BaiFu 的现实驱动暴走的那一周，他还在准备毕业答辩。
每天邮箱 99+未读，投资机构、创业团队、大厂 HR、开源社区的开荒者……通盘东说念主都在找他。缘故是一个十天作念完的毕业盘算，登上了 GitHub 全球趋势榜。Star 数目以肉眼可见的速率往上跳，有公司径直发来 offer，有开荒者想合作，有投资东说念主想投他。
BaiFu 看了一阵，自后干脆全部已读，不看了。
三个月后，他的第二个花样 MiroFish 再次登顶 GitHub 榜首。这一次，他拿了持重独创东说念主陈天桥给的 3000 万。
一个还没毕业的大四学生，莫得团队，莫得公司，两次登顶全球最绽开荒者社区的热榜，拿到了一张 AI 创业的入场券。他唯唯一台电脑，和一支由 Agent 构成的「数字团队」。
BaiFu 不是在作念传统趣味趣味上的 Vibe Coding，他像导演一样指点着这个 AI 剧组：考据办法、优化逻辑，然后快速生成居品——十天，就完成了曩昔一个团队几周致使几个月智力作念完的责任。从 BettaFish 的舆情分析，到 MiroFish 的多智能体推演，他试图作念的事越来越神勇：用 AI 模拟复杂社会，致使推演改日可能发生的事。
但当「用 AI 展望寰球」的强大愿景被建议时，质疑也随之自大——一个十天完成的 Demo，果然能承载这样大的指标吗？
BaiFu 告诉极客公园：他对 MiroFish 的预期并不是「神谕式的展望机器」。它不追求每次都押中改日，而是试图把原来只可靠直观设想的多种可能性，造成一组不错被不雅察、相比和迭代的状态推演——在紧要判断发生之前，先把谬误变量和博弈商量摊开在桌面上。
01
十天写出的毕设，
俄顷登上 GitHub 热榜
故事要从前年年底驱动说起。
那时，BaiFu 照旧又名大四学生，正在为毕业盘算找选题。他的本事配景其实算不上据说：计划机专科出身，最早战斗编程是从前端驱动——因为看到有东说念主用代码作念出漂亮的网页，他被这种「用几行代码就能创造东西」的嗅觉诱骗。自后，他徐徐补都了后端开荒的才略，驱动学习 Python、Java，并战斗机器学习和深度学习。
BettaFish 这个花样能被作念出来，靠的不是他的本事积聚，而是为了作念毕设而作念的一段密集调研。
在起头写代码之前，BaiFu 花了大量时期想考三件事：为什么作念、给谁作念、怎么作念。
他翔实到开源社区里出现了大量「AI + 新闻记忆」的花样：有东说念主作念逐日新闻摘录，有东说念主作念信息筛选器用。但在更细分的领域——舆情分析——险些莫得真实勾通大模子才略的开源花样。传统舆情器用大多仍停留在数据看板层面，而不是用 AI 去聚积信息自己。
「开源社区其实缺一个更 AI 化的舆情分析器用。」他自后回忆说。
标的细则以后，开荒速率变得很快。BaiFu 把我方称为「导演」，AI 则像一支推论团队。他先用 demo 考据办法，再通过 AI coding 器用握住生成代码、诊治逻辑。总共花样，从办法到可运行版块，只用了十天。
领先，他对这个花样的预期其实很低。「如若能有 1000 个 star，我就如故很知足了。」
但事情的发展，很快超出了他的设想。
花样上线之后，BettaFish 很快登上了 GitHub Trending。Star 数目驱动以肉眼可见的速率增长——险些每隔一两个小时刷新一次榜单，数字就会再往上跳一截。
那段时期，他险些每隔一个小时就会刷新 GitHub 页面，看着 star 数握住增多。「刚驱动是很野蛮的。」他说。但当数字涨到 1 万 star 之后，这种脸色徐徐「脱敏」了，「到 10K 以后，就有点莫得嗅觉了。」
关于一个还在准备毕业的学生来说，这种俄顷到来的温煦，既让东说念主欣忭，也带来某种进度的黢黑。多样契机同期出现，反而让选拔变得贫瘠。
「当选拔太多的时候，其实会不知说念该选哪一个。」他说。
那一周，他第一次真实顽强到：这个原来只是十天作念出来的毕业盘算，正在造成一件实足不同的事情。
02
AI 让「一个东说念主作念居品」成为现实
如若只看结果，BettaFish 十天开荒完成，似乎像是一场无意的爆红。但这个花样真实迫切的，是它背后的一种新的开荒神态，也就是近来商榷甚广的 Vibe Coding。
在曩昔，软件开荒无为是一条相对明确的活水线：居品司理建议需求，架构师盘算系统，工程师按模块写代码，终末再经过测试和迭代。每一个变装都有明确单干。
但在 AI 编程器用普及之后，这条链路驱动被从头压缩。
在 BaiFu 的描绘里，AI 如故成为开荒过程中的互助者。开荒者不需要再逐行敲代码，而是更多通过当然言语描绘功能、结构和逻辑，让 AI 生成代码，再字据结果握住诊治。
在这个过程中，东说念主类开荒者的变装也发生了变化。
「东说念主更像是导演。」开荒者需要决假寓品要处分什么问题、系统应该怎么架构、每一步功能怎么拆分，而具体的好意思满部分，则不错通过 AI 来完成。许多时候，开荒过程致使更接近一种快速实验：先生成一个 demo，考据办法是否成就，再握住诊治和迭代。
这种神态看起来像是在「减少写代码」，但履行上更像是在篡改开荒者的责任重点——从「写好意思满」转向「作念方案」。
这种变化带来的最径直结果，就是开荒成果的大幅晋升。
BettaFish 的开荒周期唯独十天。在传统的软件开荒经由中，即即是一个微型器用，从需求证明到居品上线，频频也需要数周致使数月时期。但在 AI coding 器用的辅助下，许多原来需要大量重迭服务的责任被大幅压缩。
BaiFu 在与极客公园的相通中提到，后续的一些尝试中，开荒速率致使比 BettaFish 还要更快。
许多功能不再需要从零驱动搭建，而是通过 AI 生成基础框架，再进行诊治优化，开荒者不错在握住训诫新的组合神态。
从某种趣味趣味上说，这种开荒模式正在篡改个东说念主开荒者的分娩力鸿沟。
曩昔，一个东说念主频频只可迂曲小限制花样，而齐备居品的开荒需要依赖团队互助：前端、后端、盘算、测试，各自夸责不同部分。但在 AI 器用的匡助下，一个东说念主也不错快速完成原型开荒，致使推出可用居品。
这也让「超等个体」这个变装驱动被频频说起。
在 AI 出现之前，创业频频意味着组建团队、筹集资金、单干互助。但当今，越来越多居品的初版块，如故不再来自团队，而是来自一个东说念主。
一个东说念主完成需求界说、居品盘算、本事好意思满，再借助 AI 器用补都才略鸿沟。
BettaFish 的出现，正好踩在这个变化的节点上。
它既是一个开源花样，也像是一种信号：在 AI 时期，软件开荒的门槛正在被从头界说。当器用不错承担越来越多推论责任时，东说念主类开荒者的中枢价值，如故成为了建议问题、盘算系统，以及判断什么值得被创造。
而这恰是「一个东说念主作念居品」的时期驱动的处所。
03
从舆情分析到「展望改日」
BettaFish 的走红，领先来自「十天写完的毕业盘算」，真实让路发者不竭温煦它的，其实是居品自己。
在功能上，BettaFish 的定位相配明确：一个 AI 驱动的舆情分析助手。粗心来说，它处分的是一个许多东说念主都会遭遇的问题——信息太多，但很难快速聚积。
在传统舆情系统中，用户频频只可看到谬误词统计、数据图表和公论弧线，真实的分析仍然需要东说念主工完成。而 BettaFish 尝试把这一过程交给 AI。
它的责任经由大要分为三个圭表：
第一步是信息抓取。
系统会自动从头闻网站、酬酢媒体、论坛等公开渠说念会聚信息，并不竭更新数据源。
第二步是内容聚积。
大模子会对这些信息进行语义分析，识别出谬误事件、脸色倾向以及商榷热门，并将分散的信息整理成结构化内容。
第三步则是生因素析呈文。
用户只需要输入一个温煦主题，举例某家公司、某个行业或某个全球事件，系统就不错自动生成一份舆情分析呈文，包括事件条理、不雅点漫衍以及公论趋势。
BettaFish 像是一个「AI 研究助理」：它帮用户读完互联网，然后把重点记忆出来。这种居品形态，也让它在开源社区赶快赢得温煦。许多开荒者发现，它展示了一种新的居品想路——用大模子替代传统的信息整理经由。
不外在 BaiFu 看来，BettaFish 自己只是第一步。
在花样赢得温煦之后，他很快驱动尝试一个更新的标的：MiroFish。而这个花样一样亦然十天 Vibe Coding 的产物。
BettaFish 的指标是聚积现实寰球的信息，MiroFish 的指标则更进一步——尝试推演改日的可能旅途。
在办法上，6686MiroFish 被盘算为一个多智能体展望系统。
系统起先会不竭从现实寰球获取信息，包括新闻事件、市集数据以及酬酢媒体商榷等内容。这些数据会被输入到一个模拟环境中，用来构建一个握住更新的「数字社会」。
在这个环境里，不同的 AI 智能体会被赋予不同变装，举例企业、投资者、媒体或平淡用户。每个智能体字据自身指标和所掌抓的信息作念出方案，并与其他智能体产生互动。
跟着大量互动握住发生，系统会生成不同的发展旅途，从而模拟某些事件可能的演化标的。
举例，当某个行业出现紧要新闻时，系统不错模拟市集参与者可能作念出的不同反馈，从而不雅察事件在不同要求下可能的发展趋势。
这种神态与传统展望模子最大的分离在于，它不单是作念统计分析，而是通过模拟社会行径来不雅察系统怎么演化。
摒弃 3 月 13 日上昼，MiroFish 在 github 已有 14230 stars｜图片来源：极客公园
MiroFish 一样登上了 GitHub 全球趋势榜（GitHub Trending），还曾一度位列榜首，特出了其他机构和个东说念主花样，成为全球开源热门，到 3 月 13 日上昼，MiroFish 在 github 已有 14230 stars。
某种趣味趣味上，MiroFish 更接近一种「数字沙盘」。现实寰球的数据握住输入，而 AI 智能体在其中进行方案和互动，从而握住生成新的可能旅途。
用 BaiFu 的一句话记忆，BettaFish 是在分析现实，MiroFish 则是在「推演改日」。
04
AI 创业窗口已打开
曩昔几年里，软件创业频频需要一整支团队：有东说念主细腻居品盘算，有东说念主细腻前端和后端开荒，还有东说念主细腻测试、运营和增长。即便只是作念一个领先版块的居品，成本和时期干预都不小。
但 AI 器用的出现，如故篡改了这一切。
在 BaiFu 的开荒过程中，许多曩昔需要大量时期完成的责任，如今都不错借助 AI coding 器用快速好意思满。从代码生成到功能调试，再到系统框架搭建，开荒者不错把更多元气心灵放在居品想路和系统盘算上。
这种变化带来的一个径直结果，是创业门槛正在显著下落。
一个东说念主不错更快地作念出居品原型，考据办法是否成就，也能在更短的时期里推出可用版块。关于许多年青开荒者来说，这意味着尝试创业的成本变得更低，周期也更短。
某种趣味趣味上，AI 正在把软件开荒从一项「重工程」，造成一项更接近快速实验的过程。
而成本也很快翔实到了这种变化。
在 BettaFish 花样爆红之后，BaiFu 的邮箱险些被多样邮件填满，其中既有开荒者的相通，也有来自投资机构的合作邀请。最终，这个领先只是毕业盘算的花样，诱骗到了持重独创东说念主陈天桥的温煦，并赢得了约 3000 万元东说念主民币 的投资。
关于投资东说念主来说，这类花样的趣味趣味并不单是在于某个具体居品，而是它所代表的一种新的创业形态。
陈天桥说，他选拔支撑孵化 MiroFish，是因为它代表了我方一直垂青的标的——让 AI 从单纯的「回应问题」走向真实的「求解问题」。
在他看来，MiroFish 正在尝试探索：如若突破对单一模子的依赖，让多个智能体以群体智能的神态共同探索问题空间，会发生什么？通过多智能体从现实寰球获取信号并协同推演，系统概况尝试展望复杂问题的可能演化。它不错匡助东说念主在风险更低的环境里，把不细则的改日造成可商榷、可考据、可迭代的假定。
扶植重而言，MiroFish 这笔投资的中枢逻辑是「投东说念主」。MiroFish 的降生让陈天桥看到，年青创业者不仅能界说真实问题，能借助 AI 快速迭代，更能把办法塌实落地为可用的居品。他说，「在这个全新的 AI 时期，我会把这些年青 AI 东说念主才的到手，视为我个东说念主再次到手的最谬误符号。」
而当 AI 不错承担越来越多推论层面的责任时，软件居品的降生神态也在发生变化——越来越多的花样，可能会先从一个东说念主的办法驱动。也就是近期越来越被频频说起的「超等个体」。
曩昔，一个齐备的软件居品频频需要团队互助；而当今，借助 AI 器用，一个东说念主也有可能完成从办法到居品原型的大部单干作。
BettaFish 与 MiroFish 的故事，提供了一个典型样本。当 AI 成为开荒者的合作家，一个东说念主也可能作念出也曾需要团队智力完成的居品。AI 时期的新一轮创业窗口，如故绽开。
05
陈天桥眼里的超等个体创业
BaiFu 以及许多超等个体开荒者的故事告诉咱们，AI 时期，一个东说念主也可能作念出原来需要团队完成的居品。那么，关于大学生创业群体来说，这样的契机意味着什么？
持重独创东说念主陈天桥对极客公园谈到，迫切的是，别把「第一份责任」当绝顶，把它当成才略复利的起先——先把基本功作念厚、把作品作念硬、把学习速率作念快。
AI 时期大学生创业最大的机遇在于资源平权。一个东说念主也能借助 AI 快速作念出 MVP、快速迭代、快速触达全球用户。真实稀缺的品性不是「会用 AI」，而是能界说真实问题，并不竭把本事造成可请托的居品价值。
在他看来，创业成败谬误——不是「用无谓 AI」，而是标的对（长久问题）+居品对（可请托价值）+组织对（不竭迭代）。AI 只是加快器，不是标的盘。
那么，持重怎么判断一个年青 AI 开荒者是否值得投资？陈天桥对极客公园谈到，最中枢是成长斜率：一样时期里，他能否拆清问题、作念出居品、跑出结果，况且每次迭代都更接近本色。底线是敦厚（对数据、鸿沟和失败）和韧性（长久不细则下还能强健产出）。
至于怎么从越来越多的「超等个体」中选拔投资对象，陈天桥说他会用三个「可考据」来筛选： 可考据的作品：不是 PPT，而是可用的 Demo、真实用户、真实留存/付费； 可考据的学习才略：一周一个版块、一个月一个台阶； 可考据的价值不雅与互助：能诱骗一样优秀的东说念主总共战争。超等个体许多，但能把个东说念主才略造成组织才略的东说念主，才是最稀缺的。
06
直面质疑：在「展望改日」的
强大愿景下，硬币的另一面
在热度以外，MiroFish 也迎来了不少质疑。
一种声息觉得，现实寰球的社会演化充满无意性。即便模子概况模拟出 99% 的逻辑旅途，真实篡改走向的频频是那 1% 的「黑天鹅」事件——在东说念主类濒临极点压力或复杂利益博弈时的非感性方案，是否果然不错被模子捕捉？
另一类商榷则会聚在展望类居品的「信任窘境」：如若展望恰好与现实一致，很容易被解释为概率正好；而一朝出现偏差，又可能被用户粗心聚积为某种「电子占卜」。
在本事层面，也有开荒者在查抄代码后建议质疑：咫尺系统似乎主要通过大模子生成编造变装，再通过辅导词构建仿真环境。如若只是围绕 prompt 进行变装推演，那么模拟结果是否会受到模子幻觉的影响？
致使有东说念主觉得，面前展示的 demo 更像是对单份 PDF 的结构化拆解——不雅点图谱中费事显著的对立视角和多方博弈结构，与真实公论场的复杂度仍有显著距离。
关于这些质疑，baifu 并不躲藏。他反复强调的小数是：MiroFish 从来不是一个「神谕式的展望机器」。
在他的遐想中，这套系统真实的价值并不是「押中改日」，而是把原来只可靠直观设想的多种可能性，造成一组不错被不雅察和相比的状态推演。
「黑天鹅虽然无法被褪色，但如若原来唯独 1% 的概率提前顽强到风险，通过模拟能把这个概率晋升到 5% 或 10%，那这套系统就如故具备现不二价值。」
至于「电子占卜」的质疑，他觉得这险些是通盘展望居品都会濒临的挑战。
在 baifu 看来，MiroFish 需要解释的并不是「每一次都展望准确」，而是能否不竭提供一种更系统化的判断框架：
在事件真实发生之前，把谬误变量、传播旅途和参与方的博弈商量提前摊开。
「咱们其实不是只作念展望，更是在作念深度推演和辅助方案。」
关于外界建议的本事质疑，他也承认咫尺版块距离真实的社会模拟仍有距离。
MiroFish 面前仍处于 0.1 版块阶段，许多才略都还在不竭迭代，包括变装去重、多方对立商量建模，以及更复杂的群体行径机制。
「如若有东说念主说它离真实寰球的模拟还很远，我其实是认可的。但如若粗心把它归结为『套了个前端的 AI 幻觉』，那就忽略了咱们真实试图搭建的让通盘东说念主都不错低门槛上手的整条链路——从现实输入、图谱构建，到 Agent 生成、群体演化，再到呈文输出。」
至于算力成本问题，baifu 觉得外界可能高估了对单个 Agent 才略的要求。
在他看来，模拟寰球并不需要每一个变装都「相配聪惠」，谬误是合座行径是否迷漫接近真实东说念主群的反馈模式。
「高价值方案本来就不应该只用单次调用成本来计算。如若一次模拟能匡助幸免一次紧要判断造作，它带来的收益频频会被放大许多倍。」
开云体育(kaiyun)官网关于 BaiFu 而言，拿下 3000 万投资只是拿到了入场券6686体育，怎么带着这支「AI 军团」越过从 Demo 到可靠居品的距离，才是真实的挑战。