DeepSeek 悄悄开源了 dsh-libreoffice-kit 组件，原本隐藏在 DeepSeek Harness 中。该组件解决了 AI 生成文档却看不到排版效果的痛点：可将 Word、PPT 渲染成图片让 AI 查看排版，真实计算 Excel 公式以核对结果，自带字体管理避免中文乱版，并支持文件级隔离处理防止单点故障。这使 AI 能够自己写、自己看、自己改文档，无需人工逐页返工。文章指出 AI 办公领域的竞争不只在于模型能力，底层基础设施同样关键。
作者发现 DeepSeek 官方悄悄在 GitHub 仓库中合入了基于 Electron 的 Harness 桌面端应用，未发任何公告。文章介绍了作者自行编译运行官方桌面端的过程：安装 pnpm、克隆仓库、启动开发模式，并测试了对话、文件操作等功能。作者对比官方版与社区桌面端，指出官方版本在安全性和版本管理上更有优势：不开本地端口、使用自定义协议传输数据、整体签名发布与统一更新。官方版目前仍处早期，需自行从源码构建，未来有望正式分发安装包。
本文实测了 DeepSeek Harness 的极简模式，通过两个实战项目（3D FPS 游戏和 AI 宠物领养系统）对比标准模式与极简模式的性能差异。结果显示，极简模式在耗时上显著更优（分别快 10 分钟和 21 分钟），且在某些任务上效果接近甚至超越标准模式，但在功能完整性和细节上有所欠缺。文章分析了极简模式的优势（减少工具选择干扰、提升专注度）和短板（缺乏联网、上下文压缩等能力），并介绍了社区中通过两阶段插件提升标准模式性能的探索。
本文是DeepSeek Harness的实测与入门教程。作者介绍了Harness的概念（Agent = Model + Harness），并详细演示了安装过程、四种运行模式（标准、极简、PTC、创造）以及插件系统。通过四个实战任务（分析代码仓库、开发知识讲解网站、开发3D游戏、开发全栈AI应用）展示了其强大的AI编程能力，并强调了高缓存命中率带来的低成本优势。文章最后对比了DeepSeek V4 Pro与Claude Opus 5的表现，认为前者已可对标后者。
