Plugins

RAG de base de conhecimento de literatura local: 10 ferramentas (kb_ingest, kb_search, kb_rag, kb_zotero, kb_dedup, kb_clear, kb_fetch, kb_scope, kb_stats, kb_status), busca híbrida BM25+vetorial+reranker, QA com citações e links DOI clicáveis, embeddings bge totalmente locais sobre um índice SQLite de arquivo único. Requer Python 3.9+ com pymupdf, faiss-cpu e sentence-transformers; o instalador `npx dsh-kb-rag-install` configura tudo isso e pré-baixa o modelo.

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 para livros didáticos digitalizados: OCR a cerca de 5 vezes a velocidade do ONNXRuntime (requer Python 3.10+ com pymupdf, rapidocr, openvino e numpy), seguido por relatório de estrutura e plano de leitura por capítulo antes de abrir o PDF.

Base local de conhecimento para DeepSeek Harness: cinco ferramentas para importar Markdown, texto simples e PDF, pesquisar com BM25 ou BM25 híbrido com embeddings locais opcionais e responder citando trechos-fonte. Funciona offline sem servidor de banco. Requer Node.js 18+ e Python 3.9+; pymupdf para importar PDF.

Entrada de documentos para agentes: `doc_route` detecta o formato real por magic bytes e mede a camada de texto e colunas da página PDF antes de converter. `pdf_markdown` converte PDF para Markdown na ordem de leitura das colunas usando PyMuPDF. O fluxo PDF requer Python 3 e PyMuPDF.

Traduz PDFs baseados em texto via DeepSeek ou APIs compatíveis com OpenAI, preservando layout, fontes, imagens e links em um resultado editável.

Inclui biblioteca de leitura profunda de artigos e o skill paper-deepread-html: painel lateral para navegar relatórios interativos, enviar PDFs à biblioteca gerenciada, analisá-los com um agente ou worker opcional de leitura automática do site e gerenciar/reconstruir a biblioteca. Model tools: paper_deepread, paper_deepread_uploads, paper_deepread_reports. Leitura/ingestão/relatórios exigem Python 3; o skill prepara um venv PyMuPDF no primeiro uso e a reconstrução do índice usa plain python3 como fallback.