@duhu2000dsh-data-cleaning-agent
Data cleaning and enterprise enrichment agent plugin for DeepSeek Harness.
- Stars
- 1
- Language
- JavaScript
- Created
- Sep 1, 2026
- Updated
- Sep 1, 2026
Introduction
dsh-data-cleaning-agent
在 DeepSeek Harness 中清洗、补全、画像企业名单数据的智能体插件：本地 CSV/XLSX/JSON 引擎 + 可选企查查（Qichacha/QCC）MCP 企业数据补全，由企查查（Qichacha/QCC）团队发起并维护。
当前版本 / Current version: 0.3.0
简介
dsh-data-cleaning-agent 是 DeepSeek Harness 的插件（DSH Bundle plugin）。
它面向"客户给的一批企业名单 / 表格数据"这个高频场景：上传 CSV / XLSX / JSON，
对姓名、手机号、金额等列做清洗（去空格、手机号规范化、剔除缺失/负金额/重复行）、
确定性补全与概览画像，并导出干净的 CSV。
模型（LLM）只拿到统计摘要，从不读取原始明细行；明细只在同源 web 界面查看与导出， 从架构上避免把客户原始数据灌进模型上下文。
30 秒开始
dsh plugin --profile web add dsh-data-cleaning-agent
安装后完全重启 DeepSeek Harness（停止后重新运行 dsh web）。
之后在对话中说「帮我清洗这批企业名单数据」，插件会自动加载内嵌 Skill 并调度清洗/补全/画像工具。
没有 dsh CLI 时，也可以用安装脚本：
bash <(curl -fsSL https://raw.githubusercontent.com/duhu2000/dsh-data-cleaning-agent/main/install.sh)
或直接让 Agent 安装：
帮我安装这个插件 https://github.com/duhu2000/dsh-data-cleaning-agent
能力矩阵
| 能力 | 工具 / 入口 | 说明 |
|---|---|---|
| 清洗 | data_clean_rows | trim、手机号规范化、剔除缺失必填/负金额/重复行 |
| 补全 | data_complete_rows | 空金额填 0、空姓名填占位、不可补全项上报 |
| 画像 | data_profile | 列概览与金额分布 |
| 解析 | web /data-cleaning/api/mvp/parse | CSV / XLSX / JSON |
| 异步任务 | web /data-cleaning/api/mvp/jobs | 任务状态机 + 持久化存储 |
| UI | web /data-cleaning/ | 上传 → 清洗/补全 → 导出 |
| Skill | data-cleaning | 引导模型按工作流调度上述工具 |
| 企查查 Skill 补全 | enterprise-enrichment | 0.3.0：模型中介式消歧与工商/风险字段补全 |
| QCC Host Bridge | web /data-cleaning/api/g5/* | Unreleased：后台批量基础层；真实 OAuth/QCC E2E 待验收 |
企查查 MCP 补全（状态与路线图）
插件同时提供本地确定性补全和企查查 MCP 企业数据补全：
- 方案 A（模型中介，优先）：用户已用
qcc-dsh-mcp-oauth连接企查查后， Skill 引导模型对名单中每个企业名调用mcp__qcc-company__get_company_by_query/mcp__qcc-company__get_company_registration_info，把返回的最新工商信息回填到补全工具。 - 方案 B（后台程序化，Unreleased）：Host Bridge 已通过公共
ctx.tools.execute()实现 批量补全、请求幂等、多候选人工确认续跑、retryable 失败人工重试与安全审计。 批量 Web 端点同时要求confirmPaidCalls:true和唯一idempotencyKey；多候选绝不自动选择。 默认关闭的本机 E2E Runner 已就绪，真实 OAuth、token 刷新和 QCC 调用仍是发布前验收门。
详见 docs/PLAN-OSS.md。
本地开发
要求 Node.js 20 或更高。DSH 运行期服务（ctx.tools / ctx.skills / ctx.jobs /
ctx.storageDomain / webServer / webRuntime）由 Host 提供，本地只装 xlsx：
npm install --legacy-peer-deps
npm run check
npm run check 会依次执行 lint、文档版本一致性、发布包白名单校验与单元测试。
真实 G5 验收必须按 E2E 手册 显式开启；默认执行 npm run e2e:g5 会安全拒绝。
配置
插件通过 cordis.patch.yml 注册为 bundle；dsh plugin add 会自动把本包加入 profile 的
dsh.profile.bundles，无需手工配置。
文档
安全与隐私
- 模型工具只返回摘要，原始明细行永不进入模型上下文。
- 明细数据仅经同源（
127.0.0.1/localhost）web 端点交付；非可信跨源请求会被拒绝。 - 不要在任何 Issue、PR、日志、截图或测试夹具中提交 Token、API Key、Cookie、OAuth 凭据或真实业务数据。
许可证
MIT © 2026 dsh-data-cleaning-agent plugin contributors
参与
如果这个插件帮你更快地清洗企业名单数据，欢迎 GitHub 点个 Star、 提交 Issue 或 参与贡献。