dsh-chatpaper

在DSH发布之后，我会把经常使用的一些工具作为DSH的插件慢慢积攒起来。

ChatPaper这个工具给我带来了很大的便利，节省了大量找文章，做调研的时间，因此，为了将其适配DSH的插件，我花了些时间用AI修改了代码并发布到了githuib上，希望给更多人带来便利。

面向 DeepSeek Harness（DSH）的 arXiv 论文工具，以原生工具形式提供——不需要 Python，也不需要 MCP server。论文正文优先从 arXiv 官方 HTML 渲染（LaTeXML）提取，并带 ar5iv 与 PDF 兜底。

本项目是参考 ChatPaper 做的DSH插件移植：工具契约与查询逻辑保持一致，但改为直接跑在 DeepSeek Harness 的原生接口之上。出处与引用见文末 致谢。

工具

工具	功能
search_arxiv	搜索 arXiv。自然语言（如 "agent as a judge"）会按 all: 短语匹配，查不到时退化为对关键词的 AND 匹配；原生 arXiv 查询语法（ti:transformer、cat:cs.CL AND all:agent）原样透传。
summarize_paper	下载论文、提取正文，并按固定章节（Background, Methods, Results, Conclusions）用 LLM 生成摘要。
translate_paper	分块翻译论文全文；长文可后台执行。
generate_survey	基于搜索结果撰写文献综述——摘要级（快）或全文深读模式（每篇一个摘要、并发、可后台执行）。

后台运行（run_in_background: true）会注册标准的 DSH 任务：调用立即返回 job id，完成后用 harness 自带的 job_output 工具取回结果（或失败详情）。单次读取输出上限 20000 字节。

search_arxiv 不需要任何 API key。三个 LLM 工具走 harness 的 LLM 服务（ctx.llm）——网页 Models 页配置的 provider、模型、凭据、重试策略与路由全部直接复用，插件内无需任何配置。provider/model 留空时，会在调用时自动解析为当前部署的 deepseek 路由及其默认模型；显式配置则优先使用。

安装

从 npm 安装（预构建产物，无需安装期构建授权）：

dsh plugin --profile <name> add dsh-chatpaper

从 GitHub 源码安装（会执行 prepare 构建；pnpm 需要在该 profile 的 pnpm-workspace.yaml 中授予 allowBuilds——更推荐 npm 方式）：

dsh plugin --profile <name> add github:puppet2004/dsh-chatpaper

该组合包会注册一个 chatpaper 行；安装后该 profile 的每个会话都能看到这 4 个工具。

配置

在 profile 的 cordis.patch.yml 中新增或覆盖该行：

- insert:
    - id: chatpaper
      name: dsh-chatpaper
      config:
        provider: ''
        model: ''

配置项	默认值	说明
provider	''	Harness LLM provider 路由；留空自动解析为部署的 deepseek 路由（官方部署下为 deepseek-official）。
model	''	Harness LLM 模型 id；留空自动解析为适配器公布的默认模型。
cacheDir	~/.dsh-chatpaper-cache	论文正文缓存目录，按带版本的 arXiv id 缓存。
surveyConcurrency	4	深读综述模式下并发的单篇摘要数。
summaryChars	15000	喂给摘要的正文切片长度。
surveyPaperChars	8000	深读综述中单篇摘要的正文切片长度。
translateChunkChars	6000	单次翻译的块大小。
translateMaxChars	60000	参与翻译的源字符数上限。
searchDelayMs	3000	每次 arXiv API 请求前的延迟（限速礼貌）。
searchRetries	3	arXiv API 重试次数。
downloadTimeoutMs	120000	论文正文下载超时。

论文正文获取方式

1. 官方 HTML —— https://arxiv.org/html/<带版本id>；结构化提取保留章节标题与公式（<math alttext> → LaTeX）。
2. ar5iv —— https://ar5iv.labs.arxiv.org/html/<id>，覆盖缺少官方 HTML 的旧论文。
3. PDF 兜底 —— 完全无 HTML 时用 pdfjs-dist 提取文本。

每一层的输出都会校验（空壳或提取字符 < 200 就落到下一层）。提取结果会缓存，重复调用秒回。

模型体验

模型看到什么

4 个原生工具及其声明 schema。search_arxiv 返回结构化论文元数据（id、标题、作者、日期、分类、pdf 链接、摘要），渲染为编号列表。LLM 工具返回结构化结果，渲染展示摘要/翻译/综述正文，综述还带 [n] 编号的参考文献列表。

Token 与 KV 缓存影响

工具 schema 固定，模型侧的定义前缀跨请求稳定。工具结果都是普通文本，不携带二进制或图片。论文正文在每次 LLM 调用前截断（summaryChars/surveyPaperChars/translateMaxChars），prompt 大小有界。缓存命中完全避免重复下载与提取。

致谢

本项目是对开源项目 ChatPaper 的移植。搜索查询逻辑、论文摘要 prompt 与综述工作流沿袭原版设计，但改用 DeepSeek Harness 原生接口（ctx.llm、ctx.tools、ctx.jobs）重新实现，使用或在此基础上二次开发时，请同时引用原项目：

@misc{ChatPaper,
  author={Yongle Luo, Rongsheng Wang, Peter Gam, Jiaxi Cui, circlestarzero, Shiwen Ni, Jaseon Quanta, Qingxu Fu, Siyuan Hou},
  title = {ChatPaper: Use LLM to summarize papers.},
  year = {2023},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/kaixindelele/ChatPaper}},
}