20歲大學生花10天VibeCoding一個開源項目，獲盛大3000萬投資

20歲大學生10天VibeCoding盛大3000萬投資

幾個要素擺在一起，讓人直呼：What???

你沒看錯，這是一個用AI預測世界的開源項目，名叫MiroFish，剛迅速登頂Github Trending榜。其Star數從1月底開始暴漲，目前已突破5.7k。

MiroFish是一款AI預測引擎，它可以通過提取現實世界的種子信息（如突發新聞等），自動構建出高保真的平行數字世界。

在此空間內，成千上萬個具備獨立人格、長期記憶與行為邏輯的智能體進行自由交互與社會演化。你可以在系統內動態注入變量，精準推演未來走向。

在作者給出的case中，有根據紅樓夢前80回預測失傳結局、摩爾線程大規模融資后的戰略演進與市場影響分析等等。

它非常適合用來模擬預測重大社會事件的走向、分析大公司的戰略動向，甚至分析文學作品的復雜人物關系和續寫結局。

emm……所以可以拿來續寫一下《龍族》的結尾嗎（doge）

在MiroFish之前，作者還做了一個開源項目叫微輿BettaFish，是一個多Agent輿情分析助手。這個項目一開始只是作者的畢設，結果開源之后在GitHub上一周爆漲了20k star。

更讓人大跌眼鏡的是，這兩個項目都是他只花了10天Vibe Coding出來的。

目前，作者已經得到了盛大集團創始人陳天橋的關注，并其邀請下加入了盛大。在陳天橋的大力支持下，MiroFish已經拿到3000萬人民幣的投資。

MiroFish：用AI預測未來

MiroFish其實是前作BettaFish的一個延續。

BettaFish用于輿情分析，輸入一個熱點話題，它會開啟全網自動搜索，從各大社媒平臺獲取相關信息，接著讓多Agent團隊協作，基于信息進行總結、碰撞，最后輸出一份詳盡的輿情分析報告。

而MiroFish則想在此基礎上更進一步：把分析的終點，變成預測的起點，從原始數據到智能決策，形成真正的閉環。通過多Agent來模擬現實中的人，形成社交網絡，進一步推演事件的發展走向。

聽起來是有那么一點酷炫。

我們以作者演示的“紅樓夢續寫失傳結局”為例，看看MiroFish具體是怎么運作的。

第一步是圖譜構建。首先上傳《紅樓夢》前80回的原著內容，并輸入提示詞，讓模型基于文本特征和人物性格進行邏輯推演。

這一步是從種子信息中提取關鍵實體和關系，并利用時序GraphRAG給每個智能體注入獨特的背景和記憶。

接著系統就根據15萬字的原著，生成了一個龐大的人物關系圖譜。共有905個實體節點，3822條關系邊。

可以看到關系網最核心的角色就是寶玉，且他和其他幾個節點，如黛玉、寶釵、賈母、襲人等都有數量最多的關系邊。

點開每個節點也可以看到角色的詳細介紹，以及角色在故事中發生的最新事件的總結。如黛玉的最新事件就是第76回的“冷月葬詩魂”。

第二步是環境搭建。這一步會抽取角色的實體關系，生成人設，并根據你的需求設定模擬的核心參數。

在這里總共提取出了580個人設，也就是預計生成580個Agent。

點擊每一個人設，都能看到人物在故事中的全景經歷、獨特記憶、行為模式、社會關系網絡等等。

比如賈代儒是寧榮二府所屬賈家義塾的塾師，年約72歲，一生奉行“程朱理學”，以修身齊家為本，堅決維護傳統倫理，反對放縱欲望、荒廢學業。親歷賈家數代子弟興衰，目睹賈府由盛轉衰之兆。

甚至連MBTI都有……賈代儒是ISTJ，不er，這也太細了吧。

接下來系統會生成雙平臺模擬配置，初始激活事件與激活話題，并開始模擬。

在這里，經過30輪的雙世界模擬后，五百多個Agent總共進行了將近2000個活動。左側是模擬后的人物關系圖譜，右側則顯示每個人物具體的活動內容和發表言論，串起來就是新的劇情。

每個智能體之間會有引用、評論的關系，比如素云描述了昨日搜撿大觀園的情形，接下來甄士隱就回復了她的內容，評價“命如草芥，世事無常，不過如此”。

接著還可以生成整體的事件推演報告，有些觀點寫得還挺不錯，比如“大觀園的崩潰并非偶然悲劇，而是禮法結構與個體命運共振瓦解的必然過程”。

有意思的是，它預測的部分結局和現在《紅樓夢》的結局也基本吻合：比如黛玉焚稿斷情、湘蓮削發出家。

另外，還可以與模型進行互動，比如直接問它“在大觀園被抄后，寶玉后續劇情是怎樣的”。

不同于高鶚續本中寶玉參加了科舉考試，這個模型給出的結局是他在連番打擊下精神遭受重創，隨瘋道人而去，不知所蹤。

作者還展示了自己的花銷情況，從第一步開始到模擬結束，后臺大約只消耗了14塊錢。

不過他也直言這個項目還有些缺點，如果文本量輸入過大的話，輸出結果可能會有中英文混雜的情況，后續會進一步優化這個問題。

VibeCoding打造超級個體，真的能成

自從第一個項目BettaFish火了之后，作者就收到了無數郵件，大廠offer、投資、合作邀約比比皆是，一度擠爆了他的郵箱。

他還寫了一篇文章分享背后的全過程，最直觀的感受是：市場在瘋狂尋找能把AI用成生產力的人

• Vibe Coding打造超級個體這件事，我越來越確信：真的能成，而且會越來越好。

很多人讓他分享VibeCoding教程，他說做不出來，原因是技術變化太快了，快到你今天總結出來的范式，下個月可能就失效。

不過他還是分享了不少VibeCoding的心得：比如，時間花的最多的環節是市場調研技術選型，先弄明白“為什么做、做給誰、怎么做”，然后再指揮AI去干活。

他的落地流程是：figma畫草圖，用AI不斷抽卡打磨→Google AI Studio做前端demo→把頁面補進項目文檔，再把任務拆成模塊，交給AI IDE分批開發。

前端他推薦Gemini 3 Pro，非常有“靈氣”，適合前端頁面初始化、頁面美化、交互細節打磨等等。后端的工程結構、接口設計、穩定性改造則交給Claude。

他還分享了幾個經驗：第一，多agent并行做同一個任務，然后你再挑一個最優的推進。如果不太考慮成本的話，這樣做效率飛快。

• 我經常在開發某個模塊時，同時開8個agent干一樣的活，token消耗確實巨大，但效率提升也是實打實的。

更重要的是，你會非常直觀地摸到每個模型的能力邊界——它擅長什么、怕什么、在哪些地方容易“自信但跑偏”、你該怎么跟它配合。知道工具的能力邊界，是駕馭它的第一步。

第二，越是高速，越需要做好“剎車系統”。簡單來說，用git做好代碼管理，以及寫好文檔。防止改了A影響B，最后整個項目亂套。

第三，對于一個真正的“項目”來說，深度的人機協作與code review非常重要。他會一行行審計AI寫的代碼，還會盡量跟著它的執行過程去看，了解AI為什么這么思考。

• 很多bug的根源不是某一行寫錯，而是它在某個關鍵觀點上走偏了；你把那個誤區糾正了，后面很多問題會一起消失。更妙的是，你在讀它的過程里也會獲得思路與靈感，反過來完善你的項目文檔，讓你和AI進入一種“深度協同、共同進步”的狀態：你越來越懂坑在哪里，它也越來越懂你的邊界與偏好。

作者還提示了幾個做開源項目的點，我覺得也非常關鍵：

• 1、Vibe Coding選題尤其重要，在開始寫代碼之前一定要經過全面的調研，先思考、再動手。
  2、個人開發者，要從垂直領域來，到大眾中去。從垂直領域切入積累專業口碑，再面向大眾吸引廣泛用戶。就像BettaFish定位是輿情分析，標語打的卻是“人人可用”。
  3、不要追求大而全，做減法，實踐中不斷修正自己的定位，同時不要完美主義，快速驗證。
  4、營銷推廣可以不多，但一定要提前準備好能讓“別人幫你宣傳”的素材，比如清晰直觀的演示視頻等。
  5、代碼是冷的，故事是熱的。學會講好代碼背后的故事，是獨立開發者的必修課。

作者其人

兩個項目接連登頂Github Trending榜，背后的作者名叫BaiFu，中國科學技術大學學生。

在短短30天中，BaiFu清晰地感受到了投資人對00后AI人、對“超級個體”那種幾乎溢出來的熱情。

BettaFish爆火之后，陳天橋便邀請BaiFu加入盛大，并告訴他“繼續做你想做的事”。

于是BaiFu便在盛大花了短短10天時間，完成了他在BettaFish階段就想開發的“預測”功能——有了今天的MiroFish。

在演示視頻遞交的24小時內，陳天橋當場拍板決定：集團注資3000萬人民幣，全力支持MiroFish的深度孵化。

在文章中，BaiFu非常興奮地呼吁：“超級個體”真的能成！越早去探索這條路，成功概率越大，尤其對大學生而言更是如此。

他寫道：我們嚴重低估了傳統行業、半互聯網行業對AI變革的決心。幾乎所有企業都在經歷一種“AI焦慮”：他們知道浪潮來了，不做會被甩下，所以非常愿意、甚至可以說急切地進行AI改造與提效。

對于年輕人來說，只要你愿意往一個領域深扎，國內這么遼闊的市場，不管是打工還是創業，都會有一席之地。

時代在把機會往年輕人手里塞

github地址：
https://github.com/666ghj/MiroFish
demo鏈接：
https://666ghj.github.io/mirofish-demo/
作者自述：
https://mp.weixin.qq.com/s/UyYVjlBCvQRJI6B_MmZbsA