大四學生10天寫代碼，3個月拿首富3000萬當CEO，一個AI時代的魔幻現實故事

　　出品 | 《態度》欄目

　　作者 | 袁寧

　　編輯 | 丁廣勝

　　十天寫出一個開源項目，三個月后從大四學生，變成拿到前首富陳天橋 3000 萬投資的創業公司 CEO。這故事聽起來幾乎像 AI 時代的都市傳說。

　　但對BaiFu來說，這更像是一場被浪潮裹挾的經歷。等到他回頭看時，才發現自己已經被推到了浪潮中心。

　　2025 年末，一個名叫 BettaFish 的開源項目登上 GitHub 全球趨勢榜第一。而就在三個月前，他的人生計劃還寫在一張普通的清單上：保研已經確定，暑假完成畢業設計，再找一份實習。這是一條計算機專業學生最標準的路徑。

　　但一個很小的變量改變了軌跡。就像他后來開發的 MiroFish 預測系統一樣——當一個變量被投入系統，未來的路徑就開始分叉。

　　一個“不合格”的畢設，

　　一周漲了20k Star

　　故事要從一個“不太合格的畢業設計”說起。

　　2025 年暑假的尾聲，BaiFu用了十天寫出了 BettaFish。這是一個多 Agent 輿情分析工具：用戶輸入一句自然語言，系統就會自動完成數據采集、多維度分析，并生成一份完整報告。沒有復雜界面，也沒有繁瑣參數。一句話輸入，然后等待結果。

　　他把項目拿給一位博士學長看，對方評價得很直接：“這不是一個合格的畢設，你得再花心思改改。”BaiFu沒有反駁。在他看來，這只是一次技術練習：把大學幾年積累的技術整合起來，再借助 AI 寫了大量代碼，他并不認為它會引起什么關注。

　　項目上線之后，他開始像一個新手地推一樣推廣。給技術公眾號投稿、向開源周刊自薦，大多石沉大海。最后他用了最直接的辦法：在 B 站發視頻，在小紅書寫帖子，在 Linux Do 論壇發帖。

　　轉折發生在一個深夜。那天他在 Linux Do 發了一篇帖子。半夜醒來時，他發現 GitHub 上突然多了 300 個 Star。后來回憶這一刻時，他說道：“那一晚的 300 個 Star，比之后所有 Star 暴漲帶來的感覺都真實。”

　　項目隨后慢慢增長，終于突破 1000 Star。對一個大學生來說，這已經是一個不錯的成績。他甚至寫了一篇文章：《1K+ Star 的開源項目能給一個大學生帶來什么》，準備給 BettaFish 畫上句號。

　　文章發出后一周，一切都很平靜。然后，流量突然涌入。大 V 轉發、社區擴散，Star 開始快速上漲：5k、10k、20k。短短一周，BettaFish 登上 GitHub 趨勢榜第一。

　　圖注：BettaFish在GitHub上星標的增長曲線

　　但流量的另一面，是失控。Star 暴漲的同時，Issue 也暴漲。程序在他自己的電腦上運行一百次都沒問題，但在別人的電腦上卻會出現各種奇怪的 bug。BaiFu每天在宿舍兩眼一睜就開始修 bug。幾乎成了“全網客服”。他已經完全沒有破 1k 時那種輕松的興奮，反而像被洪水卷走。

　　與此同時，郵箱也開始被各種郵件淹沒：大廠 offer、投資人私信、商務合作。每一封郵件都可能改變人生。但每一封郵件，也都讓人不知如何回應。

　　“我其實是個 i 人，”他坦誠。 “每天跟 AI 聊天，組了一支 AI 團隊，但我其實不太擅長跟人聊天。”

　　那段時間，他瘦了 十斤。

　　還原10天vibe coding的工作流

　　很多人好奇，一個大學生為什么能在十天里完成這樣一個系統。

　　答案是一個正在改變軟件開發方式的新概念：Vibe Coding。簡單來說，開發者不再從零開始寫每一行代碼，而是通過自然語言與 AI 協作，讓 AI 參與代碼生成和系統構建。但 Vibe Coding 并不意味著"讓 AI 替你寫代碼"。它更像一種全新的協作模式——人當導演，AI 當執行團隊。

　　我問BaiFu，BettaFish 和 MiroFish 里 AI 寫代碼的比例能達到多少。他幾乎脫口而出："百分之百。"停了一下又補充，"有點太絕對了，99%吧。我是一個深度的導演角色，就算 AI 寫得差，我也不會手動去改，我只會告訴它哪里錯了，讓它自己改。"

　　但"導演"并不意味著輕松。他的開發流程，遠比"一句話讓 AI 寫代碼"要復雜得多。

　　圖注：BettaFish的系統架構

　　首先，70% 的時間被花在了調研上。開發一個項目，他會把絕大部分精力花在前期。先想清楚"為什么做、做給誰、怎么做"，這一步確立之后，才進入執行。他會同時打開市面上所有主流 AI 對話工具，把同一個調研問題分別丟進去，收回六七份研究結果，然后人工一份份篩選、交叉驗證、迭代思考。"實際上是非常慢的過程，"他說，"你有一個問題拿到七份答案，但你要做成一個產品，可能有十個問題，需要從七十份里面慢慢篩。而且你邊看的時候思想也會升級，又會冒出新的問題。"

　　調研結束后，先畫界面，再寫后端。他會在 iPad 上畫粗略的草圖，用 Google AI Studio 等工具不斷"抽卡"，打磨成更精美的界面設計。然后快速復刻成可交互的前端頁面——哪怕只有假數據也沒關系，核心目的是把抽象需求變成看得見、摸得著的東西。"我覺得這個界面 OK 了，就截圖丟到 Cursor 或 Claude 里，讓它復刻并接上后端。"前端確定后，再把任務拆成模塊，分批交給 AI IDE 完成后端開發。

　　這個過程中，他會用消耗換效率。他習慣同一個模塊同時開八個 AI 去寫，然后挑最優方案。學生時每月在 AI 工具上花費超過一百美元，后來做項目時飆升到一兩千美元。"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'。知道工具的能力邊界，是駕馭它的第一步。"

　　深度的人機協作，而非簡單的任務外包。"我不僅會一行行審 AI 寫的代碼，還會盯著它的思維鏈看——它為什么這么改，它腦子里的假設是什么。"很多 bug 的根源不是某一行寫錯了，而是 AI 在某個關鍵判斷上走偏了。"你把那個誤區糾正了，后面很多問題會一起消失。"他甚至會在 AI 工作過程中直接打斷它："你這一步應該這樣做"——不等代碼寫完再 review，而是在思考過程中就介入糾偏。

　　他還分享了一個最近總結出來的 code review 技巧：告訴 AI 這段代碼是"Codex 寫的"，請它幫忙 review。"用Claude Code常規的 review 模式深度不夠 ，但我說這是 Codex寫的，它就會非常嚴厲地去深挖問題。"他自己也被這種交互邏輯逗笑了——"AI 工具就是這么神奇，沒有固定范式，大家八仙過海，各顯神通。"

　　但他也反復強調：一切經驗都在快速過期。"我從 BettaFish 到 MiroFish，中間只隔了幾個月，但工具進化、模型進化已經給我帶來了很大的震撼。很多以前很折磨人的環節突然就變成順手的事。MiroFish 的任務難度比 BettaFish 難一個量級，但 Vibe Coding 的體感反而更輕。"所以他一直拒絕出"Vibe Coding 教程"——不是藏著掖著，而是今天總結出來的范式，下個月可能就失效了。

　　某種意義上，他確實在"管理一支團隊"，只是團隊成員都是 AI。在整個過程中，他和 AI 共同維護一份不斷迭代的項目文檔，既是給人看的思路整理，也是給 AI 看的精準提示詞。通過高強度的人機協作，他越來越懂 AI 的能力邊界，AI 也越來越懂他想要什么。他們進入了一種"深度協同、共同進步"的狀態。

　　AI 讓寫代碼變得容易，但讓判斷變得更重要。代碼可以生成，但技術決策不能外包。真正重要的能力反而因此變得更加清晰：如何發現問題？如何設計系統？如何在 AI 給出十種方案時，選出那個對的？

　　爆火、崩潰與重建：

　　新產品MiroFish的誕生

　　BettaFish 爆火之后，郵箱里塞滿了 offer 和投資意向，BaiFu也幾乎以最快速度賺到了人生第一桶金。但真正推動他走向下一步的，不是這些外部信號，而是一條來自用戶的反饋。

　　"報告生成得挺漂亮，30 多頁，數據詳實，圖表也好看。然后呢？我能拿它干嘛？"

　　這句話一直卡在他心里。他開始意識到，輿情分析的痛點從來不是"看不到數據"，而是看到了數據卻不知道下一步該怎么辦。30 多頁的報告看著頭頭是道，但它只能告訴你"發生了什么"，沒辦法回答那個更重要的問題：接下來會怎樣？"大部分人需要的不是一個后視鏡，"他說，"他們需要的是一個望遠鏡。"

　　事實上，這個方向在 BettaFish 誕生之前就已經寫好了。他在 BettaFish 倉庫主頁上線第一天就掛出了"數據分析三步走戰略"：數據收集、數據分析、數據預測——三步全流程自動化。BettaFish 完成了前兩步，第三步一直懸在那里，等著被實現。

　　圖注：MiroFish發布，最后一塊版圖補齊

　　但在走向第三步之前，他需要先做一個選擇。

　　BettaFish 爆火后，各種機會涌來。大廠 offer、商務合作、投資人——每一個都超出他的認知。"跟我聊的很多人，他們其實都是想用我的能力去幫他們做一些事情。"他談了一些，拒了一些，也回避了一些。他一度已經拒掉了所有 offer，準備一個人 all in 創業。

　　就在他準備孤軍奮戰的那個晚上，盛大集團的團隊再一次聯系了他。他們的郵箱處于爆炸狀態的那段時間，盛大始終鍥而不舍。BaiFu決定先聊一聊。

　　"但盛大不一樣，"他回憶那次對話時說，"我從談話中感覺到，他們不需要我的能力——他們只是想讓我有更好的發展。相當于給我提供一個廣闊的舞臺，讓我自由地干一些事情。"

　　一方面可以繼續做自己想做的事，另一方面壓力不會那么大。他最終選擇以實習生的身份來到上海。

　　來到盛大的第一天，他被告知的第一句話是："繼續做你想做的事情。"沒有繁瑣的條框，沒有刻板的任務安排，取而代之的是充足的算力支持和完全的自由度。

　　在這種環境下，他開始著手實現那個懸而未決的"第三步"——數據預測。這就是 MiroFish 的由來。

　　圖注：MiroFish運行截圖

　　如果說 BettaFish 是一面后視鏡，告訴你"發生了什么"，那 MiroFish 要做的是一架望遠鏡，嘗試回答"接下來會怎樣"。它的核心思路可以用一句話概括：把分析的終點，變成預測的起點。

　　具體來說，MiroFish 是一個"數字沙盤"。你輸入一條新聞、一份政策草案或一個市場信號，系統會自動構建一個微型的平行世界——里面住著成千上萬個有性格、有記憶、有行為邏輯的"數字人"。他們會像真實社會一樣交互、討論、爭論、擴散。你站在上帝視角，可以往里面投入變量：如果政策提前一周發布呢？如果輿論風向突然反轉呢？讓不同的"如果"在沙盤里先跑一遍，再去真實世界做決策。

　　圖注：MiroFish運行截圖

　　而它的交互邏輯，延續了 BettaFish 的底層哲學：極致的簡單。用戶輸入一段描述，點擊開始，所有復雜的配置都由 AI 在后臺消化，用戶只需要一步步點"下一步"，最終拿到一份預測報告。"既然我們在產品內部引入了深度的智能，交互邏輯上就不應該苛刻地要求使用者做高技術門檻的事情，"他說，"用戶只要會對話，就能把軟件運行起來。"

　　僅僅十天，MiroFish 的第一個可運行版本就在盛大誕生了。

　　陳天橋的3000萬：

　　投的不是項目，是人

　　2024 年 12 月 16 日深夜，BaiFu看著 MiroFish 跑通的程序，激動地錄了一段略顯粗糙的演示視頻，直接遞交到了陳天橋的案頭。

　　24 小時內，他們展開了第二次長談。和第一次一樣，聊的不是代碼細節。"更多的是聊 AI 時代的開發思維、發現問題的思維、產品思考，"BaiFu回憶，"兩個產品當然也有交流，但我們更多的是有一些思維的碰撞。"

　　陳天橋后來直言不諱地告訴他：他很清楚 BettaFish 的技術水平并非特別出色。但他看重的是另一些東西——從數據收集、分析到預測的完整規劃，以及那種"看見并定義真實有價值的問題，并嘗試用 AI 的新方式去解決"的行動力。

　　談話結束，陳天橋當場拍板：集團注資 3000 萬人民幣，全力支持 MiroFish 的深度孵化。

　　一夜之間，BaiFu從盛大實習生變成了 AI 創業公司 CEO。

　　陳天橋事后公開回應了這筆投資的邏輯：

　　"我選擇支持孵化 MiroFish，并不是為了讓市場上又多一個 AI 工具，而是因為它代表了我一直看重的方向——讓 AI 從單純的'回答問題'走向真正的'求解問題'。MiroFish 正在嘗試一項極具價值的探索：如果打破對單一模型的依賴，讓多個智能體以群體智能的方式共同探索問題空間，會發生什么？"

　　"更重要的是，這筆投資的核心邏輯是'投人'。盛大始終相信，最優秀的人才創造最大的價值。MiroFish 的誕生讓我看到一種稀缺的特質：年輕創業者不僅能定義真實問題，能借助 AI 快速迭代，更能把想法扎實落地為可用的產品。我們的角色不是去指導他們寫代碼，而是提供耐心資本、算力支撐與組織保障。"

　　"在這個全新的 AI 時代，我會把這些年輕 AI 人才的成功，視為我個人再次成功的最關鍵標志。"

　　圖注：3月7日 ，MiroFish也登上了GitHub全球趨勢榜總榜第一

　　被問到 MiroFish 的預測到底準不準，BaiFu的回答很誠實。他在官網放了兩個演示案例：一個是對國內某高校輿情事件的預測——使用事件發酵中期的分析報告作為輸入，預測結果與現實走向"大差不差"；另一個是預測《紅樓夢》后續章節的情節走向——他刻意選了一個"好玩有趣"的案例。

　　"我希望一開始就算準確率沒有特別高，但人們可以拿它做一些好玩的事情，"他說，"然后在工具不斷迭代的過程中，大家會慢慢發現，好像它真的可以做一些專業性的事情。"他指了指 GitHub 上的版本號——0.1。"它需要一個非常長的迭代周期。"

　　"從嚴肅認真到好玩有趣，"這是 MiroFish 官網的標語，也是BaiFu給這個產品定下的性格，"我希望讓每一個'如果'都活起來，都有生命。"

　　AI時代的機會屬于誰？

　　很多人把BaiFu的經歷解讀為一個"天才程序員"的故事。但他自己并不這么看。

　　"我覺得我的技術力是很一般的，"他在采訪中直言。在他看來，這更像是一個時代的產物——AI 正在改變軟件開發的方式，過去需要一個團隊才能完成的復雜系統，現在一個開發者加上一組 AI 工具也許就可以做到。

　　但這并不意味著門檻消失了。AI 沒有降低門檻，它只是改變了門檻所在的位置。

　　"真正的門檻就是想清楚為什么做、做給誰、怎么做，"他說，"想清楚以后，后面用 AI 工具去快速迭代，大家的水平都可以被拉到一個均值上。但前面那一步，真的是每個人都有每個人的思考。"

　　我問他同學們現在都在干什么。他的回答脫口而出："其實大家都在 Vibe Coding。我覺得現在全民 Vibe Coding，只要你有想法你就可以。"

　　他把自己的開源經驗濃縮成五條判斷：

　　第一，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。

　　第二，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"。

　　第三，做減法，不要追求大而全。不要完美主義，快速驗證。

　　第四，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。

　　第五，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。

　　當被問到 Vibe Coding 做出來的產品技術壁壘不高、走向產品化后會不會很快被抄時，他的回答幾乎不假思索："不管是不是 Vibe Coding 產品，市面上隨便一個產品，只要你想復刻，現在 AI 工具這么發達，你都可以很短時間復刻出來。"

　　停了一下，他接著說："所以最寶貴的東西，就是你自己的思考。這個產品的迭代進化方向，是 AI 模仿不來的。抄也是需要時間的，但每個人的思考是抄不來的。"

　　BaiFu養的“微魚”，也是“微輿”的諧音，BettaFish是一種體型很小但非常好斗、漂亮的魚，它象征著“小而強大，不畏挑戰”

　　"知識正在被平權化，"他告訴我，"很多過去需要十倍百倍精力才能摸到門檻的東西，很快都會被拉到大眾面前。于是個人真正稀缺的東西會慢慢凸顯出來——你的想象力、創造力、品味，以及你把知識應用到現實問題上的能力。"

　　他看到的更大趨勢是：LLM 到 Agent 的過渡，本質上是賦予 AI 以"能動性"，這是在數字化基礎上的又一次全行業翻新。幾乎所有傳統任務，在完成數字化之后，都可以用 Agent 協作重新做一遍。而這里存在一個天然的時間差——很多行業非常懂業務流程，但并不熟悉 Agent 協作框架；20 多歲的年輕人學習成本低、時間多、沒有路徑依賴，在技術革新的窗口期里往往能用極短時間把工具用到很深。

　　"我粗略感覺至少還有兩三年的窗口期，"他說，"這就是為什么你會發現，現在很多互聯網公司的大模型負責人、AI 負責人，本身就是 20 多歲的年輕人。時代在把機會往年輕人手里塞。"

　　爆火之后，他還有一個強烈的感受：我們嚴重低估了傳統行業對 AI 變革的決心。"不僅互聯網，國內整體對 AI 的包容度和接受度其實非常高。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。"

　　"當你想到一個 idea 的時候，真的是渾身激動到發抖，"他說，"你覺得你的 idea 能成，你就會非常激動地去把它推動下去。熱情所在，就是要有思考，并且覺得自己的思考結果可以成。這就是原始動力。"

　　在他的公開文章里，有一段招募令這樣寫道：

　　"希望你是 AI 的駕馭者，而不是單純的使用者；你不需要循規蹈矩，但必須對 AI 有近乎狂熱的敏銳度；你不需要聽話照做，但必須習慣先深度思考、再極速行動。你可以稚嫩，但要鋒利；可以莽撞，但要真誠；可以經驗不足，但要愿意為結果負責、愿意在高速迭代里不斷變強。"

　　或許這段話，也是這個時代對所有人發出的邀請。

　　而BaiFu的故事之所以引人關注，也或許不只是因為一個開源項目的成功，更因為它讓人們看到了一種新的可能性：在 AI 時代，一個人也可以構建復雜系統，一個學生也可能突然走到創業舞臺中央。

　　這不是常態。但它正在變得越來越可能。

　　——END——

　　排版 | 李博琳 審核 | 北辰