20 歲大學生靠 Vibe Coding，把課程作業卷上 GitHub 熱榜第一

　　大數據文摘受權轉載自夕小瑤科技說

　　今天翻 GitHub Trending 的時候，看到一個不怎么眼熟的項目占據榜單第一。

　　仔細一看，是個多 Agent 輿情分析助手，名字叫「微輿 BettaFish」。

　　再往下拉，發現它 star 已經過萬了，而且還是最近十幾天突然暴漲。

　　這我一下子就好奇了。

　　去小紅書上搜了下這個項目的名字，結果還真刷到了作者自己寫的復盤文章。點開一看，他居然只是個 20 歲的大學生。。。

　　而做這個項目的初衷也很單純，只是為了完成課程作業。。。

　　交一個作業，卷進 GitHub 熱榜第一。

　　太強了，果然山外有山，人外有人人人人人。

　　那它到底做了什么？我們來拆一拆。

　　聽到“輿情分析”，我第一時間腦子里浮現的，是那種常見的「可視化儀表盤」「評論詞云」「情緒熱力圖」。

　　所以，看到“微輿”這個名字時，我也以為不過是又一個數據看板項目——幾張折線圖、幾朵詞云、幾塊熱力圖，最后再套一層 ChatGPT 自動摘要，差不多就那樣。

　　但我錯了。

　　它做的遠遠不止這些。

　　你可以把它理解成：一個帶搜索 + 分析 + 寫作能力的 AI 輿情顧問。

GitHub 地址： https://github.com/666ghj/BettaFish?tab=readme-ov-file

　　它不僅能全自動刷社交媒體、收集數據，還能自己提煉觀點、撰寫報告，最后打包成一份像模像樣的分析文檔交給你。

　　而且，全流程幾乎不用人工干預。因為它背后運行著一整套多 Agent 協作機制。

　　來看看它是怎么工作的：

　　Insight Agent：相當于團隊里的“數據分析師”，負責處理數據庫里的結構化信息，提煉關鍵詞、熱點走勢和聲量變化。

　　Media Agent：像一個“外勤記者”，打開瀏覽器爬微博、抖音、小紅書等內容，自動提取帖子和評論，并做多模態內容分析。（注意這里的多模態結果信息，也就是說它甚至可以爬取卡片信息）

　　Query Agent：負責深度搜索，比如追蹤事件最初的爆點、識別傳播源頭、驗證不同平臺的說法差異。

　　Report Agent：最后登場的“主編”，整合所有中間結果，確定邏輯結構和版式風格，把分析結果寫成一份正式報告。

　　四個 Agent 之間還會通過一個叫Agent Forum的“虛擬會議室”互相交流。

　　最后形成的，是一份能自圓其說、可復查溯源的完整分析報告。

　　當然，作者并不滿足于現在的成果。

　　從項目首頁的手繪圖可以看出，他們把“輿情分析”分為三步：

　　輸入話題，啟動全網搜索

　　自動分析，輸出結論報告

　　預測未來走勢

　　現在，前兩步已經跑通了，且基本實現了「人類全程躺平」的自動化體驗。

　　第三步，預測，還在路上。

　　作者沒有選擇直接讓大模型“編”一個預測結果，因為那種方式并不可靠，也不具備說服力。他們更希望用過去積累的大量話題數據，來建立真正的數據模型，預測一個話題在未來是否會繼續發酵，還是很快冷卻。

　　接下來，他們計劃引入時間序列、圖神經網絡、多模態分析等技術，讓“微輿”具備真正的趨勢判斷力。

　　目前跑出來的效果究竟如何？

　　我們拿這份“武漢大學品牌聲譽分析”為例拆解一下。

　　整個文檔一共 25 頁。看下來只有一個感受：信息密度和沖擊力都遠超預期。

　　首先是宏觀指標部分，直接懟出一組極具殺傷力的對比數據。

　　這可不是那種“貼個大號標題 + 幾個虛熱詞”的吹風數據。它結合上下文，把這些數字背后的社會情緒做了解剖。

　　比如我們熟悉的“圖書館事件”和“甲醛宿舍”，在這份報告里都被單獨抽出來，做了非常規深度的解剖。

　　比如“圖書館事件”，不僅列出核心時間點，還把每個節點的情緒波動、傳播路徑一一還原。

　　而“甲醛宿舍事件”的分析，情緒圖表是整個報告的亮點。

　　細分成“憤怒”“恐懼”“焦慮”“憤懣”四種情緒流向，并在四個時間節點下做出對比：曝光、校方回應、第三方報告、問題解決。

　　每一步，情緒如何升溫、如何轉換、如何拐頭，通通能看到。

　　就像看熱搜一樣爽，但背后有數據支撐。

　　最后甚至還有 SWOT 分析。市場營銷的 DNA 動了。

　　傳統的輿情監測，頂多告訴你：哪個關鍵詞熱了，哪個 KOL 發了帖，哪個微博被轉了幾萬次。

　　但這份報告里，你能看到的是：哪一階段的情緒最極端？是什么事件觸發了情緒結構的轉變？司法介入的時間點與輿情是否同步？校方在什么地方做錯了，錯得有多嚴重，又給個體帶來了多大后果？

　　如果未來能將這種模型遷移到更多高校、品牌或城市輿情中，我們或許真的能在“情緒沸騰”之前，提前發現那一點最危險的溫度上升。

　　最后，再回到那個 20 歲的大學生。

　　還是很難相信，這是他一個人干出來的事。

　　但這，正是 AI 時代的底色：奇跡，開始由普通人書寫。

　　為了交一份作業，他從零做了個項目，開了源，也寫了幾篇小筆記分享自己的踩坑和思路。他沒精力刷秋招題庫，甚至一度覺得自己可能趕不上這波機會。但最后，拿到了一份心儀的實習，全靠這個項目自己闖出來的分量。

　　寫代碼的過程里，他是真的和 AI 并肩作戰。靠著 Claude Code、Cursor、Codex 一步步摸索出一個像樣的產品雛形，一邊踩坑一邊磨合。

　　項目做完了，他沒有等人來發現，而是主動出擊，在小紅書、B 站、Linux Do 等平臺宣傳推廣。沒人幫他推流量，他就自己一點點推。

　　你能看到的每一顆星星，都是他親手點亮的。

　　這種從 0 到 1 的過程，是清醒的，是完整的，是具備方法論的。甚至可以說，是值得被復制的。

　　AI 不只是讓強者更強，它正在讓那些被低估的人，有機會被看見。