本地文档 OCR 与解析工具
完全在本地解析 PDF、Office 文件、图片和扫描文档，为 DeepSeek Harness 提供离线文档理解能力。
项目简介
两种命令都会在 Git 忽略的 .dsh-runtime/runtime-win32-x64 下生成 CPython 3.11.9、 xberg==1.0.14 与固定的 eng / chisim Tesseract 模型。每个下载均校验 SHA-256， 并生成 manifest、NOTICE、SPDX 清单；不会改动全局 Python。 将运行时复制到其他机器后，应先运行 node ./scripts/verify-runtime-win32-x64.mjs 校验所有 payload 哈希。
Python worker 只经 stdio 接收文件字节快照、显示名称、MIME 与选项，从不接收用户路径 或 URL。它默认离线，缺少语言模型会安全失败，并禁用文档派生 OCR 缓存；dshdochealth 会报告可用 OCR 语言。详见 运行时构建说明。 仅 Node 回退
只有需要 PDF/Office/文本的非 OCR 解析时才设为 engine: node。其 defaultOcr 默认 为 false。若要启用 Node OCR，必须设置指向已审核本地 .traineddata 文件的 tessdataPath；缺少模型固定返回 ENGINEOCRUNAVAILABLE，绝不会下载模型。完整离线 OCR 请使用上面的 Python 运行时。 工具 工具 · 用途 工具: dshdochealth · 用途: 检查当前本地解析引擎是否就绪。 工具: dshdocconvertfile · 用途: 解析白名单中的本地文件。 工具: dshdocextract · 用途: 推荐的本地文件便捷工具。 工具: dshdocconverturl · 用途: 兼容占位工具，固定返回 UNSUPPORTEDURL。