Plugins

RAG de base de conocimiento bibliográfico local: 10 herramientas (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), búsqueda híbrida BM25+vectores+reranker, QA con citas y enlaces DOI clicables, embeddings bge totalmente locales sobre un índice SQLite de un solo archivo. Requiere Python 3.9+ con pymupdf, faiss-cpu y sentence-transformers; el instalador `npx dsh-kb-rag-install` los configura y predescarga el modelo.

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.

Flujo para libros escaneados: OCR a aproximadamente 5 veces la velocidad de ONNXRuntime (requiere Python 3.10+ con pymupdf, rapidocr, openvino y numpy); después genera un informe de estructura y un plan de lectura por capítulo antes de abrir el PDF.

Base de conocimiento local para DeepSeek Harness: cinco herramientas para incorporar Markdown, texto plano y PDF, buscar con BM25 o BM25 híbrido con embeddings locales opcionales y responder con pasajes citados. Funciona sin conexión y sin servidor de base de datos. Requiere Node.js 18+ y Python 3.9+; pymupdf para importar PDF.

Entrada documental para agentes: `doc_route` detecta el formato real por magic bytes y mide la capa de texto y columnas de cada página PDF antes de convertir. `pdf_markdown` convierte PDF a Markdown siguiendo el orden de lectura por columnas con PyMuPDF. La ruta PDF requiere Python 3 y PyMuPDF.

Traduce PDFs basados en texto con DeepSeek o APIs compatibles con OpenAI, conservando diseño, fuentes, imágenes y enlaces en un resultado editable.

Incluye una biblioteca de lectura profunda de artículos y el skill paper-deepread-html: panel lateral para explorar informes interactivos, subir PDF a una biblioteca gestionada, analizarlos con un agente o mediante un worker opcional del sitio y administrar/reconstruir la biblioteca. Expone paper_deepread, paper_deepread_uploads y paper_deepread_reports. La lectura profunda, ingesta y creación de informes requieren Python 3; el skill prepara un entorno PyMuPDF en el primer uso y la reconstrucción del índice recurre a plain python3.