3个月，从BettaFish爆火到获三千万投资，亲历Vibe Coding超级个体时代

背景

2025年年底，一位大学生在三个月内经历了从为实习焦虑到获得三千万投资的戏剧性转变。他借助Vibe Coding（与AI协作编程的范式）完成了两款开源项目——BettaFish（舆情分析工具）和MiroFish（预测模拟平台），并在Linux Do社区、公众号「why技术」的早期助力下，实现了从1k star到36k star的爆发式增长。项目爆火后，投资与工作邀约涌入，最终获得盛大集团的三千万投资与孵化支持。这篇万字长文记录了他的完整经历与可复用的方法论。

核心内容

从BettaFish到MiroFish：从“后视镜”到“望远镜”

BettaFish是一款以Vibe Coding在十天内完成的舆情分析开源项目，能够生成数据详实、图表精美的报告，但本质上只是“告诉你发生了什么”。作者收到的一条用户反馈——“然后呢？我能拿它干嘛？”——促使他思考：市场真正需要的是从分析走向预测。于是MiroFish诞生了。

MiroFish同样在十天内用Vibe Coding完成，它被设计成一个“数字沙盘”：输入一条新闻、一份政策草案或一个市场信号，系统会自动构建一个微型平行世界，里面住着成千上万个有性格、有记忆、有行为逻辑的“数字人”。这些数字人会互相交流、争论、影响彼此。用户以“上帝视角”观察交互如何涌现结果，甚至可以注入变量（例如“政策提前一周发布会怎样？”），让不同的假设先在沙盘里运行，再在真实世界做决策。目标场景包括金融市场走势预测、时政事件推演（如“特朗普能否赢得大选”）等。MiroFish现已完全开源，在GitHub上获得4.5k star。

爆火背后的真实故事

BettaFish最初宣传四处碰壁，直到在Linux Do论坛发布帖子后，一夜获得300个star，随后突破1k star。作者在小红书发布了一篇《1K+ Star的开源项目能给一个大学生带来什么》作为“收官”，但这篇推文被公众号「why技术」发现并深度解读，带来第一个流量拐点。此后一周内，项目从1k star暴涨至20k star，登顶GitHub趋势榜，邮箱被各种offer和投资意向塞爆。作者直言：“国内AI市场对年轻创造力的需求远超想象。”他随即接受了盛大集团的三千万投资与孵化，正式开启创业生涯。

Vibe Coding工作流：超级个体的实践路径

作者强调，Vibe Coding的核心不是“写代码”，而是“指挥AI干活”。他分享了具体的工作流程：

1. 前期调研与技术选型（耗时最多）：先弄明白“为什么做、做给谁、怎么做”，将抽象需求转化为可执行的任务。
2. 界面原型设计：在Figma里画粗犷草图，用AI图像工具反复“抽卡”打磨成美观的界面图。
3. 前端demo快速验证：在Google AI Studio里将界面图快速复刻为可点击、可交互的前端demo（即使只有假数据），将抽象需求变成“看得见、摸得着”的东西。
4. 模块化开发：将确定的页面补进项目文档，拆解任务后交给AI IDE（如Cursor、Claude Code）分批开发。他推荐使用Gemini 3.0 Pro处理前端审美与交互细节（认为其“有灵气”），用Claude（“老练的工程师”）处理工程结构、接口设计等稳健性环节。
5. 多agent并行：对于核心模块，同时开8个相同任务的agent并行运行，从中挑出最优方案。虽然token消耗巨大，但能最直观地摸清每个模型的擅长领域与能力边界。
6. “刹车系统”：用好git做代码管理，写好文档。文档不仅是写给人看的，也是写给AI的——它是一份详尽的提示词和技术架构设计。作者经常先丢给全栈开发agent跑一版实现（哪怕大概率不可用），从“AI哪里离谱”反推出其能力边界，从而更精准地表达需求。
7. 深度协同与code review：不仅审计每一行代码，还跟踪AI的思考过程，纠正其关键假设的偏差。这种“读AI思路”的过程反过来完善了自己的文档，形成“你越来越懂坑在哪里，AI越来越懂你的偏好”的正循环。

开源经验五条

作者将BettaFish的成功总结为5点：

• 选题优先：开始写代码前必须全面调研，先思考、再动手。
• 从垂直领域来，到大众中去：从垂直场景切入积累专业口碑，再面向大众吸引用户（如BettaFish定位舆情分析，标语却是“人人可用”）。
• 做减法，快速验证：不要追求大而全，在实践中修正定位，拒绝完美主义。
• 提前准备“让别人帮你宣传”的素材：清晰直观的演示视频等。
• 讲好代码背后的故事：代码是冷的，故事是热的，这是独立开发者的必修课。

关键要点

• Vibe Coding的本质：不是从零写代码，而是像项目经理/导演一样，将任务拆清楚、将目标说清楚，然后推动AI快速落地。前期调研和技术选型占开发周期的最大比重。
• 模型选择的分工策略：Gemini 3.0 Pro适合前端审美与交互细节（有“灵气”）；Claude适合复杂工程结构、接口设计与稳定性改造（老练、稳健）。
• 多agent并行是效率杠杆：同一任务同时开多个agent独立运行，人工挑选最优方案，同时快速摸清各模型的能力边界。
• 文档是“反向提示词”：先让AI根据文档跑一版实现，从AI的离谱之处反推出应如何更精准地表达需求与约束。
• 深度code review是必须的：Vibe Coding做demo没问题，但做“项目”需要逐行审计AI代码并跟踪其思考过程，纠正关键假设偏差。
• “超级个体”的能力组合：一个人完成调研、设计、美术、开发、营销的全链条在AI工具的辅助下越来越可行，成本递减而回报上限递增。
• 开源的成功路径可复现：作者的舍友受其启发，用类似工作流做了多Agent漏洞挖掘项目DeepAudit，现已5k star并获得企业支持。
• 爆火的底层逻辑：国内AI市场对年轻、有创造力、能落地的个人开发者需求极强；营销推广并非必须砸钱，提前准备“让别人帮你宣传”的素材（如演示视频）比硬推广更有效。
• 想象力的价值被空前放大：技术不再是唯一壁垒，一个切中时代脉搏的idea在AI工具加持下，其价值可以快速转化为实际项目。
• 速度决定生死：市场机会稍纵即逝，利用Vibe Coding在几天内将想法变为现实并推向市场的能力成为关键竞争力。

意义与影响

这篇亲历记录揭示了Vibe Coding正在催生一个“超级个体时代”：技术门槛大幅降低，个人开发者可以在极短时间内将创意转化为可运行、可爆发的产品。作者的经历证明，这条路不仅切实可行，而且当前“还不拥挤”——身边就有成功复刻的案例（舍友的DeepAudit）。这给正在迷茫、正在编程的人提供了清晰的行动范式：优先训练想象力、创造力和品味，学会驾驭AI工具，把知识应用于解决现实问题。从行业角度看，这种模式将加速软件开发的民主化，改变“大公司才有能力做产品”的传统认知，让更多独立开发者有机会平等参与市场竞争。同时，作者强调“深度人机协同”而非完全依赖AI的观点，也为Vibe Coding的可持续发展划定了底线：工具加速、协作范式加速，但人的判断、审美和纠错能力仍然是不可替代的“刹车系统”。