dsh-paper-insight · 论文 → 产品

DeepSeek Harness 的 Cordis 研究插件。将公开论文检索、证据提取、技术理解、Agent 沙箱迁移、产品创新和 PoC 串成可恢复的研究流程。包名保持 dsh-paper-insight，工作台显示“论文研究”。

安装与侧边栏

需要 Node.js ≥ 22.12 和 DeepSeek Harness >=0.2.1-alpha.2 <0.3.0。已验证的宿主及测试范围见验收记录。

dsh plugin --profile web add dsh-paper-insight@0.2.3
dsh web

已运行的 Harness 请在当前任务完成后重启，刷新浏览器。左侧点击 论文研究：

先在 Harness 创建或打开一个会话，选择工作区与模型，并允许工作区写入。
工作台选择该会话。检索主题，或输入论文标题 / URL / DOI / arXiv ID / 本地文件路径。
勾选研究模块并开始分析，查看阶段进度；可取消，之后在研究历史点击“继续完成分析”。
在研究历史新建研究、查看详情、搜索、编辑名称和备注、删除和恢复记录，也可重新分析选中内容或选择报告比较。分析结束后自动展示完整报告；历史报告默认进入阅读视图。报告和引用图保存在会话工作区。

Web 工作台目前支持本机 localhost/127.0.0.1/::1 的 Web Harness，不提供远程公开 HTTP 服务或 Electron IPC 适配。未打开任何会话时会提示先打开会话。工具本身可在 headless 使用：

dsh plugin --profile headless add dsh-paper-insight@0.2.3
dsh headless "检索 ReAct 论文，执行十模块分析并保存本地；然后只重做沙箱模块，比较两个版本。"

Web、headless 是不同 profile，分别安装并配置模型。模型凭据由 Harness 管理，不需给插件另配模型 API Key。

图文研究报告（0.2.3）

独立宽幅阅读区；按“先看重点、理解技术、研究依据、产品应用、验证行动、证据与资料”导航，章节标题使用自然中文。
新报告首先展示核心思想、主要价值、适用边界与行动建议。机制图在相关章节直接显示，详细解析和证据附录默认收起；可“展开全部细节”或“只看重点”。点击证据编号会自动展开并定位原文。
技术理解、沙箱、体验、PoC 四个模块分别按证据生成具体机制/流程、集成框架、用户旅程和验证流程图。完整报告最多四张分析图，另保留引用关系图；只选部分模块则只生成对应图。
图示有事实/推断/待验证方案标签、说明及引用。证据不足时显示不绘图的具体原因；不保证每篇论文都有四张图。节点、边及引用校验通过后由程序生成 Mermaid，模型不能提供可执行图表配置。
旧报告自动使用新版分组、中文字段和折叠布局。旧文件不改写、不自动调用模型；要补充图示，在历史里“重新分析选中内容”生成新版本。Markdown 源码/下载仍保留完整内容。
结构化报告保留 schemaVersion 2，promptVersion 更新至 0.2.3，章节可增补 visual/visualOmission。跨提示词版本继续分析时复用原文和证据，但重新生成分析章节。

图表语法、安全校验或渲染失败时显示原因及源码，正文仍可阅读。图示是对资料的解释，并不等同于作者原图或已验证的工程方案。

研究历史与失败恢复（0.2.2）

新建研究：填写论文标题、链接或本地文件并分析，自动创建历史记录。
查询历史：按论文名、备注、报告正文搜索，按状态筛选和翻页；打开工作台自动加载当前会话历史。
查看详情 / 编辑记录：查看来源、失败原因、已完成内容；修改显示名称和个人备注。论文原名、原始材料和报告不变，修改有版本记录。
删除记录 / 恢复记录：删除先确认，移入“已删除”；勾选“查看已删除记录”并查询即可恢复。没有永久清除操作。
继续完成分析：复用已保存的材料与成功内容，只处理剩余部分。尚未取得材料时显示“重新尝试分析”。
重新分析选中内容：使用左侧勾选的分析内容生成新版本，保留旧报告。
输入完整标题时检索配置的学术来源，只有标准化后完全一致的唯一候选才自动使用；不能确认时显示候选供用户选择。来源限流仍记录在检索信息中。
粘贴旧错误提示会被拒绝，不会新增无效失败记录；旧的 Pending paper 优先显示已保存的输入标题。异常中断的记录可在当前进程没有对应运行任务时恢复。

验证范围见 0.2.2 验收记录。

报告阅读（0.2.1）

阅读视图渲染标题、列表、表格、引用、代码高亮和数学公式，复用 Harness 的 Markdown 组件。
章节目录可跳转到二级标题；报告中的证据链接可跳转到原文定位。
Mermaid 流程图、关系图和时序图在本地绘制，首次遇到图表时才加载随包提供的渲染器，无需外部 CDN。
“Markdown 源码”保留原始文本，“下载 Markdown”导出同一份原文。阅读已有报告不调用模型。
图表语法错误、超出限制或含交互/配置/外部资源时显示原因及源码，其他正文照常显示。原始 HTML 不作为脚本执行。

本次浏览器与打包验收见 0.2.1 验收记录。

核心能力

能力	实现与边界
论文发现	arXiv、OpenReview、Semantic Scholar、OpenAlex、Crossref 官方接口；合并 DOI/arXiv/标题重复项
高级筛选	作者、机构、会议/期刊、日期、最低引用量；相关性、时间或引用量排序。按有限候选元数据过滤，字段缺失可能漏检
导入与解析	arXiv、DOI、OpenReview、学术索引标识、允许域名的开放 HTML/PDF、工作区 PDF/TXT/MD/HTML；扫描 PDF 需先 OCR
论文理解	背景、问题、机制、输入输出、创新、实验、条件、限制、价值；零基础、产品经理、工程三层解释及公式变量说明
第一性原理	根本目标→客观约束→主要矛盾→次要矛盾→既有解法→新解法→代价与边界→新矛盾，含替代方案
Agent 沙箱	直接适用/改造后适用/间接启发/暂不适用，讨论接口、权限、资源、指标、风险、验证周期
产品创新	区分技术能力、产品能力与可操作功能；新产品概念、MVP、商业假设、成本、风险与优先级
体验、迁移、教学	前后旅程和指标；跨域条件及负迁移；直觉→概念→机制→案例→产品→局限
研究脉络	参考文献、后续引用、相关研究、检索日期；生成 `timeline.json` 与 `relations.mmd`，引用图不冒充技术继承图
PoC	假设、步骤、资源、对照、成功标准与停止条件；不适用的技术明确说明
知识积累	研究历史全文搜索、版本差异、多报告比较、关注主题增量发现、本地产品机会与关系图聚合

ACL Anthology、PMLR（ICML 等）、NeurIPS、CVF 的开放全文可直接导入；ICLR 可从 OpenReview 获取。IEEE/ACM 的收录元数据可经 DOI/学术索引检索，公开页面在允许列表内；无法取得合法全文时说明限制，不绕过付费墙或访问验证。没有可用外部来源时返回错误或明确来源缺口，模型记忆不会替代实时检索。

工具与可编程调用

全部工具以 paper_insight_ 开头。共 27 个工具，保留已有工具名称。详细输入 JSON Schema 见 tools.json，输出、错误和调用示例见 API 文档。

工具后缀	用途
`search` / `read` / `fetch`	搜索、读取、持久化原始提取材料
`analyze` / `batch` / `resume`	完整或指定模块分析、批量分析、从检查点续跑
`analyze_principles` / `trace_research` / `analyze_sandbox`	单独研究原理、脉络、沙箱
`generate_capabilities` / `ideate_products` / `optimize_experience`	单独生成产品能力、新产品、体验方案
`analyze_transfer` / `explain_for_beginners` / `generate_poc`	单独迁移、教学、PoC
`library` / `report` / `export_report`	历史全文检索、报告读取、Markdown/JSON 导出
`history_detail` / `history_update` / `history_delete` / `history_restore`	历史详情、名称备注编辑、可恢复删除及恢复
`compare_papers` / `compare_versions`	多论文比较、同一归档的版本差异
`subscriptions` / `discover_updates` / `aggregate`	关注主题、增量发现、本地知识聚合

使用 paper_insight_search 搜索 agent memory，按时间排序，限制 2026-01-01 之后。
分析 https://arxiv.org/abs/2210.03629，仅执行 paper、sandbox、features、decision 模块。
复用历史研究 key 和 runId，调用 paper_insight_analyze_sandbox；不要重新下载论文。
使用 paper_insight_resume 继续刚才失败的检查点。
使用 paper_insight_library 搜索“快照”，返回 10 条报告。
保存关注主题“agent sandbox”和“agentic reinforcement learning”，执行一次增量发现。

在 Harness 插件代码中可以调用 ctx.tools.execute({name, arguments, signal, callId, agent})，遵循宿主真实 ToolRuntime 契约。另导出 dsh-paper-insight/api 的 PaperInsight 服务及 createTools(service)（包主入口），便于集成；仍须提供已配置的 Harness 服务和会话执行上下文。

数据与恢复

<会话工作区>/.paper-insight/
  index.json                 最近运行的可重建索引
  subscriptions.json         关注主题
  discovery.json             已见论文/版本指纹
  <归档key>/<runId>/
    manifest.json            状态、模型、用量、父版本、时间
    record.json              自定义名称、备注、删除标记与修改历史
    checkpoint.json          可恢复的文档/证据/章节检查点
    events.json              阶段状态、时间、错误
    metadata.json
    document.json            解析文本、分块、定位、覆盖率
    source.txt               带原文位置的提取文本
    evidence.json            原文精确短引及哈希
    references.json
    report.md / report.json
    product-ideas.md / poc.md
    references.bib
    timeline.json / relations.mmd

论文 canonicalKey 根据 DOI、无版本 arXiv ID 或规范化来源生成；运行标识独立。输入尚未解析时先建立请求归档，以便网络失败也能恢复。获取完成后记录 canonicalKey；不同输入写法的运行通过该标识关联。每次续跑或重做都创建新 runId，并记录 parentRunId，绝不覆盖旧报告。

resume 复用成功证据块和章节；analyze 加 key/runId 复用文档和证据，重新生成选定模块。refreshResearch:true 更新相关文献并重新生成章节。新版本提示词不会复用旧提示词生成的章节。历史 0.1.x 报告仍可读取；缺少 checkpoint 但保留 document.json 的旧记录，可复用正文重新分析。材料缺失时提示重新填写论文信息。

默认只存提取文本及链接，不自动保存远程 PDF 二进制；原始本地文件不被修改。归档里引用的页码/段落用于回查原文。失败/取消也保留检查点，强制中断可能留下 running 状态，可显式续跑。

配置

在 profile 的 cordis.patch.yml 中覆盖 paper-insight 行；配置替换整个 config，省略字段使用默认值。

- id: paper-insight
  config:
    outputDir: research/papers
    sources: [arxiv, openreview, semantic-scholar, openalex, crossref]
    topics: [agent sandbox, agentic reinforcement learning]
    lookbackDays: 30
    concurrency: 1
    maxChunks: 16
    maxRelated: 12
    maxPapers: 5
    language: zh-CN
    modelTimeoutMs: 180000
    httpTimeoutMs: 30000
    webEnabled: true

outputDir 必须是当前会话工作区内的相对路径。provider 与 model 如需覆盖必须一起设置，使用 Harness 已注册路由。默认使用会话待选模型、最近模型请求或 Harness 默认模型。

完整配置见 config.json。其他限额包括 chunkChars（默认12000）、maxOutputTokens（7000）、maxExtractionTokens（6000）、maxDownloadBytes（20MB）、maxPages（100）、historyLimit（2000）。可用 extraHosts 增加明确的公开学术域名，不接受通配符、IP 或本地域名。

可选检索凭据从环境读取 SEMANTIC_SCHOLAR_API_KEY、OPENALEX_API_KEY。不要把凭据写进论文、报告或提交到仓库。

定期增量发现

插件没有常驻轮询定时器。先保存关注主题，再让 Harness 现有调度工具定期执行：

调用 paper_insight_discover_updates，展示新增/更新论文及来源缺口；不要自动分析所有候选。

定时任务应由用户通过 Harness 调度功能创建，或由外部调度器启动已配置模型/工作区的 headless profile。增量发现会记录版本指纹，但不是穷尽所有来源的系统综述。

安全、质量和费用

论文、网页和历史报告均作为不可信资料；分析调用不授予工具，不执行文中代码。
事实、文献事实、推断、创新假设、证据不足分别标注；模型选择原文编号，程序生成精确短引。
结构化字段缺失或引用不存在会触发一次修复；截断可提升单次输出额度，最高16000 token。无法修复时保存检查点并报错。
默认最多16次逐块提取+5次分组生成，各自最多一次修复；完整研究最多42次模型调用。单模块重做通常只需1次生成；实际取决于失败与重试。
部分文本、摘要分析、图表/公式抽取限制及文献来源失败会写进报告。结构与引用校验不等于证明语义正确或产品已可行。
不自动把理论可能性写成收益，不把引用关系写成技术继承，不强行把论文与 Agent 沙箱关联。
路径拒绝越界与符号链接；工作区只读时拒绝写报告。该检查不是操作系统沙箱，不支持远程 SSH 文件世界。
Web API 复用 Harness 认证入口，并额外限制本机 Host、同源请求及 JSON 请求体。归档、HTTP 和模型调用都有边界；多个宿主进程不应同时更新同一个主题订阅状态文件。

开发、测试与扩展

npm ci --ignore-scripts
npm run build:client
npm test
DSH_TEST_ROOT=/path/to/official-runtime npm run test:host
npm run test:live
npm pack --ignore-scripts

test:host 使用真实 Cordis/ToolRuntime/LlmRuntime，但响应为合成测试数据；真实模型与侧边栏验收另见验收记录。

模块职责：papers.js 数据源与归一化；http.js 网络限制与退避；content.js HTML/PDF 提取；model.js 宿主模型适配；analysis.js 证据与报告校验；modules.js 模板字段；workflow.js 检查点与阶段；storage.js 原子归档和历史；knowledge.js 比较/订阅/聚合；web.js 工作台宿主接口；client/main.js 原生侧边栏 UI；client/report-view.js 报告阅读；client/report-utils.js 分块、引用跳转和图表约束；client/diagram.js 本地 Mermaid/SVG 清洗。client.js 与 dist/diagram.js 是构建产物，修改源码后运行 npm run build:client 并一同提交。

新增来源时扩展 sourceNames、PaperSources.oneSearch/resolve 与允许域名，补充真实 API 样本和离线失败测试。新增模块时扩展 MODULE_FIELDS、章节目录和分析提示词，补充 Schema 与验收案例。增加客户端功能时使用 Harness 槽位，不替换侧边栏 DOM。

故障排查

dsh: command not found：先安装兼容的 Harness 或将已有 CLI 入口加入 PATH。
找不到论文工具：确认安装的是当前使用的 profile，并检查 dsh --profile web --dump-config 的 paper-insight 行。
侧边栏没有入口：重启已运行宿主并刷新页面；查看客户端插件加载错误。
没有可选会话：先在 Harness 打开工作区和一个会话，再点刷新会话。
来源429/403：降低频率、使用可选API凭据或换公开来源；不要绕过访问限制。
模型错误/取消：使用返回的 key/runId 调用 resume，或从历史点击继续。
扫描 PDF/解析失败：先 OCR；明确证据不足，不根据标题补造结论。
旧报告无检查点：仍可读取；需要重新导入才能使用阶段恢复。

卸载：dsh plugin --profile web remove dsh-paper-insight。卸载不删除已保存研究。

dsh-paper-read

Install

README