- Home
- Plugins
- Tools & Capabilities
- dsh-collect
dsh-collect
0131kikimy/dsh-collect
Collect web pages into your workspace as Markdown plus downloaded images, then export them as docx, xlsx, pptx, pdf, md, html, txt, csv or json, from a sidebar panel or through three agent tools, with computer-control tools blocked until you enable them.
Install
dsh plugin --profile web add github:0131kikimy/dsh-collectREADME
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)
- 打开 DSH,找到「插件」页,点「添加」。
- 粘贴仓库地址:
https://github.com/0131kikimy/dsh-collect - 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)。
- 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
- 点图标。 左侧边栏点「采文」,打开面板。
- 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)。
- 开始采集。 点「开始采集」,等提示"正在采集第 n/m 个"走完。
- 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」。 - 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。
Related plugins
archify (deepseek-harness)
tt-a1i/archify
WeKnora (dsh-weknora)
tencent/weknora
next-ai-draw-io (dsh-plugin)
dayuanjiang/next-ai-draw-io
weknora
tencent/weknora