dsh-knowledge-library 0.2.0 → 0.3.0

package/CHANGELOG.md

@@ -1,5 +1,16 @@
 # 更新记录
 
+## 0.3.0 — 2026-10-22
+
+- 移除知识整理各阶段及网页识图的固定 token 额度。Harness 不覆盖 `maxTokens`，由运行时采用模型适配器默认配置；独立预览不传 `max_tokens`，由模型服务使用默认配置。保留默认模型与思考强度。
+- 提炼/分析单次等待上限提高至 5 分钟，分组/综合/增量对比提高至 10 分钟，支持取消；截断结果不保存为草稿、不自动重试，明确说明沿用模型配置及思考可能共用额度。开始整理前可展开查看输出配置与耗时。
+
+- 网页链接采集可自动下载正文图片并调用视觉模型，保存原图、图中文字、图示解读与不确定项；派生文字参与搜索、引用与知识整理，原文及已有段落 ID 保持不变。
+- 新增资料库级持久开关、每页数量及模型/费用确认，默认关闭。Harness 使用原生图片附件，预览使用内联图片协议，并核对实际模型视觉能力。
+- 详情新增原图预览与识别段落跳转，任务新增图片进度、停止处理和明确确认的失败图片重试；单图失败保留正文，成功图片不重复识别，重启不自动重发视觉请求。
+- 复用公网 DNS/跳转和代理限制，校验图片格式、字节与尺寸，限制每页图片缓存；图片与资料一起移动、回收和清空，索引可从校验后的派生记录重建。
+- 增加隔离核心/API/视觉协议及真实 Harness/预览浏览器、暗色/手机和重启测试。
+
 ## 0.2.0 — 2026-10-22
 
 - 新增已有知识增量整理：单篇及分组草稿检索相关已有笔记，完整对比重复内容、新增知识和冲突条件，建议新建、追加补充或仅关联来源；可切换为独立笔记。

package/README.md

@@ -2,10 +2,12 @@
 
 本地优先的 DeepSeek Harness 资料库插件。把网页、文字、文件和视频字幕保存到自己的电脑，按分类与专题整理，再让 Agent 检索、引用并形成知识笔记。
 
-[npm](https://www.npmjs.com/package/dsh-knowledge-library) · [下载 v0.2.0](https://github.com/Alan-dong-dong/dsh-knowledge-library/releases/tag/v0.2.0) · [更新记录](CHANGELOG.md) · [反馈问题](https://github.com/Alan-dong-dong/dsh-knowledge-library/issues) · [MIT](LICENSE)
+[npm](https://www.npmjs.com/package/dsh-knowledge-library) · [下载 v0.3.0](https://github.com/Alan-dong-dong/dsh-knowledge-library/releases/tag/v0.3.0) · [更新记录](CHANGELOG.md) · [反馈问题](https://github.com/Alan-dong-dong/dsh-knowledge-library/issues) · [MIT](LICENSE)
 
 这是社区插件，与 DeepSeek 官方没有隶属关系。插件已声明 dsh 原生加载配置，通过 `dsh plugin add` 安装后自动加载，无需另行注册账号或申请插件 ID。插件通过 npm 和 GitHub Release 分发；发布到 npm 不代表已收录进官方或第三方插件目录。
 
+`0.3.0` 新增网页正文图片识别，知识整理和识图的输出额度统一沿用当前模型配置，不另设 token 上限。下方 npm / Release 命令均安装此版本。
+
 **兼容基线：DeepSeek Harness `0.2.1-rc.2`、Cordis `4.0.5`、Node.js `22.23.0`。**
 使用 Node 内置 SQLite，最低要求 Node `22.13.0`。DSH 仍处于预览阶段，其他版本需要重新验证。原生界面已针对 **本机 DSH Web** 验证；桌面发行版、远程部署尚未验证，不能直接视为兼容。
 
@@ -13,6 +15,7 @@
 
 - dsh 原生侧栏「资料库」，跟随宿主深浅主题、字体与按钮样式，支持窄窗口阅读。
 - 网页正文提取、原始 HTML 保存、来源地址与作者记录。
+- 可选的网页正文图片识别，保留原图、图中文字、图示解读及来源，参与搜索与知识整理。
 - 文本 / Markdown 收集；UTF-8 文本、HTML、SRT、VTT 文件导入。
 - 视频、音频、PDF 等文件原样归档，并明确标记「仅归档」。
 - 分类对应本地目录；标签与专题用于跨分类组织。
@@ -26,7 +29,7 @@
 - 从原始资料目录重建 SQLite 索引；校验正文和段落文件，避免外部修改静默改变引用。
 - 10 个原生 Agent 工具，直接使用 dsh 的模型与对话，包含知识整理与进度查询。
 
-采集、本地归档与检索不调用模型，也不监听剪贴板。主动发起知识整理，或让 Agent 读取资料时，相应正文会进入所配置模型的上下文；如果模型在云端，相应内容会发送到模型服务商。
+普通采集、本地归档与检索不调用模型，也不监听剪贴板。图片识别默认关闭；确认开启后，后续网页的正文图片会自动发送到已绑定的视觉模型，可能产生费用。主动发起知识整理，或让 Agent 读取资料时，相应正文与图片识别补充文字会进入所配置模型的上下文；如果模型在云端，相应内容会发送到模型服务商。
 
 ![本机 DSH Web 中的拾页资料库（浅色）](https://raw.githubusercontent.com/Alan-dong-dong/dsh-knowledge-library/v0.1.1/assets/screenshots/dsh-library.png)
 
@@ -39,7 +42,7 @@
 先安装 [DeepSeek Harness](https://github.com/deepseek-ai/deepseek-harness)，确保终端可以运行 `dsh`。在 PowerShell 或其他终端执行下面这条命令，从 npm 下载并安装**已经构建好的**插件，不需要克隆源码、安装 GitHub CLI 或注册 npm 账号：
 
 ```powershell
-dsh plugin --profile web add dsh-knowledge-library@0.2.0 --registry=https://registry.npmjs.org/
+dsh plugin --profile web add dsh-knowledge-library@0.3.0 --registry=https://registry.npmjs.org/
 ```
 
 重启 DSH Web，再在浏览器中按 `Ctrl+Shift+R` 刷新，点击侧栏 **资料库**。界面与 Agent 工具共享同一份本地资料。示例安装到 `web` profile；如果你实际使用其他 profile，请先确认宿主版本与界面兼容性后替换。已验证的宿主为 `0.2.1-rc.2`。
@@ -47,15 +50,15 @@ dsh plugin --profile web add dsh-knowledge-library@0.2.0 --registry=https://regi
 也可以安装 GitHub Release 中的同一版本：
 
 ```powershell
-dsh plugin --profile web add "https://github.com/Alan-dong-dong/dsh-knowledge-library/releases/download/v0.2.0/dsh-knowledge-library-0.2.0.tgz" --registry=https://registry.npmjs.org/
+dsh plugin --profile web add "https://github.com/Alan-dong-dong/dsh-knowledge-library/releases/download/v0.3.0/dsh-knowledge-library-0.3.0.tgz" --registry=https://registry.npmjs.org/
 ```
 
 如果终端无法直接下载 GitHub 地址，可以从 [Releases](https://github.com/Alan-dong-dong/dsh-knowledge-library/releases) 下载 `.tgz` 与 `SHA256SUMS`，然后安装本地包：
 
 ```powershell
 # 将输出与 SHA256SUMS 中的值比较。
-Get-FileHash 'D:/下载/dsh-knowledge-library-0.2.0.tgz' -Algorithm SHA256
-dsh plugin --profile web add "D:/完整路径/dsh-knowledge-library-0.2.0.tgz"
+Get-FileHash 'D:/下载/dsh-knowledge-library-0.3.0.tgz' -Algorithm SHA256
+dsh plugin --profile web add "D:/完整路径/dsh-knowledge-library-0.3.0.tgz"
 ```
 
 安装过程中仍需从 npm 下载运行依赖。插件包含 `dsh.bundle.patch` 配置和符合 dsh lazy-CJS 协议的客户端入口。更新时将安装命令中的版本号替换为新版本，或安装新 Release 的版本化 `.tgz` 地址，再重启宿主。卸载可执行 `dsh plugin --profile web remove dsh-knowledge-library`；已保存的资料保留在独立资料目录。
@@ -143,7 +146,7 @@ npm start
 
 此开关默认关闭，只放行**域名解析结果**中的 `198.18.0.0/15`。它不允许直接访问此范围的 IP URL，也不放开 `127.*`、`10.*`、`192.168.*` 等其他本机和内网地址。该模式依赖你对本机代理 DNS 的信任。本机公网采集验证在显式启用此开关后通过。
 
-兼容模式解决 fake-IP DNS 的访问限制，不保证站点本身可访问。插件使用带插件身份的 Mozilla 兼容请求标识，并针对微信文章的隐藏正文容器提取内容、标题、作者与懒加载图片地址，避免只保存作者和页面按钮；微信逐行代码块合并后保留完整代码、缩进和语言，无需执行网页脚本。图片保留远程引用，不自动下载图片文件。
+兼容模式解决 fake-IP DNS 的访问限制，不保证站点本身可访问。插件使用带插件身份的 Mozilla 兼容请求标识，并针对微信文章的隐藏正文容器提取内容、标题、作者与懒加载图片地址，避免只保存作者和页面按钮；微信逐行代码块合并后保留完整代码、缩进和语言，无需执行网页脚本。未开启图片识别时，图片只保留远程引用。
 
 微信公众号链接仍可能因网络环境或站点策略连接超时、要求浏览器验证；重试仍失败时，可以复制正文保存为文本，或导入本地 HTML。
 
@@ -165,8 +168,27 @@ npm start
 
 在 **回收站 → 清空回收站** 核对总数量，再点击 **永久清空**，会永久删除整个回收站的正文、原始附件和索引，无法恢复；当前搜索或类型筛选不会缩小清空范围。确认期间内容变化需要重新确认。相关笔记正文保留，失效引用标记为“来源已永久删除”，笔记仍可导出。遇到部分文件占用等失败会报告结果和待清理数量，可再次清空重试；重启也会继续处理此前已明确确认的文件清理。未删除的资料不受影响。
 
+## 网页正文图片识别（0.3.0 起）
+
+1. 在 Harness 中选择声明支持图片输入的默认模型，例如 `deepseek-flash`；插件从宿主模型信息核对能力，不根据名称猜测。
+2. 打开 **资料库设置 → 正文图片识别**，开启自动识别，选择每页上限（默认 6 张，最多 10 张），核对模型和费用说明，勾选确认并保存。设置按资料库持久化，无需重启。仅对后续网页链接采集生效。
+3. 正常收集网页。队列先保存正文，再提取正文图片、去重、过滤头像等装饰和小图、下载原图，逐张调用视觉模型。详情显示原图、状态、来源和模型，点击 **查看识别文字** 定位到可引用段落。
+4. 完成后，图中文字、图示解读和不确定项自动进入搜索与知识整理。它们明确标注为模型输出，保留稳定的 `v_…` 段落 ID；原网页 `content.md` 和原段落不变。对数字、图表和结论应核对原图。
+
+单张失败不影响正文及其他图片。可在采集任务中停止图片处理，或在详情中确认 **重试失败图片**；只重试失败条目，每张最多 3 次模型请求，已成功图片不重复调用。进程中断后需主动重试，不自动重复可能已计费的请求。任务固定绑定原模型，更换宿主默认模型后，旧任务需要切回原模型才能重试；新网页使用重新确认保存的设置。图片处理完成或停止后才能生成知识笔记。
+
+原图保存在网页资料文件夹的 `images/`，校验清单及识别文字保存在 `.page-images.json`。分类移动、回收站恢复和重建索引会保留图片证据，永久清空回收站会一并删除。仅采集提取到的正文图片，不保存站点全部资源，也不完整还原网页。
+
+下载复用公网 DNS、重定向与 fake-IP 规则，不将远程图片 URL 交给模型抓取；只发送验证后的本地图片字节。支持 PNG/JPEG/WebP/GIF，单张最多 6 MB、最长边 2 万像素、2400 万像素，每页下载缓存最多 20 MB。过滤后的候选受每页数量上限限制，跳过数量在任务中显示。HTML 文件导入、已有历史网页和 PDF 不自动触发图片识别。
+
+独立预览须配置 `KNOWLEDGE_LIBRARY_MODEL`、`KNOWLEDGE_LIBRARY_MODEL_API_KEY` 和兼容服务地址；`GET /models` 对应模型的 `input_modalities` 必须包含 `image`。预览发送内联 base64 图片，Harness 使用原生持久图片附件。
+
 ## 将资料整理为知识笔记
 
+从 `0.3.0` 起，知识整理和网页识图均**沿用当前模型的默认输出配置，不另设 token 上限**。Harness 请求不传 `maxTokens`，由运行时采用模型适配器的配置；独立预览请求不传 `max_tokens`，采用模型服务的默认配置。继续使用默认模型与思考强度。模型或服务自身仍有输出和上下文限制，插件不会把这些限制扩大或改写为猜测的模型最大值。
+
+原来的 2500 tokens 及后续按阶段设置的固定额度均已移除。提炼/分析每次最多等待 5 分钟，分组/综合/对比最多 10 分钟，可随时取消。开始窗口可展开查看 **输出配置与思考**；模型截断时部分结果不生成草稿，不自动重试。思考可能与正文共用模型额度，费用按服务规则计算。摘要篇幅、结构校验、响应字节和任务资源保护仍保留，与模型的 token 配置分别处理。
+
 从 `0.2.0` 起提供 **资料 → 逐篇分析 → 智能分组 → 确认归类 → 各组知识草稿 → 知识笔记**，并支持对比、补充已有知识。升级 npm 插件后重启 Harness 并刷新页面；使用源码时需要重新构建并重启插件或独立预览服务，仅刷新网页不会升级正在运行的后端。
 
 1. 在列表点击 **智能整理**，勾选最多 10 份资料，再点 **智能分析分组**。这些资料可以主题零散，整理方向可以留空。
@@ -263,11 +285,11 @@ DSH-Knowledge-Library/
 
 ## 当前边界
 
-- 网络视频平台自动下载、音视频自动转写、关键帧分析、PDF 文本提取和 OCR 未接入。可以先导入原文件与外部生成的字幕。
+- 网络视频平台自动下载、音视频自动转写、关键帧分析、PDF 文本提取和文件 OCR 未接入。网页正文图片识别从 `0.3.0` 起提供，可以先导入其他格式原文件与外部生成的字幕。
 - 网页采集适用于直接可访问的文章；登录页、反爬或复杂动态页面请复制文本，或导入保存的 HTML。
-- 网页正文和原始 HTML 会保存；图片保留远程引用，不下载资源，不保证原网页完整离线还原。
+- 网页正文和原始 HTML 会保存；开启图片识别后，受数量及大小限制的正文原图与识别补充文字也会保存，不保证原网页完整离线还原。
 - 网页最多 6 MB，文本最多 200 万字符，单个文件最多 64 MB。
-- 搜索以本地全文和字面匹配为主，当前不含向量索引。智能分组与分类建议由模型完成，需要主动发起，分类移动与正式笔记保存分别确认；采集后不会自行调用模型。
+- 搜索以本地全文和字面匹配为主，当前不含向量索引。智能分组与分类建议需要主动发起，分类移动与正式笔记保存分别确认；仅明确开启的正文图片识别随网页采集自动调用模型。
 - 前端安全显示文本和标题，不执行资料 HTML。Markdown 的复杂表格、公式等尚无专用排版。
 - 当前专题为单值字段，标签可多值；尚无批量专题压缩包导出、同步和多人协作。
 - 后台网页任务随宿主停止；下次启动可重试恢复，不会在退出 dsh 后常驻运行。
@@ -292,6 +314,8 @@ npm run test:dsh:knowledge
 
 `npm test` 覆盖内容持久化、索引重建、中文检索、去重、分类移动、引用、字幕、文件归档、原生 Cordis 工具注册与卸载，以及 HTTP 接口边界。
 
+`npm run test:images:ui` 在隔离预览与真实 Harness 中验证图片设置、费用确认、网页正文图片下载、真实原生附件/内联图片协议、原图预览、失败主动重试、OCR 知识引用、暗色/手机布局及完整进程重启。仅使用测试网络传输与本地模拟模型，生产公网限制保持启用，确认重启零额外模型请求。图片核心测试覆盖安全下载、来源去重、上限、原文不变、稳定段落、分类/回收站、索引失败回滚和 API 权限。截图与结果位于 `test-results/images-*`。
+
 知识整理测试另覆盖长文尾部处理、多来源引用、持久草稿、确认幂等、来源变化/删除、取消竞态、模型失败/变化、旧版服务与 HTTP 权限边界。智能分组测试覆盖准确分区、不确定资料待整理、方案编辑、归类前只读、索引失败回退、部分归类继续/撤销、目录移动中断恢复及路径边界。增量整理测试覆盖匹配/追加/重复关联/另存新建、旧段落稳定、并发变更、目标及引用校验、索引失败回滚和提交前后中断恢复。`test:knowledge:ui` 使用隔离预览和本地兼容 HTTP 模型；`test:dsh:knowledge` 使用隔离 Harness profile、实际 LlmRuntime 与测试提供商完成单篇、直接综合、零散资料智能分组及增量整理流程，并完整重启检查方案、笔记和审核草稿。两个命令都不调用外部付费模型，截图和结果位于 `test-results/knowledge-*`、`test-results/grouping-*`、`test-results/incremental-*`。
 
 `npm run test:ui` 启动临时资料库和无头浏览器，验证采集、搜索、笔记引用跳转、信息编辑、重新加载、字幕上传、类型筛选、文本渲染和移动端布局，并完整停止和重启独立预览验证代理开关持久化。数据与服务日志位于 `.test-runtime/`，截图与结果位于 `test-results/`，不会修改默认资料库。