dsh-fdehub

FDE 工坊 + 场景市场 — 给 DeepSeek Harness（dsh）的插件。

FDE（Forward Deployed Engineer，驻场交付工程师）最费时间的不是写代码，是从现场把业务讲清楚：听两小时会、收一堆表格，然后在一晚上回答「业务怎么跑 → 卡在哪 → AI 能插哪一步 → 两周能验什么」。

这个插件把这条链路压成三步：录音/上传 → 转写取文 → 结构化蓝图，并把每次梳理沉淀成可复用的场景卡，进市场给下一个人用。

现场录音 ─┐
上传音频 ─┼→ 转写 / 取文 → 业务现状 → 痛点(带证据) → AI 机会点(插入点+人工兜底+判定指标)
业务文件 ─┘                                    → PoC / 试点 / 推广路径 → 待确认问题
                                                                    ↓
                                                            场景卡 → 市场 → 下一个项目

和已有的 dsh 插件有什么区别

开工前查过一圈，dsh 生态里和「录音」相关的插件已经有几个，但都停在转写与归档，没有走到业务侧：

项目	做什么	与本插件的关系
dsh-voice-memo	口述归档：音频 + 波形图 + 带时间戳的笔记	互补。它解决「录音留在工作区」，本插件解决「录音变成方案」
dsh-plugin-local-voice	本地实时转写浮窗（Apple Silicon + Qwen3-ASR）	互补。它的转写结果可以直接粘进本插件的材料
dsh-asr-plugin	会议转写 + 说话人标签 + @会议 让 agent 总结	部分重叠（都做转写）。它做会议记录，本插件做业务建模与场景沉淀
dsh-market / dshmarket	通用插件市场	形态不同。它分发插件，本插件分发AI+业务场景卡
dsh-mcp-connector	MCP 连接器目录，catalog 走 jsDelivr + 独立注册表	借鉴了它的分发做法：一条一个文件、schema 校验、catalog 脚本生成、CDN→raw 兜底

没有找到把「现场录音/材料 → 业务与 AI 逻辑 → 可复用场景资产」这条链打通的现成开源项目，所以自己写了一个。转写层不重造轮子：宿主有语音服务就用，没有就接本地命令，都没有就如实标注「未转写」。

安装

# 从本地目录（开发用）
dsh plugin --profile desktop add link:/path/to/dsh-fdehub

# 从 GitHub（发布后）
dsh plugin --profile desktop add github:<owner>/dsh-fdehub

装完重启 DSH，左侧栏会出现两个入口：FDE 工坊、场景市场。

用法

一、工坊：一次现场梳理

1. 新建案例 → 填客户、域、补充背景（这次要解决什么、谁在场）；
2. 采集材料，三种方式随便混用：
   • 现场录音：浏览器里按一下开始，再按结束，自动上传并转写；
   • 上传音频 / 业务文件：wav/mp3/m4a/webm/mp4 走转写；pdf/docx/pptx/xlsx/txt/md/csv 走取文；图片与扫描版 PDF 走宿主模型识图（见下）；
   • 粘贴文字：没有转写引擎时的正路——把纪要贴进来一样能分析；
3. 点 梳理业务 + AI 逻辑，得到：
   • 业务现状：角色与卡点、流程、系统、数据资产、可量化指标；
   • 痛点：每条挂证据（原话/材料事实）与影响，带严重度；
   • AI 机会点：AI 形态、插入点、输入/输出、人工兜底、可行性×价值、工作量、判定指标、缺什么数据、要对接什么、风险；
   • 落地路径：PoC / 试点 / 推广各自的范围、天数、交付物、判定标准；
   • 必须回客户确认与这次材料没覆盖的——不知道就写不知道，不猜；
4. 导出 Markdown：一份能直接贴进飞书/Word 的蓝图，不依赖插件。

图片与扫描件：OCR 用宿主自己的模型

不打包 tesseract 之类的识别引擎（几百 MB，还和宿主的模型能力重复），直接走 ctx.llm 的当前路由：

• 图片（png/jpg/webp/heic/tiff）直接用；
• 扫描版 PDF 先用 pdftoppm 渲染前 N 页（默认 5 页）再逐页识图；
• 提示词只要求「抄字」：表格还原成 Markdown、手写看不清用 □、无文字回 NO_TEXT；
• 触发时机是「文本抽取拿不到内容」之后，不额外消耗；
• 模型不支持图片输入时明确报错「换一个多模态模型」，不会静默给空结果。

识图结果会存进材料里（method: model-ocr(provider/model)），后续重新分析直接复用，不重复烧 token。

二、市场：场景资产流通

• 内置 12 条种子场景（协同办公/客户服务/售后/采购/法务/财务/人力/知识管理/项目管理/运营/销售），综合类业务通用，离线可用；
• 远端目录（catalog）走 jsDelivr CDN，拉不到自动退 raw.githubusercontent，缓存 5 分钟、面板「刷新」强制重取；
• 搜索 + 按域筛选，featured 优先排序，点开看五要素 + 贡献者 / 更新时间 / 许可；
• 用这个场景起案例：把场景填成案例的「补充背景」，现场只需补客户事实；
• 发布成场景：把一次分析抽成卡片，存本地并给出可提 PR 的 registry/scenes/<id>.json。

分发结构参照 dsh-mcp-connector 的社区注册表做法：一条场景一个文件、schema 校验、catalog 由脚本生成，PR 不打架。

npm run market:build      # registry/scenes/*.json → registry/catalog.json + scenes/seed.json
npm run market:validate   # 上架门禁：五要素 / 指标可测量 / 敏感信息 / featured 占比

三、对 agent 说

面板是给人的，工具是给模型的：

工具	作用
fde_case_list	列出案例
fde_case_read	读某个案例的材料与蓝图
fde_analyze	对某个案例跑一次梳理
fde_scene_search	搜场景市场
fde_scene_publish	把案例发布成场景卡
fdehub_status	转写能力 / 模型通道 / 数据目录

把 FDE 案例 abc123 梳理一下，重点看备件预测那条
找找有没有类似的客服场景，插在工单分派那一步的

配置

cordis.patch.yml 里都有安全默认值，也可以在面板改（POST /fdehub/api/config，重启回到文件）。

键	默认	说明
dataDir	$DSH_HOME/fdehub	案例、场景、原始音频都在这，换机器直接拷走
asrMode	auto	auto / host / local / off
asrCommand	空	本地转写命令模板，占位符 {input} {outdir} {basename}
ffmpegPath	ffmpeg	统一转 16k 单声道 wav
llmProvider / llmModel	空	留空 = 跟随当前会话的模型路由
analysisMaxChars	60000	送进模型的材料上限，超了会截断并在结果里标注
ocrEnabled	true	图片/扫描件是否走宿主模型识图
ocrMaxPages	5	扫描版 PDF 最多识别前几页（每页一次模型请求）
indexUrl	jsDelivr 上的 registry/catalog.json	场景市场远端目录；CDN 失败自动退 raw
refreshSkewMs	300000	目录缓存时长，面板「刷新」无视它
author / org	空	发布场景时的署名

本地转写命令示例（Apple Silicon，先 pip install mlx-whisper）：

asrCommand: mlx_whisper {input} --model mlx-community/whisper-large-v3-turbo --output-format txt --output-dir {outdir} --output-name {basename}

权限与隐私

• 不联网取数据：只有场景市场会 fetch indexUrl（你配了才有），分析走宿主已配置的模型通道。
• 不引入新凭据：不读任何 key，复用宿主的 ctx.llm 与会话路由。
• 音频不出本机：转写只用宿主语音服务或你本机的命令；用大模型总结时，材料会发给你在 DSH 里配的模型服务方——这条与其它 dsh 插件一致。
• 图片会发给模型服务方：识图走的就是你配的那个模型；涉密扫描件请先确认模型侧的数据条款，或把 ocrEnabled 关掉改贴文字。
• 不编内容：转写不出来标「未转写」，材料没覆盖的进 notCovered，模型不可用时明确拒绝分析而不是给一份空气蓝图。
• 数据全部在 dataDir 下，删除案例会连音频一起清掉。

开发

node test/smoke.mjs          # 零依赖冒烟测试：路由 / 工具 / 种子 / 市场 / 解析器
dsh plugin --profile plugin-dev add link:$(pwd)
dsh --profile plugin-dev --dump-config | grep fdehub

结构：

index.js              host 入口：配置、store、路由延迟绑定、模型路由监听
client.js             浏览器入口：侧栏两个面板（工坊 / 市场），无 JSX、无构建
lib/config.js         配置归一化（全部有安全默认值）
lib/store.js          JSON 落盘（tmp+rename、防抖、种子合并）
lib/extract.js        pdf/docx/pptx/xlsx/txt 取文（本机工具优先）
lib/ocr.js            图片 / 扫描版 PDF 识图（走宿主模型，不内置引擎）
lib/asr.js            转写引擎链：宿主服务 → 本地命令 → 如实标注未转写
lib/analyze.js        prompt、截断容错解析、结果收口、场景卡抽取
lib/registry.js       场景市场：种子 + 本地 + 远端 catalog（CDN→raw 兜底、缓存、featured 排序）
lib/routes.js         /fdehub/api
lib/tools.js          6 个 agent 工具
registry/             场景注册表（真源）：schema + scenes/<id>.json + 生成的 catalog.json
scenes/seed.json      内置种子（生成物，离线可用）
scripts/              market:build / market:validate

已知限制

• 转写要自备引擎：插件不自带 ASR 模型。宿主有语音服务就用；否则装 mlx-whisper（Apple Silicon）或 whisper.cpp，在 asrCommand 里指过去。都不配也能用——「粘贴文字」这条路是完整可用的。
• 识图要模型支持图片输入：纯文本模型会明确拒绝，不会给出瞎猜的文字。
• xls 旧格式、纯图片 PPT 取文有限；后者会退到识图（只识别前 ocrMaxPages 页）。
• 说话人区分：本插件不做声纹分离，多人会议转写稿是一整段。要区分说话人，用 dsh-asr-plugin 转好再贴进来。

兼容性

• 在 DSH 0.2.x（@deepseek-ai/dsh 0.2.1-rc.2）、Node 22 上开发与验证；DeepSeek Harness 处于开发者预览期，宿主升级后请重跑 node test/smoke.mjs。
• 零运行时依赖：不 import @deepseek-ai/*，避免「装了但解析不到」的一类故障。
• macOS / Linux / Windows 均可；取文与转写会按平台退到可用工具（macOS 有 textutil，其它平台走 unzip/pdftotext）。

License

MIT（代码）· 场景卡默认 CC-BY-4.0（内容），提交时请确认你有权授权。