dsh-kb-notebook

一个给 DeepSeek Harness 用的可导入知识库 + 严格引用插件。定位接近 Google NotebookLM：

先导入你自己的资料，再让 AI 只在选定资料的范围内问答和创作，每句话都能点回原文。

它和一般 RAG 插件差在哪

	常见做法	这里
库的绑定	全局一个库，所有对话共享	每个对话独立绑定，可多选；未绑定时检索根本不被调用
依据强度	相关度低也照样塞给模型	阈值 + 覆盖度双闸，不够就直接告诉模型"没找到依据"，而不是硬编
数据补全	直接改库	只出建议，采纳与否由人定，留痕、可撤销、无依据不造值

能力

• 多库：建/改/停用/复制/删除/导出（JSON 或 Markdown），库间硬隔离
• 导入：CSV / TSV / Excel / JSON / JSONL / YAML / Markdown / TXT / Word / PDF，拖拽、批量、整文件夹；导入前预览，失败逐条给原因并可下载报告
• 检索：中文 bigram 倒排 + BM25，无外部依赖、无需联网、无需 Python
• 严格模式：回答前强制检索，证据以 <kb-evidence> 注入，回答带 [K1] 形式引用（库名 / 文档名 / 行号 / 小节），点开看原文
• 数据填补：三档推断（同键参考 / 相似行 / 格式化）出建议，标 pending，采纳才写回，可撤销
• 笔记：把回答存为笔记，来源引用一并保留

目录

DESIGN.md                  方案与设计文档（需求边界 / 架构 / 数据模型 / 严格模式方案）
packages/kb-notebook/      插件本体
  README.md                完整文档：安装、上手、原理、API、已知限制
  index.mjs                Host 半部：路由 + agent/pre-step + agent/request
  client.js                Client 半部：管理页 + 输入框绑定条
  lib/                     解析、切分、索引、检索、填补、存储
  test/                    8 个离线测试
  demo/                    3 个可运行演示（走的和线上是同一条代码路径）
samples/                   示例数据

安装

plugin_manager  action: install_bundle
                target: <绝对路径>/dsh-kb-notebook/packages/kb-notebook

装完侧边栏会出现「知识库」图标，输入框上方出现绑定条。详细步骤、更新方式、排错见 packages/kb-notebook/README.md。

快速验证

cd packages/kb-notebook
node test/smoke.mjs        # 建库 → 导入 → 检索 → 隔离 → 证据
node demo/scenario-1-qa.mjs

三个演示分别覆盖：知识问答、基于库的创作、缺失数据填补。演示输出的不是截图式说明，而是真正被塞进模型上下文的内容。

已验证的限制

• 无语义检索：同义改写（"退货" ↔ "退钱"）召回不了，只有字面与子串重叠能命中
• PDF 只抽文本层：扫描件会明确报"需先 OCR"，不会假装读到了内容
• xlsx 不读公式、不读样式；不支持的压缩格式（ZIP64 / bzip2 / lzma）会明确报错
• 填补不做模糊匹配，找不到依据就标「无可靠依据」，不给假值

许可

MIT