dsh-rag-kb · DeepSeek Harness 本地知识库插件

一个为 DeepSeek Harness（dsh）打造的本地 RAG 知识库：在页面左下角提供可拖拽的悬浮面板，把本地文档（文本 / Markdown / Word 等）切片、向量化、语义检索，全部在本地完成（Ollama + 纯前端/主机端，无第三方云服务）。

作者：AlowEnsoul · 问题或建议请反馈至：2724749416@qq.com

功能特性

• 🎈 可拖拽悬浮入口：页面左下角「知识库」按钮，可任意拖动、记忆位置、不遮挡已有功能。
• 📄 原生文件选择：点「添加文件」弹出 Windows 文件选择框，支持 .txt/.md/.json/.py/... 与 .doc/.docx（Word 自动提取文字）。
• 🔍 语义检索：基于 Ollama embedding + 余弦相似度，按语义而非关键词召回。
• 🗂️ 多知识库：可新建多个库，各自独立索引。
• ⚙️ 可配置：Embedding 服务地址、模型、分块大小均可在面板里调整。
• 🌗 日间 / 夜间 / 跟随系统 三档主题。
• 🖥️ 桌面控制台（可选）：一键开启/关闭 harness 与 Ollama 的极简 EXE。

工作原理

浏览器(ui-kb) ──fetch /kb──▶ 主机端(rag-kb) ──curl──▶ Ollama /api/embed
   ▲                              │
   │                        分块 + 余弦检索
   │                              │
   └── JSON 持久化 ◀──────── dsh-kb-store.json

• packages/client/ui-kb（@deepseek-ai/dsh-client-ui-kb）：浏览器端 UI，注入 shell.overlay 槽位。
• packages/kb/rag-kb（@deepseek-ai/dsh-rag-kb）：主机端，注册 /kb HTTP 路由、kb_search/kb_index/kb_status 工具、JSON 持久化。
• Embedding 走本机 Ollama（默认 nomic-embed-text，768 维），全程本地。

目录结构

dsh-rag-kb/
├── packages/
│   ├── kb/rag-kb/          # 主机端包（KB 存储 + embedding + /kb 路由 + 工具）
│   └── client/ui-kb/       # 浏览器端包（悬浮面板 UI）
├── launcher/               # 桌面控制台（C# 源码 + 编译说明）
├── config/
│   └── cordis.patch.yml.example  # 用户补丁示例
├── README.md
└── LICENSE

安装（在你的 dsh 仓库中启用）

前提：已有 DeepSeek Harness 仓库源码（dsh web 可运行）、本机已安装并启动 Ollama。

1. 复制两个包

把 packages/kb/rag-kb 和 packages/client/ui-kb 整个复制到你 dsh 仓库的对应位置：

# 在 dsh 仓库根目录
mkdir -p packages/kb
cp -r <本仓库>/packages/kb/rag-kb  packages/kb/rag-kb
cp -r <本仓库>/packages/client/ui-kb packages/client/ui-kb

2. 修改仓库配置（共 4 处）

① tsconfig.host.json 的 references 里加一行：

{ "path": "./packages/kb/rag-kb" },

② tsconfig.client.json 的 references 里加一行：

{ "path": "./packages/client/ui-kb" },

③ tsconfig.base.json 的 @deepseek-ai/dsh-* 通配符列表里加一行（让源码模式能解析 @deepseek-ai/dsh-rag-kb）：

"./packages/kb/*/src",

④ packages/bundle/web-app/package.json 的 dependencies 里加两个依赖：

"@deepseek-ai/dsh-rag-kb": "workspace:^",
"@deepseek-ai/dsh-client-ui-kb": "workspace:^",

3. 注册插件行（用户补丁）

把 config/cordis.patch.yml.example 的内容合并到你的用户补丁 $DSH_HOME/cordis.patch.yml（$DSH_HOME 默认是 ~/.dsh；不存在则新建）：

- insert:
    - id: rag-kb
      name: '@deepseek-ai/dsh-rag-kb'
    - id: ui-kb
      name: '@deepseek-ai/dsh-client-ui-kb'

4. 安装依赖 + 构建

pnpm install
pnpm run build:lib:host
pnpm run build:lib:client

5. 重启并拉起 Ollama

• 拉取模型（首次）：ollama pull nomic-embed-text
• 重启 dsh web，刷新浏览器后左下角出现「知识库」悬浮按钮。

使用

1. 左下角「知识库」按钮（可拖动）→ 打开面板。
2. 「配置解析模型」可调整 Embedding 服务地址 / 模型 / 分块大小（默认 http://localhost:11434/api/embed + nomic-embed-text）。
3. 新建知识库 → 展开 → 「添加文件」 → Windows 选择框选中 .txt/.md/.doc/.docx（可多选）。
4. 之后在对话里说「查一下知识库里关于 XX 的内容」，agent 会用 kb_search 检索回答。

桌面控制台（可选）

launcher/Launcher.cs 是一个极简 C# WinForms 程序，4 个按钮：开启/关闭 harness、打开/关闭 Ollama。

编译（Windows 自带 .NET Framework 编译器，无需安装额外工具）：

csc.exe /target:winexe /out:知识库服务控制台.exe ^
  /r:System.Windows.Forms.dll /r:System.Drawing.dll /codepage:65001 Launcher.cs

注意：源码里的路径（E:\deepseek\deepseek-harness、Ollama 安装路径、pnpm.cmd 路径）是作者本机配置，请按你的环境修改后编译。

常见问题

问题	解决
ollama error: model "nomic-embed-text" not found	先 ollama pull nomic-embed-text
添加文件报错 / 中文路径无效	确认用的是最新版本（已支持 base64 传参）
浏览器里没出现按钮	确认已重启 dsh web 且补丁文件生效
.doc 无法提取	旧版 Word 二进制格式，需要本机安装 Microsoft Word（.docx 无需）

作者与反馈

• 作者：AlowEnsoul
• 反馈 / 建议：2724749416@qq.com

许可证

MIT