Plugins

RAG de base de connaissances bibliographiques locale : 10 outils (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), recherche hybride BM25+vecteurs+reranker, questions-réponses avec citations et liens DOI cliquables, embeddings bge entièrement locaux sur un index SQLite en un seul fichier. Nécessite Python 3.9+ avec pymupdf, faiss-cpu et sentence-transformers ; l'installateur `npx dsh-kb-rag-install` les met en place et pré-télécharge le modèle.

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 pour manuels numérisés : OCR environ 5 fois plus rapide qu'ONNXRuntime (Python 3.10+ avec pymupdf, rapidocr, openvino et numpy requis), puis rapport de structure et plan de lecture par chapitre avant l'ouverture du PDF.

Base de connaissances locale DeepSeek Harness : cinq outils pour ingérer Markdown, texte brut et PDF, rechercher avec BM25 ou hybride BM25 et embeddings locaux facultatifs, répondre avec citations. Fonctionne hors ligne sans serveur de base de données. Requiert Node.js 18+ et Python 3.9+ ; pymupdf pour les PDF.

Import de documents pour agents : `doc_route` détecte le vrai format via magic bytes et mesure couche texte et colonnes des pages PDF avant conversion. `pdf_markdown` convertit en Markdown selon l’ordre de lecture des colonnes avec PyMuPDF. La voie PDF nécessite Python 3 et PyMuPDF.

Traduit des PDF textuels via DeepSeek ou des API compatibles OpenAI en préservant mise en page, polices, images et liens, avec sortie modifiable.

Inclut une bibliothèque de lecture approfondie d’articles et le skill paper-deepread-html : panneau latéral pour consulter des rapports interactifs, importer des PDF dans une bibliothèque gérée, les analyser avec un agent ou un worker de lecture automatique du site (facultatif), gérer ou reconstruire la bibliothèque. Outils model : paper_deepread, paper_deepread_uploads, paper_deepread_reports. Python 3 requis pour lecture/ingestion/rapports ; le skill prépare un environnement PyMuPDF au premier usage, et la reconstruction de l’index utilise plain python3 en repli.