Plugin

RAG per una knowledge base bibliografica locale: 10 strumenti (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), ricerca ibrida BM25+vector+reranker, QA con citazioni e link DOI cliccabili, embedding bge interamente locali su un indice SQLite in un singolo file. Richiede Python 3.9+ con pymupdf, faiss-cpu e sentence-transformers; l'installer `npx dsh-kb-rag-install` li configura e pre-scarica il modello.

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 per libri di testo scansionati: OCR a circa 5 volte la velocità di ONNXRuntime (richiede Python 3.10+ con pymupdf, rapidocr, openvino e numpy), quindi crea un report strutturale e un piano di lettura per capitolo prima di aprire il PDF.

Knowledge base locale per DeepSeek Harness: cinque strumenti per importare Markdown, testo semplice e PDF, cercare con BM25 o BM25 ibrido con embedding locali facoltativi e rispondere citando i passaggi fonte. Offline e senza server database. Richiede Node.js 18+ e Python 3.9+; pymupdf per import PDF.

Acquisizione documenti per agenti: `doc_route` rileva il formato reale dai magic bytes e misura livello testuale e colonne delle pagine PDF prima della conversione. `pdf_markdown` converte i PDF in Markdown rispettando la lettura a colonne con PyMuPDF. Il percorso PDF richiede Python 3 e PyMuPDF.

Traduce PDF testuali tramite DeepSeek o API compatibili OpenAI, preservando layout, font, immagini e link, con output modificabile.

Include una libreria per la lettura approfondita e lo skill paper-deepread-html: pannello laterale per report interattivi, upload PDF nella libreria gestita, analisi con un agente o con un worker opzionale del sito e gestione/ricostruzione. Model tools: paper_deepread, paper_deepread_uploads, paper_deepread_reports. Python 3 è necessario per lettura/ingestione/report; al primo uso lo skill prepara un venv PyMuPDF, mentre la ricostruzione dell’indice ripiega su plain python3.