🌾 dsh-harvest

DSH 原生多平台调研流水线插件 —— 把「发现 → 抓取 → 验证 → 审计」做成四个原生工具。 目标平台：Windows / macOS / Linux（安装与数据通道均已按平台分块说明）。

<p align="center"> <img src="https://img.shields.io/badge/license-MIT-green" alt="license"/> <img src="https://img.shields.io/badge/DeepSeek%20Harness-plugin-4b32c3" alt="DeepSeek Harness"/> <img src="https://img.shields.io/badge/version-0.1.0-blue" alt="version"/> <img src="https://img.shields.io/badge/zero--deps-self--contained-2ea44f" alt="zero deps"/> <img src="https://img.shields.io/badge/runtime-Node%20ESM-339933" alt="Node ESM"/> <img src="https://img.shields.io/badge/target%20platforms-Win%20%7C%20macOS%20%7C%20Linux-lightgrey" alt="target platforms"/> </p>

dsh-harvest 让 DeepSeek Harness 里的智能体像开联合收割机一样做调研:一次撒网多个平台、穿透反爬抓原文、跨源交叉验证、最后给来源打分。任一数据通道挂了也不会卡住整条流水线。

---

✨ 五个原生工具

工具	职责	失败策略
harvest_scout	多平台并行发现候选来源（Web/GitHub/社媒等）	单通道失败记 [SKIP],不阻塞
harvest_deep_research	异步端到端深度调研（生成长篇综合研报与信源）	超时/异常安全回退，不卡死主会话
harvest_extract	逐条抓取正文	直抓 → Jina 升级 → 标记 paywall/unreachable
harvest_verify	跨源交叉验证断言	一致 / 弱 / 未证实 三态
harvest_audit	来源可信度五维审计	🟢 可信 / 🟡 谨慎 / 🔴 弃用

数据流:scout → extract → verify → audit,每个工具输出结构化 JSON + 折叠文本,供 agent 直接读取。

🔌 数据通道

9 条数据通道，任一通道失败（CLI 未装 / 浏览器桥接未连 / 解析失败）记 [SKIP]，不阻塞整条流水线。

通道	底层	类型	macOS / Linux 可用性
GitHub	gh search repos	代码	✅ 三平台原生可用，未装即 [SKIP]
Web / Exa	mcporter call exa.web_search_exa	网页搜索	✅ mac/linux 可直接调用（修复后形态）
Twitter / Reddit / 小红书	opencli(浏览器桥接)	社交	✅ mac/linux 可直接调用（修复后形态）
LinkedIn	mcporter linkedin-scraper(需登录态)	招聘	✅ mac/linux 可直接调用（修复后形态）
YouTube	yt-dlp ytsearchN:	视频	✅ 三平台原生可用，未装即 [SKIP]
B站	bili search(bili-cli，第三方)	视频	✅ 三平台原生可用，未装即 [SKIP]
V2EX	curl v2ex.com/api/topics/hot.json	社区	✅ 三平台可用（HTTP 直连 + curl 兜底）

修复说明：mcporter / opencli 在 Windows 上以 npm 全局安装生成的 .ps1/.cmd 垫片存在（Node execFile 无法直接执行，需经 PowerShell 调用）；在 macOS/Linux 上它们是可执行脚本/二进制，可直接 argv 调用。本次跨平台修复（并行进行中，见 DESIGN.md 数据通道矩阵）即按该目标形态实现，文档按修复后的形态描述。macOS/Linux 上未装对应 CLI 时通道记 [SKIP]，与 Windows 行为一致。

另：harvest_extract 自动识别 RSS feed(feedparser)与小宇宙播客 URL(Whisper 转写)，把 agent-reach 剩余 3 个平台(小宇宙/RSS/网页阅读)也纳入 —— 合计覆盖全部 13 平台。 平台依赖：RSS 解析走 Python(python3/python，需 feedparser 包)；小宇宙转写走 bash(~/.agent-reach/tools/xiaoyuzhou/transcribe.sh，需 groq key)。Windows 默认无 bash，小宇宙通道在 Windows 上恒 unreachable（优雅降级，不报错）。

数据通道 CLI 获取方式（按平台）

未安装的通道不会阻塞流水线（自动记 [SKIP]），按需安装即可：

CLI	用途	Windows	macOS	Linux
gh	GitHub 搜索	winget / 官方安装包	brew install gh	官方 apt 仓库 / 二进制
mcporter	Web/Exa · LinkedIn	npm i -g mcporter（经 PowerShell 垫片）	npm i -g mcporter（可执行脚本，直调）	同 macOS
opencli	Twitter · Reddit · 小红书	npm i -g opencli	npm i -g opencli	同 macOS
yt-dlp	YouTube	官方 yt-dlp.exe / winget	brew install yt-dlp	pip install yt-dlp / 发行版包
bili-cli	B站	GitHub 发布页 bili.exe	brew / 源码构建	源码构建

bili-cli 重要提示：bili 是第三方非官方 bilibili 客户端（Go 单二进制），非哔哩哔哩官方发布；只从可信来源（如项目自己的 GitHub 发布页）获取并自行核验，注意其登录方式与合规边界。 Windows npm 全局：mcporter/opencli 经 npm 全局安装，垫片生成在 npm 全局 bin 目录（npm prefix -g 可查）；若该目录非常规位置，设环境变量 DSH_HARVEST_BIN 指向它以覆盖默认查找。 macOS 提示：若 dsh web 从 Finder / LaunchAgent 启动，进程 PATH 通常只有系统目录，/opt/homebrew/bin 下的 gh/yt-dlp 取不到（即便已装也会 [SKIP]）；从终端启动，或在启动脚本里显式把用户 bin 目录加进 PATH（如 export PATH="/opt/homebrew/bin:$PATH"）。

📦 安装（DSH 原生）

Windows（PowerShell）

# 1. 克隆到 DSH 插件目录
git clone https://github.com/<you>/dsh-harvest.git $env:USERPROFILE\.dsh\plugins\dsh-harvest

# 2. 在 web profile 的 package.json 里加 link 依赖 + bundles 条目
#    "dependencies": { "dsh-harvest": "link:C:/Users/<you>/.dsh/plugins/dsh-harvest" },
#    "dsh.profile.bundles": [ ..., "dsh-harvest" ]
#    （link 路径用正斜杠，把 <you> 换成你的用户名）

# 3. 链接
cd $env:USERPROFILE\.dsh\profiles\web
pnpm install

# 4. 重启
dsh web

macOS / Linux（bash / zsh）

# 1. 克隆到 DSH 插件目录
git clone https://github.com/<you>/dsh-harvest.git ~/.dsh/plugins/dsh-harvest

# 2. 在 web profile 的 package.json 里加 link 依赖 + bundles 条目
#    macOS:  "dependencies": { "dsh-harvest": "link:/Users/<you>/.dsh/plugins/dsh-harvest" }
#    Linux:  "dependencies": { "dsh-harvest": "link:/home/<you>/.dsh/plugins/dsh-harvest" }
#    "dsh.profile.bundles": [ ..., "dsh-harvest" ]

# 3. 链接
cd ~/.dsh/profiles/web
pnpm install

# 4. 重启
dsh web

两平台差异只在根目录：Windows 用 $env:USERPROFILE（PowerShell），macOS/Linux 用 ~。link: 依赖需写绝对路径（JSON 不做变量展开），<you> 换成你的用户名即可复制执行。

🚀 用法

harvest_scout(query="最新 AI 项目", limit=8)
harvest_deep_research(input="深入剖析大模型推理与架构演进")
harvest_extract(urls=["https://…", "https://…"])
harvest_verify(claims=["DeepSeek 出了视觉模型"], sources=[…])
harvest_audit(sources=[{title, url, type}])

⚙️ 配置与安全（支持标准凭据管理）

插件支持零代码侵入的多级配置机制，任选一种即可生效：

方式 1：DSH 原生标准配置（推荐）

在 ~/.dsh/settings.yaml 中配置：

harvest:
  tavilyApiKeyEnv: TAVILY_API_KEY
  tavilyEndpoint: https://search.cliproxyapi.xyz/search             # 可选，默认官方标准端点
  tavilyResearchEndpoint: https://search.cliproxyapi.xyz/research # 可选，默认官方标准端点

然后在 ~/.dsh/.credentials.yaml 中保存密钥：

refs:
  TAVILY_API_KEY: 你的Tavily或中转Key

方式 2：系统环境变量

• TAVILY_API_KEY: 配置密钥。
• TAVILY_ENDPOINT: 默认为 https://api.tavily.com/search。
• TAVILY_RESEARCH_ENDPOINT: 默认为 https://api.tavily.com/research。

🏗️ 架构

lib/
  index.js      # 插件主体:注册 4 个工具
  backends.js   # 9 通道封装 + 优雅跳过
  extract.js    # 抓取路由(直抓 → r.jina.ai；RSS / 小宇宙)
  http.js       # HTTP 层(fetch + 平台化兜底)

零依赖:只用 Node 内建(node:child_process / 全局 fetch),不 import 任何第三方包。

📄 归属与血统

方法论(Scout → Extract → Verify → Audit)源于作者自研的 omni-scope 工作流,按 DSH 原生插件形态从零重写。 运行时仅以子进程调用 gh / mcporter / opencli / yt-dlp / bili 作为数据通道,不包含其源码。详见 ATTRIBUTION.md。

📝 License

MIT © 2026 dsh-harvest contributors