dsh-fdehub
FDE 工坊 + 场景市场：把现场录音、上传的音频或业务文件，快速梳理成「业务现状 → 痛点 → AI 机会点 → 落地路径」的可交付蓝图，并把沉淀下来的 AI+业务场景作为资产发布、检索、复用。 · Forward-Deployed-Engineer workbench and scenario marketplace for DeepSeek Harness.
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:1215989787/dsh-fdehub#8000652123a45207ae2719bcb4df984c1f566c2eFdehub 以 dsh-fdehub 发布，当前版本为 0.1.0。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
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
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」。
# 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。
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）；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：
png/jpg/webp/heic/tiff）直接用；pdftoppm 渲染前 N 页（默认 5 页）再逐页识图；□、无文字回 NO_TEXT；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。
raw.githubusercontent，缓存 5 分钟、面板「刷新」强制重取；featured 优先排序，点开看五要素 + 贡献者 / 更新时间 / 许可；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
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
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 | $DSH_HOME/fdehub | 案例、场景、原始音频都在这，换机器直接拷走 |
asrMode | auto | auto / host / local / off |
asrCommand | 空 | 本地转写命令模板，占位符 {input} {outdir} {basename} |
ffmpegPath | ffmpeg | 统一转 16k 单声道 wav |
llmProvider / llmModel | 空 | 留空 = 跟随当前会话的模型路由 |
analysisMaxChars | 60000 | 送进模型的材料上限，超了会截断并在结果里标注 |
ocrEnabled | true | 图片/扫描件是否走宿主模型识图 |
ocrMaxPages | 5 | 扫描版 PDF 最多识别前几页（每页一次模型请求） |
indexUrl | jsDelivr 上的 registry/catalog.json | 场景市场远端目录；CDN 失败自动退 raw |
refreshSkewMs | 300000 | 目录缓存时长，面板「刷新」无视它 |
author / org | 空 | 发布场景时的署名 |
本地转写命令示例（Apple Silicon，先 pip install mlx-whisper）：
asrCommand: mlx_whisper {input} --model mlx-community/whisper-large-v3-turbo --output-format txt --output-dir {outdir} --output-name {basename}
fetch indexUrl（你配了才有），分析走宿主已配置的模型通道。ctx.llm 与会话路由。ocrEnabled 关掉改贴文字。notCovered，模型不可用时明确拒绝分析而不是给一份空气蓝图。dataDir 下，删除案例会连音频一起清掉。node test/smoke.mjs # 零依赖冒烟测试：路由 / 工具 / 种子 / 市场 / 解析器
dsh plugin --profile plugin-dev add link:$(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
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。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）。dsh-asr-plugin 转好再贴进来。@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。@deepseek-ai/*，避免「装了但解析不到」的一类故障。textutil，其它平台走 unzip/pdftotext）。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。