メインコンテンツへスキップ
0

dsh-collect

0131kikimy/dsh-collect

WebページをMarkdownと取得画像でワークスペースへ収集し、docx/xlsx/pptx/pdf/md/html/txt/csv/jsonへ出力。パネルまたは3ツールで操作。コンピューター操作ツールは明示有効化まで禁止。

インストール

dsh plugin --profile web add github:0131kikimy/dsh-collect

README

采文 · CollectKit

一句话: 给 DeepSeek Harness 装上这个插件,左侧边栏会多一个「采文」图标;把网址粘进去,它替你把网页的正文和图片取下来,再按你选的格式存成文件。

这篇文档解决什么问题:搞清楚这个插件是什么、能干什么、怎么装、怎么用。 更细的内容见下面的「文档导航」。

插件信息

项目值
显示名采文 · CollectKit
包名(插件列表里显示的)dsh-collect
侧边栏标签采文
面板接口前缀/dsh-collect/api
运行环境DeepSeek Harness 桌面版 / Web 版
第三方依赖无(插件自带全部代码,不需要 npm install)

能干什么

  • 批量采集网页正文。 一次可以粘多个网址(每行一个),插件会挨个打开,去掉导航、广告、页脚,只留正文。
  • 图片一起存下来。 正文里的图片会下载到本地,网页关掉、断网也能看。
  • 内置微信公众号适配。 微信文章按固定正文容器(#js_content)取正文、按 data-src 取图;遇到「环境异常」验证页会明确报错并给处理建议,不会把一篇"环境异常"当成文章存下来。
  • 生成 9 种格式。 docx / xlsx / pptx / pdf / md / html / txt / csv / json,在面板里点一下按钮就生成。
  • 5 种信息获取方式。 面板采集走「原生联网」和「直连抓取」;另外三个(浏览器标签页、桌面操控、MCP 工具)是给 AI 的授权开关,默认关闭。
  • 默认禁止桌面操控。 「桌面操控」会移动你的鼠标、敲你的键盘,所以默认关闭,并且是硬拦截;确实需要时再手动打开。
  • AI 也能直接用。 插件给 AI 提供了三个工具:collect_fetch(采集网址)、collect_export(生成文件)、collect_settings(读写设置),你可以直接对 AI 说"帮我采这个网址并存成 Word"。
  • 成果都在一个文件夹里。 默认存到工作目录下的 采文输出/,采集结果、图片、生成的文件都在这里,方便统一整理。

30 秒安装(最短路径)

  1. 打开 DSH,找到「插件」页,点「添加」。
  2. 粘贴仓库地址:https://github.com/0131kikimy/dsh-collect
  3. 等提示安装完成,完全退出 DSH 再重新打开(重启后才加载新插件)。
  4. 看左侧边栏,应该多出一个「采文」图标。

三种安装方式(插件页添加 / 本地文件夹安装 / 手动放进 profile)的完整步骤、卸载方法,见 安装指南。

✅ 检查点:你应该看到左侧边栏出现「采文」图标,点开后页面标题是「采文 · CollectKit」。

5 步上手

  1. 点图标。 左侧边栏点「采文」,打开面板。
  2. 粘网址。 在「采集」区把网页地址粘进去,一行一个(也支持用逗号或空格隔开)。
  3. 开始采集。 点「开始采集」,等提示"正在采集第 n/m 个"走完。
  4. 选格式、点生成。 在「生成文件」区点一种格式(默认是 docx),再点「生成」。
  5. 找文件。 打开工作目录下的 采文输出/,每篇文章一个子文件夹,正文、图片和生成的文件都在那个文件夹里。

每个按钮的具体说明见 使用手册。

✅ 检查点:你应该在 采文输出/ 下看到至少一个文件夹,里面有 index.md 和 图片/ 文件夹。

功能表

功能在哪里说明
采集网页正文 + 图片面板「采集」区支持多个网址;正文自动去掉导航、广告、页脚
查看采集结果采集结果列表显示标题、来源域名、字数、图片数、获取方式、保存的相对路径
展开正文预览结果行的「查看正文」只读预览,最多显示 4000 字
生成 9 种格式文件面板「生成文件」区先选「导出对象」→ 选格式 → 点「生成」→ 得到文件名、大小和「下载」按钮
切换信息获取方式面板「信息获取方式」区5 个开关,改动立即保存,失败会自动恢复原状
调整输出与采集参数面板「设置」区输出目录、单页最大字节、超时毫秒、图片上限、下载图片;改完点「保存设置」
让 AI 直接采集对 AI 说话工具 collect_fetch
让 AI 直接生成文件对 AI 说话工具 collect_export
让 AI 读写插件设置对 AI 说话工具 collect_settings

✅ 检查点:你应该在面板里看到「采集」「生成文件」「设置」这几个区,和表里对应得上。

能力对照表

信息获取方式是否需要额外插件风险等级默认状态
原生联网不需要(用 DSH 宿主自带的联网能力;宿主没提供时这一行显示"不可用")低开启
直连抓取不需要(插件自己访问网站)低开启
浏览器标签页需要宿主里有浏览器标签页类工具(通常由其他插件提供)中(能读到你浏览器里已打开页面的内容)关闭
桌面操控需要已安装 computer 操控类插件高(会移动鼠标、敲键盘,可能误点)关闭(硬拦截,要手动打开)
MCP 工具需要已安装并连接 MCP 数据源插件中~高(取决于所连插件能做什么)关闭

"硬拦截"的意思是:开关关着的时候,即使 AI 主动想用桌面操控,插件也会直接拒绝,不会偷偷动你的鼠标。

还有一点要分清:面板上的「开始采集」只会用「原生联网」和「直连抓取」这两路去取网页;后三个开关不会替面板抓网页,而是决定 AI 在面板抓不到时能不能改用对应的工具。另外「原生联网」和「直连抓取」不能同时关闭,至少要留一路。

仓库目录说明

dsh-collect/
├─ package.json          插件清单:名字、版本、入口
├─ cordis.patch.yml      插件挂载配置(告诉 DSH 怎么加载它)
├─ icon.svg              侧边栏「采文」图标
├─ CONTRACT.md           开发用的接口契约(普通用户不用看)
├─ README.md             本文件
├─ LICENSE               开源许可证(MIT)
├─ .gitignore            不提交到仓库的文件清单
├─ docs/                 文档:安装、使用、格式、排查
│  ├─ INSTALL.md
│  ├─ USAGE.md
│  ├─ FORMATS.md
│  └─ TROUBLESHOOTING.md
├─ locale/               中英文界面文案
├─ lib/                  插件代码
│  ├─ index.js           插件入口
│  ├─ config.js / store.js   设置默认值与读写
│  ├─ routes.js          面板用的本地接口(/dsh-collect/api)
│  ├─ tools.js           AI 工具(collect_fetch / collect_export / collect_settings)
│  ├─ pipeline.js        采集编排
│  ├─ export.js          格式分发
│  ├─ http.js / extract.js / img.js / save.js   抓取、正文提取、图片、落盘
│  ├─ client.js          面板界面
│  └─ generate/          九种格式的生成器(docx / xlsx / pptx / pdf / 文本 / 打包)
└─ test/                 开发自测脚本

文档导航

  • 安装指南:三种安装方式、重启、卸载、装不上怎么办
  • 使用手册:面板五个区怎么用、开关分别是什么意思、文件存在哪
  • 格式说明:9 种格式各适合什么、有什么限制、PDF 需要什么条件
  • 常见问题与排查:面板打不开、采集失败、微信被拦、乱码等 13 个问题

✅ 检查点:你应该能点开上面 4 个链接,每个都打开一篇中文文档。

许可证

本项目使用 MIT 许可证,版权归 "dsh-collect contributors" 所有。完整条文见 LICENSE。

関連プラグイン