokale Literatur-Wissensdatenbank-RAG: 10 Tools (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), hybride BM25+Vector+Reranker-Suche, belegte Fragen-Antworten mit anklickbaren DOI-Links, vollständig lokale bge-Embeddings über einen Single-File-SQLite-Index. Benötigt Python 3.9+ mit pymupdf, faiss-cpu und sentence-transformers; der Installer `npx dsh-kb-rag-install` richtet diese ein und lädt das Modell vorab herunter.

Turns one journal paper PDF into a Chinese group-meeting literature report deck (.pptx) in the Nanyang Normal University physics template, plus a matching Word speaker script. Requires Python 3 with python-pptx, python-docx, Pillow and pymupdf (pypdf fallback); install them with pip install -r requirements.txt.

Pipeline für gescannte Lehrbücher: OCR mit etwa fünffacher ONNXRuntime-Geschwindigkeit (Python 3.10+ mit pymupdf, rapidocr, openvino und numpy erforderlich), danach Strukturbericht und Leseplan pro Kapitel, bevor das PDF geöffnet wird.

Lokale Wissensbasis für DeepSeek Harness: fünf Tools zum Import von Markdown, Klartext und PDF, BM25- oder Hybrid-BM25-Suche mit optionalen lokalen Embeddings und Antworten mit zitierten Belegstellen. Offline ohne Datenbankserver. Node.js 18+ und Python 3.9+ erforderlich; PDF-Import braucht pymupdf.

Dokumentaufnahme für Agents: `doc_route` erkennt das echte Format anhand Magic Bytes und misst vor jeder Konvertierung PDF-Textebene und Spaltenlayout. `pdf_markdown` wandelt PDFs mit PyMuPDF in Markdown gemäß Spaltenlesereihenfolge um. PDF-Pfad benötigt Python 3 und PyMuPDF.

Übersetzt textbasierte PDFs über DeepSeek oder OpenAI-kompatible APIs und erhält Layout, Schriftarten, Bilder und Links in bearbeitbarer Ausgabe.

Enthält eine Deep-Read-Paperbibliothek und das Skill paper-deepread-html: Seitenpanel für interaktive Leseberichte, PDF-Upload in eine verwaltete Bibliothek, Tiefenanalyse durch einen Agenten oder einen optionalen Site-Auto-Read-Worker sowie Verwaltung und Neuaufbau. Model-Tools: paper_deepread, paper_deepread_uploads, paper_deepread_reports. Für Deep-Read/Import/Berichte ist Python 3 nötig; das Skill richtet beim ersten Einsatz eine PyMuPDF-venv ein, beim Index-Neuaufbau erfolgt der Fallback auf plain python3.