实测DeepSeek Harness：将大模型变为应用底座，构建语义驱动的QQ机器人

一位开发者利用DeepSeek Harness（DSH）作为应用底座，成功构建了一个由大模型语义驱动的QQ机器人，展示了AI原生开发的新范式。该项目采用Vibe Coding模式，全程依赖AI生成代码。与传统机器人框架（如OpenClaw、AstrBot）相比，该方案将DSH作为后台服务运行，实现了工作区的数据隔离与多进程管理，具备更高的扩展自由度。其核心架构利用LLM进行语义识别与意图调度，Worker负责与服务端通信，无需编写硬编码的插件。文章还详细探讨了安全性设计，通过并行DSH进程构建“权限收窄层”，利用提示词工程而非正则匹配来管控用户权限，实现了对敏感操作（如重启、生图）的二次确认与管理员授权。除了基础的对话功能，该系统还接入了图像生成、频道推送等API，证明了以DSH为底座的应用层能够像调用插件一样调用各类服务。作者认为，这种基于大模型底座的应用开发方式，标志着应用开发正从基于特定语言框架转向基于AI环境，虽然目前处于实验阶段且依赖沙盒权限，但其展现的“语义即逻辑”特性暗示了未来软件架构的新方向。

事件分析

核心观点： AI正在从“辅助编程”进化为“应用底座”，软件开发范式正由硬编码逻辑转向大模型驱动的语义生成与调度。