找回密码
立即注册
搜索
热搜: Java Python Linux Go
发回帖 发新帖

4306

积分

0

好友

604

主题
发表于 昨天 17:19 | 查看: 14| 回复: 0

几个关键要素放在一起:20岁的大学生,仅用10天Vibe Coding开发,获得盛大集团3000万人民币投资。

这听起来是不是有些难以置信?

但事实确实如此。这个名为 MiroFish 的开源AI项目,甫一发布便迅速登顶了GitHub Trending榜单。其Star数量从1月底开始暴涨,目前已经突破了5.7k。

GitHub趋势榜单截图,显示MiroFish项目位列榜首

MiroFish本质上是一个AI预测引擎。它的工作原理是提取现实世界的“种子”信息(例如突发新闻、历史文本等),以此为基础自动构建出一个高保真的平行数字世界。

在这个虚拟空间里,成千上万个拥有独立人格、长期记忆与行为逻辑的智能体(Agent)进行着自由的交互与社会演化。用户可以向系统动态注入变量,从而精准地推演事件未来的走向。

MiroFish项目介绍图,展示其核心功能与数据

在作者展示的案例中,包括根据《红楼梦》前80回预测失传的结局、分析摩尔线程获得大规模融资后的战略演进与市场影响等等。

因此,它非常适合用来模拟预测重大社会事件的走向、分析大型公司的战略动向,甚至用于分析文学作品的复杂人物关系和续写结局。或许,它也能为《龙族》这样的作品提供一个可能的结尾?

在MiroFish之前,作者还开发过一个名为微舆BettaFish的开源项目,它是一个多Agent舆情分析助手。这个项目最初只是作者的毕业设计,没想到在GitHub上开源后,一周内就暴涨了20k star。

更让人惊讶的是,BettaFish和如今的MiroFish,都是作者仅花了10天时间,通过Vibe Coding模式开发出来的

目前,作者已经得到了盛大集团创始人陈天桥的关注,并在其邀请下加入了盛大。在陈天桥的大力支持下,MiroFish项目已经获得了3000万人民币的投资。

MiroFish:如何用AI推演未来?

MiroFish可以看作是前作BettaFish思路的自然延伸。

BettaFish专注于舆情分析:输入一个热点话题,它会自动开启全网搜索,从各大社交媒体平台抓取相关信息,然后让一个多Agent团队协作,基于这些信息进行总结、讨论碰撞,最终输出一份详尽的舆情分析报告。

而MiroFish的目标则更进一步:它将分析的终点,变成了预测的起点,试图从原始数据到智能决策,形成一个真正的闭环。其核心是通过多Agent来模拟现实中的人,形成社交网络,进而推演事件的发展走向。

听起来相当酷炫。

一只表情好奇的猫咪配图,文字为“让我看看”

我们以作者演示的“《红楼梦》续写失传结局”为例,具体看看MiroFish的运作流程。

第一步是图谱构建。 首先上传《红楼梦》前80回的原著文本,并输入特定的提示词,引导模型基于原著的文本特征、人物性格演化规律(如脂砚斋批注中提到的伏笔)进行逻辑推演。

这一步的目的是从“种子信息”中提取关键实体和关系,并利用时序GraphRAG技术为每个即将生成的智能体注入独特的背景故事和长期记忆。

MiroFish操作界面截图,显示上传文件和设定提示词

接着,系统根据15万字的原著,自动生成了一个庞大的人物关系知识图谱。该图谱共包含905个实体节点和3822条关系边。

从图谱可视化中可以看到,关系网最核心的角色无疑是贾宝玉,他与黛玉、宝钗、贾母、袭人等关键节点拥有数量最多的连接边。

红楼梦人物关系图谱可视化,中心节点为贾宝玉

点击图谱中的任意节点,都可以查看该角色的详细介绍,以及其在故事中经历的最新事件总结。例如,林黛玉节点的最新事件总结就是第76回中的“冷月葬诗魂”场景。

角色详情弹窗,显示林黛玉的人物信息与事件

第二步是环境搭建与智能体生成。 系统会基于上一步构建的知识图谱,抽取实体关系来生成具体的人设,并根据用户设定的参数来配置模拟环境。

在这个案例中,系统总共提取并生成了580个独特的人设,这意味着将会有580个拥有独立背景的Agent参与后续模拟。

Agent生成任务完成界面,显示已生成的各类人设卡片

点击任何一个人设卡片,都能看到该人物在故事中的全景经历、独特记忆印记、行为模式侧写以及详细的社会关系网络。

例如,贾代儒是宁荣二府贾家义塾的塾师,年约72岁,一生奉行“程朱理学”,以修身齐家为本,坚决维护传统伦理。他亲历贾家数代子弟兴衰,目睹了贾府由盛转衰的征兆。

贾代儒的详细人物设定页面,包含生平、性格、记忆等

甚至连MBTI人格类型都有标注——贾代儒是ISTJ型。细节刻画到了这个程度,令人惊叹。

接下来,系统会生成双平台(可以理解为不同的社交场景或信息流)的模拟配置,设定初始激活事件与话题,然后正式开启多Agent模拟。

在这个案例中,经过30轮的双世界模拟后,五百多个Agent总共进行了近2000次活动。界面左侧是模拟后动态更新的人物关系图谱,右侧则按时间线显示每个Agent具体的活动内容和发表的言论,将这些内容串联起来,就形成了全新的剧情推演。

模拟后的关系图谱与事件列表界面

智能体之间会产生引用、评论等互动关系。例如,名为“素云”的Agent描述了昨夜奉命搜检大观园的情形,随后“甄士隐”便回复了这条内容,感慨“命如草芥,世事无常,不过如此”。

社交媒体评论截图,展示智能体“二姑太太”与“素云”的互动

社交媒体评论截图,展示“甄士隐”回复“素云”的内容

模拟结束后,系统还能生成一份整体的事件推演报告。报告中有些观点颇具洞察力,例如指出“大观园的崩溃并非偶然悲剧,而是礼法结构与个体命运共振瓦解的必然过程”。

有趣的是,它预测的部分角色结局与现今流传的《红楼梦》120回本结局有相似之处,比如黛玉焚稿断情、湘莲削发出家。但也有所不同。

AI生成的《红楼梦》推演学术报告页面

此外,用户还可以直接与系统互动,进行定向提问。例如,直接询问“在大观园被抄后,宝玉后续剧情是怎样的”。

与Report Agent对话的界面,询问宝玉后续剧情

模型给出的结局不同于高鹗续本中宝玉参加科举考试的安排,而是预测他在连番打击下精神遭受重创,最终“悬崖撒手”,随疯道人而去,不知所踪,完成了从情痴到悟者的转变。

作者还展示了完成这样一次完整模拟的成本。从构建图谱到模拟结束,整个后台API调用成本大约只消耗了14元人民币

资产信息界面截图,显示可用额度和现金余额

当然,作者也坦言项目目前存在一些缺点。如果输入的文本量过大,输出结果偶尔会出现中英文混杂的情况,后续版本会重点优化这个问题。

Vibe Coding打造超级个体:经验与心得

自从第一个项目BettaFish爆火之后,作者的收件箱就被各种邮件塞满,大厂Offer、投资邀约、合作请求纷至沓来。

他专门撰写长文分享了这段经历,其中最直观的感受是:市场正在疯狂寻找那些真正能把AI转化为生产力的人

文章内容截图,讲述Vibe Coding与超级个体

我越来越确信:Vibe Coding打造超级个体这件事,真的能成,而且会越来越好。

很多人希望他分享详细的Vibe Coding教程,但他认为很难做出固定的范式,原因是技术迭代太快了,快到你今天总结的方法论,下个月可能就因新工具的出现而失效。

不过,他仍然分享了不少宝贵的心得:

  • 时间分配:花费时间最多的环节其实是市场调研技术选型。必须先想清楚“为什么做、做给谁、怎么做”,然后再指挥AI去执行。
  • 落地流程:他的典型流程是:用Figma画草图,借助AI不断“抽卡”迭代打磨设计 → 用Google AI Studio快速做出前端demo → 将确认的页面补进项目文档,然后把开发任务拆解成模块,交给AI IDE(如Cursor、Windsurf)分批开发。
  • 工具偏好:前端开发他推荐使用Gemini 3 Pro,认为它非常有“灵气”,适合页面初始化、美化、交互细节打磨等。后端的工程结构、接口设计、稳定性改造则交给Claude。
  • 核心经验
    1. 多Agent并行:在开发某个模块时,可以同时开启多个Agent执行相同的任务,然后从中挑选最优结果推进。虽然Token消耗巨大,但效率提升是实打实的。更重要的是,这能帮助你快速摸清每个模型的能力边界。
    2. 做好“刹车系统”:开发速度越快,越需要良好的代码管理和文档记录。使用Git做好版本控制,以及撰写清晰的文档,防止修改A模块时意外破坏B模块,导致项目失控。
    3. 深度人机协作与Code Review:对于严肃项目,深度的代码审查至关重要。他会逐行审计AI生成的代码,并尝试理解AI的思考过程。许多Bug的根源不在于某一行写错,而在于AI在某个关键逻辑上跑偏了。纠正这个底层误解,往往能解决一连串问题。

对于开源实战,作者也给出了几点非常关键的建议:

  1. 选题至关重要:在动手写代码之前,必须进行全面的市场与技术调研,先思考,再动手。
  2. 从垂直领域来,到大众中去:个人开发者最好从一个垂直细分领域切入,积累专业口碑,然后再面向大众设计产品,吸引广泛用户。就像BettaFish,内核是专业的舆情分析,但标语是“人人可用”。
  3. 做减法,快速验证:不要追求大而全,在实践中不断修正产品定位。同时避免完美主义,尽快推出可用的版本进行市场验证。
  4. 准备好“传播素材”:营销推广可以不投入大量精力,但一定要提前准备好能让“别人帮你宣传”的素材,例如清晰直观的演示视频、一键部署的脚本等。
  5. 学会讲故事:代码是冷的,故事是热的。学会讲好代码背后的愿景、解决的问题、创造的价值,是独立开发者的必修课。

作者与“超级个体”的崛起

这两个接连引爆GitHub的开源项目,背后的作者名叫BaiFu,是一名中国科学技术大学的学生。

作者BaiFu的小红书个人主页截图

在项目爆火后的30天里,他清晰地感受到了投资市场对于“00后AI人”和“超级个体”这个概念近乎溢出的热情。

BettaFish走红后,陈天桥便向他发出邀请,希望他加入盛大,并告诉他“继续做你想做的事”。于是,BaiFu在盛大利用短短10天时间,完成了他早在BettaFish阶段就想开发的“预测”功能——这就是MiroFish的诞生。

在项目演示视频提交后的24小时内,陈天桥当场拍板决定:集团注资3000万人民币,全力支持MiroFish的深度孵化与发展。

BaiFu在文章中兴奋地呼吁:“超级个体”的时代真的来临了! 越早探索这条路径,成功的概率就越大,对于时间相对充裕的大学生而言更是如此。

他观察到,我们可能严重低估了传统行业及半互联网行业对进行AI变革的决心。几乎所有企业都笼罩在一种“AI焦虑”之中:他们深知浪潮已至,若不行动就会被时代甩下,因此非常愿意,甚至可以说是急切地寻求AI改造与提效的方案。

对于年轻的技术人来说,只要你愿意在一个领域深耕,凭借国内广阔的市场,无论是加入公司还是独立创业,都大有可为。时代正在把前所未有的机会,塞到年轻人的手中。这种趋势也正在开发者广场引发广泛的讨论与共鸣。

项目链接:




上一篇:硅谷创业者亲述:OpenClaw公域养虾实战,从删微信到万人分身管理
下一篇:Veri-ReActAgent:通过测试驱动让AI代码生成更可靠
您需要登录后才可以回帖 登录 | 立即注册

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2026-3-10 09:38 , Processed in 0.425299 second(s), 40 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2026 云栈社区.

快速回复 返回顶部 返回列表