dsh-course-assistant

dsh plugin --profile web add dsh-course-assistant

课程助手 · 课程文件 → 目录 · 知识点 · B 站网课 · 学习报告

DeepSeek Harness 插件（bundle）。把课程文件拖进面板，自动识别章节目录，逐章生成知识点/重点/难点，

检索 B 站配套网课，最后输出一份 Markdown 学习报告（可导出 PDF），报告末尾固定附 B 站网课列表。

• 完整页面：左侧栏「课程助手」图标（main 槽位，key course-assistant）
• 常驻入口：输入框下方 dock 的一行「🎓 课程助手 · 打开面板 →」（conversation.composer.dock）
• 给 Agent 的 Tool：course_assistant（analyze / status / library）

界面

区域 · 内容

拖拽区 · 拖入或点击选择，支持 .pptx .pdf .docx .md .txt，一次最多 12 个（单文件 ≤60MB）

选项 · 「检索 B 站网课」可关闭（关掉后不产生任何站外请求）；「报告模式：Normal / MAX」切换报告能力

进度 · 解析 → 识别目录 → 逐章总结（边出边显示）/ 并行检索 → 生成总结 → 报告

标签页 · 知识点（每章要点、⭐重点、⚠️难点、关键词）· 目录 · B 站网课 · 报告（渲染 + 下载 MD/PDF/复制）

报告格式

严格按需求给定的结构：

# 《课程名》学习报告
> 生成时间 / 来源文件 / 章节数 / 总结模型
## 一、课程目录
## 二、各章知识点      ### 第 N 章 …  - 要点 / - ⭐ 重点 / - ⚠️ 难点 / - 关键词
## 三、课程总结        （≤300 字）
## 附录：B 站相关网课推荐
### A. 系列课程推荐    序号 | 标题 | UP 主 | 播放量 | 时长/集数 | 链接
### B. 分章节视频推荐  章节 | 标题 | UP 主 | 播放量 | 时长 | 链接

附录不会为空：检索被风控或没有相关结果时，该行退化为

https://search.bilibili.com/all?keyword=<URL编码关键词> 搜索入口。

1.15.0 新增：标题与目录整修（诊断 → 修复）

目录偏差不是模型的问题，是分章前的本地结构识别。六个真实课件里五个能复现：

课程名变成「幻灯片 1」、章名是 cat / fruit ptrfrui / class B : public A 这种碎片、

67 页课件被切成固定 5 页一章、表格行被当成章节。这一版按诊断报告（docs/title-outline-plan.md）修：

环节 · 改动

标题卫生（core/titles.js） · 去「幻灯片 N:」前缀与「（投入 12% 时间）」注解；titleScore 否决纯数字（8.0）、代码行、邮箱/URL、以标点开头的截断句、带逗号的长句；页面标题按「占位符 > 最大字号 > 正文前 8 行」打分择优，重复面包屑（课程导读）自动降权

分章边界 · 无节/无编号的课件改为按页标题变化切（当前章 ≥1200 字才开新章、<500 字并回上一章，越界退回定长切块）；§ 编号 与章节编号仍然优先；PDF 文本里的「文件名 ↔ 第 N 章」表格行不再当章节；Markdown/docx 的正文不再套用 PDF 的表格启发式

课程名 · 新增候选链：文件名 → PDF 书签 → 首个合格页标题 → 章节标题；拒绝「幻灯片 N」「前言」「目录」与「第 N 章 …」（多章文件里那是章节名）

模型标题 · 章节摘要提示词 v6 顺带返回 title（零额外调用）；只覆盖启发式章名，作者编号（第 N 章）、PowerPoint 节、§ 编号 一律不动；模型给出重名时用该章关键词消歧。可用 chapterTitles: 'rules' 关掉

报告呈现 · 目录子标题过质量分（pu、10.1× 不再出现）、去重、每章最多 4 条，空时用关键词兜底；标题自带编号时不再重复加「第 N 章」；报告头加一行「目录自检」

实测（同一批文件）：

文件 · 之前 · 之后

L10_C08_多态与虚函数.pdf · 课程名「幻灯片 1」，章名 第 1 部分 / fruit ptrfrui / class B : public A · 课程名 L10_C08_多态与虚函数，7 章：第 8 章多态与虚函数 / 正确理解虚函数 / …

L12_C10_异常与断言.pdf · 9 章碎片（异常、cat、QUE 对象析） · 7 章，首章 第 10 章异常与断言；有模型时章名改由摘要调用给出

实验1-高质量编程基础.pptx · 13 章固定 5 页块，课程导读 撞名 3 次 · 14 章按标题变化：课程实训案例引导 / 减少符号依赖 / 测试防护网：正交分解法 / git常用命令 …

关上800美元…pptx · 10 章（§ 01 制度背景…） · 逐字不变（作者编号受保护，单测守门）

计算机系统基础 复习&自学大纲.pdf · 11 章乱序、第 2 章/第 8 章 各出现两次 · 10 章按原顺序，无重复

C++程序设计课程复习讲义.docx · 课程名「前言与使用说明」 · 课程名取文件名

配置新增 chapterTitles（auto 默认 / rules 只用本地规则）。

1.14.0 新增：Normal / MAX 两档报告能力（复习资料版）

面板上多了 「报告模式：Normal ｜ MAX」 两档（配置项 reportLevel）：

· Normal · MAX

报告形态 · 每章 3-6 条要点 + 重点/难点/关键词 · 复习资料：模块 → 知识点（K）→ 实例（E）→ 习题（Q）+ 参考答案

每章读到的原文 · 3600 字 · 8000 字

每章输出预算 · ~2600 token · 8192 token

额外调用 · — · 全课程复习框架（主题/学习目标/总结），共 +1 次

耗时 · 基准 · 约 2-3 倍

MAX 就是上一版的「复习资料版」，现在改成正式的档位选择；reportLevel 默认 normal，

老的 reportStyle: 'brief' | 'review' 仍可作为请求参数兼容（review = max）。

报告的章节结构：

结构 · 内容

复习框架（报告开头） · 已读取的文件与可读范围 / 课程主题与学习目标 / 章节目录与课件页范围 / 章间依赖 / 建议复习顺序 / 待确认与资料缺口

每章 · 本章概览 → 模块与知识点（K1.1 编号）→ 课件实例（E1.1）→ 自测题（Q1.1）→ 参考答案 → 本章小结

知识点 · 定义/结论、通俗解释、关键条件、掌握要求（记忆/理解/应用）、公式与用法、知识联系、常见误区

来源 · 每个知识点与实例都带〔原文 / 整理 / 补充 / 待确认〕标签 + 「文件名—第 X 页」；页码越界会被标成「不在本章范围，待确认」

实例 · 背景 → 对应知识点 → 要说明什么 → 分析步骤 → 结论 → 可迁移方法 → 易错点

习题 · 先题目后答案（便于自测）；课件没给答案时写「课件未给答案」；模型自己求解的标「参考解答，非课件原答案」

实现要点：

• core/review.js：复习资料的 JSON 契约与解析（parseReview），把 K 点折算成旧版要点，

使证据核对、覆盖率审计、关键词与 B 站检索照旧工作；reviewStats 出「N 个知识点 / M 个实例 / K 道习题」。

1.13.1 起来源按需求写成「文件名—第 X 页」，单份课件才有页码。

• core/summarize.js：summarizeChapterReview（maxTokens 8192，重试只加不减）+ summarizeCourseReview

（课程主题/目标/总结一次调用）。

• 页码不是猜的：单文件时给模型的是带 【第 N 页】 标记的原文，解析时按本章页范围校验；

多文件（页码会串）时提示词明确禁止写页码。

• 拿不到复习结构（模型回包被截断/不可解析）时，该章自动退回普通要点摘要并在报告里注明，不会消失。
• core/json-repair.js 抽出共享的 JSON 修复（截断回包救回已写好的部分）。

成本：MAX 每章输出约为 Normal 的 3-5 倍，maxTokens 固定 8192、原文窗口 8000 字；用 MAX thinking 模型时

推理 token 也吃这份预算，章节多时整体耗时明显上升。reportLevel 默认仍是 normal。

1.12.0 新增：页级 OCR 分诊（只读读不出来的那几页）

以前 OCR 是整份开关：ocr: true 重读全文，默认一页不读。现在解析后先给每页文本层打分

（字数 / 可疑字符率 / 成词率），只把「没有文字 / 只有几个字 / 字形乱码」的页交给 OCR：

• 实测 L12_C10_异常与断言.pdf（67 页 C++ 讲义）：只读 26 页、约 7 秒，25 页换成 OCR 文本，

正文 5 502 → 8 214 字，成词率 0.80，空页 0%。

• 多数页没有文本层时判定为扫描件，自动整份重读（以前只会报「疑似扫描版」然后给空报告）。
• ocrMaxPages 之外的页不再静默漏掉，报告里会写「还有 N 页超出 OCR 上限」。
• 每页择优：OCR 结果和文本层各自打分，可读的页不会被 OCR 覆盖，只有空页/乱码页才替换；

页面标题与 （p.12） 回链都用真实页号。

同时修掉三个静默 bug（都是"报成功、其实没干活"）：

问题 · 影响 · 修法

prepareDocs 引用了不存在的 options · 1.11.1 起幻灯片图片 OCR 从未真正执行，只在警告里留一行「图片 OCR 失败」 · python 路径从 OCR 配置一路传到引擎；识别逻辑抽成 readImageTexts()

store.readOcr() 只认 {pages} 负载 · 图片 OCR 缓存从未命中，每次重跑都重新识别 · 返回完整负载，页面/图片两种缓存都能读

只有图片的页被整页丢弃 · L12 实际 67 页，之前只解析出 54 页（13 页纯图片幻灯片从未进过报告），之后的页码还全部错位 · 有图即内容，保留该页且不压缩页号；pptx 按 p:sldIdLst 真实顺序编号

配置新增 ocrMode（auto/all/off）与 ocrPick（first/best）；ocrPick: best 会用第二个

引擎复读低分页再取高分（耗时翻倍，默认关）。两个引擎都支持按页读取（ocr.ps1 -Pages、

rapidocr.py --pages），RapidOCR 还会逐页报置信度。

1.6.0 – 1.11.1 新增（此前没写进 README 的部分）

版本 · 新增

1.6.0 · 概念 DAG（成环/跨章反向边直接拒绝）+ 确定性调度（失败分类 + 重试阶梯 + AUTH 不再逐章重试）+ 报告思维导图 + 离线 HTML 看板 + 同参数任务去重

1.6.1 · 历史面板（最近 100 条，点开即渲染）

1.7.0 · 幻灯片内嵌图片 OCR：a:blip → rels → ppt/media，按图片 sha 缓存；小图标/分隔线自动跳过

1.8.0 · 分节保底选段（每小节至少留一段）+ 覆盖率审计（报告头写「要点覆盖 7/9 节，未覆盖：…」）

1.9.0 · 概念必须有原文依据（命中不了直接丢弃）+ coverage: thorough 逐节摘要

1.10.0 · 关键词四源融合：模型 / 标题 / 本章 TF-IDF / 英文缩写（IEEE754、x86-64 不会被长度规则丢掉）

1.11.0 · OCR 预处理（短边放大、深色图才反色）+ 文本后处理（拆词合并、偏旁合并、全角转半角）+ CER 基准 4 张图：平均 9.9% → 1.1%

1.11.1 · RapidOCR 图片通道跑通（与 Windows OCR 在基准图上 CER 持平）

同一时期还有：要点带页码回链、BM25 课件问答（ask）、考纲覆盖对照（coverage）、

B 站分 P 精确到集、Anki CSV 与 course.json 导出、报告保留 90 天 + 删除接口。

1.2.0 新增：读不准时的处理

质量闸门（解析后立即算，纯本地）——四项指标：每页

…(truncated)