#IT那些事儿# 一个大四学生的造物哲学：当想象力成为第一生产力

他用十天造了一台“预言机”，然后拿到了三千万元投资。但这篇文章真正想讲的，是他怎么想的。

一、写在前面
有些人的故事，读完之后让你坐在那里发一会儿呆。
不是因为他有多传奇，而是因为你意识到：他做的事，逻辑上你也可以做。只是你还没开始。
这个人叫 BaiFu，大四学生，开源项目 MiroFish 的作者——一款号称"预测万物"的群体智能引擎，GitHub 星数 36k，背后有盛大集团三千万的投资与孵化。
更关键的是：两个开源项目，都是十天 Vibe Coding 的产物。
我把他写下的那篇万字长文，反复读了几遍。这篇文章，是我试图整理他的思想脉络——他是怎么看这个时代的，他是怎么工作的，以及他认为，接下来这几年，机会藏在哪里。

一、后视镜与望远镜
他做第一个项目 BettaFish 的起点，来自一句让他卡壳的用户反馈：
> "报告生成得挺漂亮，30多页，数据详实，图表也好看。然后呢？我能拿它干嘛？"

这句话击中了一个真实的痛点。舆情分析系统能告诉你"发生了什么"，却没办法回答那个更重要的问题：接下来会怎样？
他把这个洞察总结成一句话：它是一份"后视镜"，而大多数人需要的是"望远镜"。

所以 MiroFish 的逻辑就很清晰了——把分析的终点，变成预测的起点。输入一条新闻、一份政策草案或一个市场信号，系统自动构建一个微型平行世界，里面住着有性格、有记忆、有行为逻辑的"数字人"，让不同的"如果"在沙盘里先跑一遍，再去真实世界做决策。

这个思路本身不复杂，但它代表了一种很重要的产品哲学：
找到用户真正卡住的那一步，而不是做一个更好看的已有东西。

BettaFish 做了舆情分析，本可以把分析报告做得更精美、更详细。但他的选择是向前走一步：分析之后，然后呢？

二、十天能做什么
很多人听到"十天"，第一反应是：那肯定很粗糙。

他的回答很清醒：十天里，写代码的时间其实不是最多的。

> "我花时间最多的，反而是市场调研和技术选型。说白了就是先弄明白'为什么做、做给谁、怎么做'。这一步想清楚了，后面的执行就会变成一种'指挥AI去干活'的过程。"

这是一种完全不同的开发心态。你不是一个程序员在写代码，你是一个导演在调度演员。任务拆清楚，目标说清楚，然后推动它快速落地。

他的具体工作流是这样的：

第一步，先画界面。在 Figma 里画很粗的草图，用 AI 工具不断抽卡打磨，变成更像产品的界面图。这一步的意义是把抽象需求变成"看得见、摸得着"的东西。

第二步，前端先跑起来。在 Google AI Studio 里快速复刻成可点击的前端 demo，哪怕只是假数据。界面和体验确定了，再补进文档，把任务拆成模块。

第三步，分工给不同的模型。Gemini 用在前端页面初始化和交互细节——他说 Gemini 像"灵气型"设计师兼程序员，审美强但工程稳健性稍弱；复杂的工程结构、接口设计，交给 Claude——"老练的工程师"。

第四步，多开 Agent 并行。同一个任务同时开 8 个 Agent 做，挑最优方案。Token 消耗巨大，但效率提升是真实的。更重要的是：你会非常直观地摸到每个模型的能力边界。

他还特别强调两件事：Git 代码管理，和写好文档。

> "文档不仅是写给人看的，也是写给 AI 的。它既是你对自己思路的一次整理，也是一份详尽的提示词和技术架构设计文档。"

这个洞察值得单独拿出来说。很多人用 AI 写代码的方式，是一条条给指令、随时修改、随时试错。这没问题，但缺少一个"刹车系统"。他的方式是：先把文档写清楚，文档即架构，架构即约束，约束让 AI 不会跑偏太远。

三、驾驭 AI 的人，和被 AI 替代的人

他对这个时代有一个很朴素但很清醒的判断：

> "知识正在被平权化，很多过去需要十倍百倍精力才能摸到门槛的东西，很快都会被拉到大众面前，只是时间问题。于是个人真正稀缺的东西会慢慢凸显出来——你的想象力、创造力、品味，以及你把知识应用到现实问题上的能力。"

基于这个判断，他认为现在的招聘市场正在出现一种分化：
第一类人：基本功极其扎实的人。资深开发、资深算法，能把复杂系统做稳。这类人一直稀缺，AI 时代依然稀缺。

第二类人：AI 工具用得极其顺手的人。不一定是某一领域的专精者，但涉猎广、上手快，面对复杂任务能迅速拆解、组合工具链，把结果先做出来。

用他的比喻：如果第一类人用10天把一件事从0干到100分；第二类人能用1天把这件事从0推到70分。

在 AI 时代，"先跑起来"的价值被无限放大。因为迭代变得更便宜、更快，速度本身就成了壁垒。

而最稀缺的，是两者兼具的人。

他还强调了一个经常被低估的窗口期：

> "LLM 到 Agent 的过渡，本质上是赋予 AI 以'能动性'，这是在数字化基础上的又一次全行业翻新。几乎所有传统任务，在完成数字化之后，都可以用 Agent 协作重新做一遍，进一步释放劳动力、提升效率。而这里天然存在一个时间差：很多行业非常懂业务流程，但并不熟悉 Agent 协作框架；而20+的年轻人学习成本低、时间多、精力旺盛，还没有被固化的路径依赖。"

他估计这个时间差还有两三年的窗口期。

四、开源是一门手艺

他把开源经验总结成五点，我觉得这五点放在任何产品逻辑里都成立：

一、选题比写代码更重要。在开始写代码之前，先做全面调研，先思考，再动手。

二、从垂直领域来，到大众中去。从垂直领域切入积累专业口碑，再面向大众吸引广泛用户。BettaFish 的定位是舆情分析，标语打的却是"人人可用"。

三、做减法，不要完美主义。不追求大而全，实践中不断修正定位，快速验证。

四、提前准备让别人帮你宣传的素材。营销推广可以不多，但一定要有清晰直观的演示视频等内容，让传播可以发生。

五、代码是冷的，故事是热的。学会讲好代码背后的故事，是独立开发者的必修课。

这最后一条，是他说得最有力量的一句话。技术决定下限，故事决定上限。一个切中时代脉搏的 idea，加上一个让人记得住的叙事，才是真正意义上的"产品"。

五、爆火之后，他学到了什么
BettaFish 爆火之后，一周涨了 20k 星，邮箱被 offer 和投资意向塞爆。
但他描述那段时间的感受，不是兴奋，是崩溃：
> "那段时间我每天在宿舍起床两眼一睁就是修 bug，整个人变成了全网客服，被项目推着往前走……第一周我瘦了十斤，人也憔悴得很明显。"

这段描述很重要，因为它提醒了一件事：机会来临的方式，往往是压力，而不是礼物。

他从这段经历里提炼出三个感悟：

第一，越早行动，容错空间越大。对大学生来说尤其如此——你有时间、有兜底、有精力，可以反复试错。

第二，传统行业对 AI 改造的渴望，被严重低估了。几乎所有企业都在经历一种"AI 焦虑"：他们知道浪潮来了，不做会被甩下。国内整体对 AI 的包容度和接受度非常高，对 AI 人才的需求也绝不只集中在几家大厂。

第三，超级个体这件事，真的能成。他舍友做了 DeepAudit（用多 Agent 做漏洞挖掘），现在 5k 星，同样有企业支持。"他不止一次跟我感慨：这条路真的可以，我们算是走对了。"

六、最后，关于"超级个体"这件事

他没有给"超级个体"一个宏大的定义。他只是描述了一个正在发生的现实：

> "今天它还不够成熟，可你完全可以想象一两年后：一个人完成调研、设计、美术、开发、营销的全部动作，会越来越常见；成本越来越低，但回报上限越来越高。"

上个世纪 80 年代，神经科学家弗农·芒卡斯尔提出过一个影响深远的观点：

哺乳动物大脑新皮质的每一部分，都在做同一件事——**不断生成对下一个时刻的预测，并修正错误。**

视觉、触觉、语言、高级思维，底层都是同一个算法。简单的统一结构，当量大到一定程度，智能"涌现"。

MiroFish 现在用几十个 Agent 模拟一场地缘冲突，输出的是"符合常识的叙事"。

但如果有一天，有人用 100 万个 Agent 模拟真实世界的社会动态，参数用真实数据校准，历史事件反复验证——

那种系统，可能真的能提前看到人类分析师看不到的东西。

这条路，还很长。但有人已经在走了。