Im vierten Studienjahr, sein Abschluss-Projekt erreichte die Spitze auf GitHub, und drei Monate später erhielt er eine Investition von 30 Millionen Yuan von Chen Tianqiao... Er ist der Held einer spannenden Geschichte in der Ära der Künstlichen Intelligenz.

In der Woche, in der BaiFus Realität aus dem Ruder lief, bereitete er sich noch auf seine Abschlussarbeit vor.

Jeden Tag hatte er 99+ ungelesene E-Mails in seinem Postfach. Investmentgesellschaften, Startup-Teams, Personalverantwortliche großer Unternehmen, Entwickler aus Open-Source-Communities... Alle suchten ihn. Der Grund war eine in zehn Tagen absolvierte Abschlussarbeit, die in die globale GitHub-Trendliste eingestiegen war. Die Anzahl der Sterne stieg mit bloßem Auge zu sehen, einige Unternehmen schickten ihm direkt Jobangebote, Entwickler wollten mit ihm zusammenarbeiten und Investoren wollten ihn finanzieren.

BaiFu sah sich die E-Mails eine Weile an und markierte sie dann einfach alle als gelesen und schaute nicht mehr.

Drei Monate später erreichte sein zweites Projekt, MiroFish, erneut die Spitze der GitHub-Liste. Diesmal erhielt er 30 Millionen Yuan von Chen Tianqiao, dem Gründer von Shanda.

Ein noch nicht abgeschlossener Student im vierten Jahr, ohne Team und ohne Firma, erreichte zweimal die Spitze der beliebtesten Liste der weltweit größten Entwicklercommunity und erhielt eine Einladung in die Welt des AI-Startups. Er hatte nur einen Computer und ein "digitale Team" aus Agenten.

BaiFu macht nicht das traditionelle Vibe Coding. Er dirigiert wie ein Regisseur diese AI-Gruppe: Er überprüft Ideen, optimiert Logiken und erzeugt dann schnell Produkte - in zehn Tagen absolvierte er die Arbeit, die zuvor ein Team Wochen oder sogar Monate brauchte. Von der Stimmungsanalyse von BettaFish bis zur Multi-Agenten-Simulation von MiroFish wird das, was er zu tun versucht, immer kühner: Er versucht, die komplexe Gesellschaft mit AI zu simulieren und sogar zukünftige Ereignisse vorherzusagen.

Aber wenn die grandiose Vision von "die Welt mit AI vorhersagen" aufgestellt wird, tauchen auch Zweifel auf - kann ein in zehn Tagen erstelltes Demo wirklich so großes Ziel tragen?

BaiFu sagte GeekPark: Seine Erwartungen an MiroFish sind nicht auf eine "orakelartige Vorhersagemaschine" gerichtet. Es strebt nicht an, jedes Mal die Zukunft richtig zu prognostizieren, sondern versucht, die vielen Möglichkeiten, die bisher nur intuitiv vorstellbar waren, in eine Reihe von Szenarios zu verwandeln, die beobachtet, verglichen und iteriert werden können - bevor eine wichtige Entscheidung getroffen wird, werden die Schlüsselvariablen und die Spielbeziehungen auf den Tisch gelegt.

01

Eine in zehn Tagen geschriebene Abschlussarbeit

landet plötzlich in der GitHub-Trendliste

Die Geschichte beginnt Ende des vergangenen Jahres.

Damals war BaiFu noch ein Student im vierten Jahr und suchte ein Thema für seine Abschlussarbeit. Sein technischer Hintergrund war nicht besonders beeindruckend: Er studierte Informatik und begann seine Programmierkarriere auf der Frontend-Seite - er war fasziniert von der Idee, dass man mit wenigen Zeilen Code etwas Schönes erschaffen konnte. Später erlernte er auch Backend-Entwicklung, studierte Python und Java und beschäftigte sich mit maschinellem Lernen und Deep Learning.

Das Projekt BettaFish wurde nicht durch seine technische Erfahrung, sondern durch eine intensive Recherche für die Abschlussarbeit möglich.

Bevor er anfing, Code zu schreiben, überlegte BaiFu viel über drei Dinge: Warum mache ich das? Für wen mache ich das? Wie mache ich das?

Er bemerkte, dass in der Open-Source-Community viele Projekte mit "AI + Nachrichtenzusammenfassung" entstanden: Einige machten tägliche Nachrichtenzusammenfassungen, andere Informationselektionswerkzeuge. Aber in der spezielleren Domäne der Stimmungsanalyse gab es fast keine Open-Source-Projekte, die die Fähigkeiten von Large Language Models wirklich nutzten. Die meisten traditionellen Stimmungsanalysewerkzeuge beschränken sich auf Datenanzeigen, anstatt die Informationen selbst mit AI zu verstehen.

"Die Open-Source-Community braucht eigentlich ein stärker AI-gesteuertes Stimmungsanalysewerkzeug." Erinnerte er sich später.

Nachdem die Richtung festgelegt war, ging die Entwicklung schnell voran. BaiFu nannte sich "Regisseur", und die AI war wie ein Ausführungsteam. Er validierte zuerst seine Idee mit einem Demo und erzeugte dann ständig Code und optimierte die Logik mit AI-Coding-Tools. Das gesamte Projekt, von der Idee bis zur lauffähigen Version, dauerte nur zehn Tage.

Anfangs hatte er sehr bescheidene Erwartungen an das Projekt. "Wenn ich 1.000 Sterne bekommen würde, wäre ich schon sehr zufrieden."

Aber die Dinge entwickelten sich schneller, als er sich vorstellen konnte.

Nach der Veröffentlichung des Projekts landete BettaFish schnell in der GitHub-Trendliste. Die Anzahl der Sterne begann mit bloßem Auge zu wachsen - fast alle ein bis zwei Stunden wechselte die Zahl, wenn er die Liste aktualisierte.

Zu dieser Zeit aktualisierte er fast jede Stunde die GitHub-Seite und sah, wie die Anzahl der Sterne ständig wuchs. "Anfangs war ich sehr aufgeregt." sagte er. Aber als die Zahl auf 10.000 Sterne stieg, wurde er allmählich "desensibilisiert". "Ab 10.000 hatte ich irgendwie keine Gefühle mehr."

Für einen noch auf die Abschlussprüfung vorbereitenden Studenten war diese plötzlich erscheinende Aufmerksamkeit sowohl aufregend als auch verwirrend. Viele Chancen kamen gleichzeitig, was die Wahl schwierig machte.

"Wenn es zu viele Optionen gibt, weiß man eigentlich nicht, welche man wählen soll." sagte er.

In dieser Woche wurde ihm zum ersten Mal wirklich bewusst, dass diese ursprünglich nur in zehn Tagen erstellte Abschlussarbeit etwas ganz anderes wurde.

02

AI macht "Produktentwicklung von einem Alleinstellungsmerkmal" zur Realität

Wenn man nur das Ergebnis betrachtet, scheint die in zehn Tagen absolvierte Entwicklung von BettaFish wie ein zufälliger Ruhm zu sein. Aber das Wichtigste an diesem Projekt ist die neue Entwicklungsweise dahinter, nämlich das in letzter Zeit viel diskutierte Vibe Coding.

In der Vergangenheit war die Softwareentwicklung normalerweise ein relativ klarer Fertigungsstrang: Der Produktmanager stellte die Anforderungen, der Architekt entwarf das System, die Ingenieure schrieben Code nach Modulen und am Ende folgte die Prüfung und Iteration. Jede Rolle hatte eine klare Aufteilung.

Aber seit der Verbreitung von AI-Programmierwerkzeugen wird dieser Prozess neu komprimiert.

In BaiFus Beschreibung ist die AI inzwischen ein Partner im Entwicklungsprozess. Entwickler müssen nicht mehr Zeile für Zeile Code schreiben, sondern beschreiben die Funktionen, Strukturen und Logiken eher in natürlicher Sprache, lassen die AI Code generieren und passen dann die Ergebnisse ständig an.

In diesem Prozess hat sich auch die Rolle des menschlichen Entwicklers verändert.

"Der Mensch ist eher wie ein Regisseur." Der Entwickler muss entscheiden, welches Problem das Produkt lösen soll, wie das System aufgebaut werden soll und wie jede Funktion aufgeteilt werden soll. Der konkrete Implementierungsteil kann dann von der AI übernommen werden. Oft ist der Entwicklungsprozess eher wie ein schnelles Experiment: Man erzeugt zuerst ein Demo, überprüft, ob die Idee funktioniert, und passt dann ständig an und iteriert.

Diese Art von Vorgehen scheint "weniger Code zu schreiben", aber tatsächlich verändert es eher den Schwerpunkt der Arbeit der Entwickler - von "Implementierung schreiben" zu "Entscheidungen treffen".

Das direkteste Ergebnis dieser Veränderung ist die enorme Steigerung der Entwicklungseffizienz.

Die Entwicklungszeit von BettaFish betrug nur zehn Tage. In dem traditionellen Softwareentwicklungsprozess braucht selbst ein kleines Tool normalerweise Wochen oder sogar Monate, von der Bestätigung der Anforderungen bis zur Veröffentlichung des Produkts. Aber mit der Hilfe von AI-Coding-Tools werden viele Arbeiten, die zuvor viel Wiederholungsarbeit erforderten, stark reduziert.

BaiFu erwähnte in einem Gespräch mit GeekPark, dass bei einigen späteren Versuchen die Entwicklungsgeschwindigkeit sogar noch schneller war als bei BettaFish.

Viele Funktionen müssen nicht mehr von Grund auf aufgebaut werden, sondern werden von der AI als Basisgerüst erzeugt und dann optimiert. Entwickler können ständig neue Kombinationsmöglichkeiten ausprobieren.

In gewissem Sinne verändert diese Entwicklungsweise die Produktivitätsgrenzen einzelner Entwickler.

In der Vergangenheit konnte ein Mensch normalerweise nur kleine Projekte pflegen, und die Entwicklung eines vollständigen Produkts erforderte Teamarbeit: Frontend, Backend, Design, Test - jeder hatte seine eigene Aufgabe. Aber mit der Hilfe von AI-Tools kann ein Mensch auch schnell ein Prototyp entwickeln und sogar ein nutzbares Produkt veröffentlichen.

Deshalb wird das Konzept des "Superindividuums" immer häufiger erwähnt.

Vor der Entstehung der AI bedeutete Unternehmertum normalerweise, ein Team zu gründen, Kapital zu beschaffen und die Arbeit zu verteilen. Aber jetzt kommt die erste Version immer mehr Produkte nicht von Teams, sondern von einem einzelnen Menschen.

Ein Mensch definiert die Anforderungen, entwirft das Produkt, implementiert die Technologie und nutzt AI-Tools, um seine Fähigkeiten zu ergänzen.

Das Auftauchen von BettaFish fiel genau in diesen Wandel.

Es ist sowohl ein Open-Source-Projekt als auch ein Signal: In der AI-Zeit wird die Schwelle für die Softwareentwicklung neu definiert. Wenn die Tools immer mehr Ausführungsarbeiten übernehmen können, wird der Kernwert des menschlichen Entwicklers die Fähigkeit, Probleme zu stellen, Systeme zu entwerfen und zu beurteilen, was geschaffen werden sollte.

Und dies ist der Beginn der Zeit, in der "ein Alleinstellungsmerkmal ein Produkt entwickelt".

03

Von der Stimmungsanalyse bis zur "Vorhersage der Zukunft"

Der Ruhm von BettaFish stammte zunächst von der "in zehn Tagen geschriebenen Abschlussarbeit". Was die Entwickler aber wirklich anhaltend interessierte, war das Produkt selbst.

Funktionsmäßig ist BettaFish sehr klar definiert: Ein von AI angetriebener Stimmungsanalyseassistent. Einfach ausgedrückt, löst es ein Problem, das viele Menschen haben - es gibt zu viel Information, aber es ist schwer, sie schnell zu verstehen.

In traditionellen Stimmungsanalysesystemen können Benutzer normalerweise nur Schlüsselwortstatistiken, Datencharts und Stimmungsverläufe sehen. Die eigentliche Analyse muss immer noch manuell durchgeführt werden. BettaFish versucht, diesen Prozess an die AI zu übergeben.

Sein Arbeitsablauf besteht grob aus drei Schritten:

Der erste Schritt ist die Informationssammlung.

Das System sammelt automatisch Informationen aus öffentlichen Quellen wie Nachrichtenwebseiten, Social Media und Foren und aktualisiert die Datenquellen kontinuierlich.

Der zweite Schritt ist das Verständnis des Inhalts.

Das Large Language Model führt eine semantische Analyse dieser Informationen durch, erkennt Schlüsselereignisse, Stimmungsrichtungen und Diskussionshotspots und ordnet die verstreuten Informationen in strukturierte Inhalte.

Der dritte Schritt ist die Erstellung eines Analysereports.

Benutzer müssen nur ein Thema eingeben, z. B. ein Unternehmen, eine Branche oder ein öffentliches Ereignis, und das System kann automatisch einen Stimmungsanalysereport erstellen, der die Ereigniskette, die Meinungslage und die Stimmungsentwicklung enthält.

BettaFish ist wie ein "AI-Forschungsassistent": Es liest das Internet für die Benutzer und fasst die wichtigsten Punkte zusammen. Diese Produktform hat es in der Open-Source-Community schnell aufmerksam gemacht. Viele Entwickler stellten fest, dass es einen neuen Produktansatz zeigt - die traditionelle Informationsorganisation mit einem Large Language Model zu ersetzen.

Aber aus BaiFus Sicht ist BettaFish nur der erste Schritt.

Nachdem das Projekt Aufmerksamkeit erregt hatte, begann er schnell mit einem neuen Ansatz: MiroFish. Auch dieses Projekt war das Ergebnis von zehn Tagen Vibe Coding.

Das Ziel von BettaFish ist es, die Informationen der realen Welt zu verstehen, während MiroFish einen Schritt weiter geht - es versucht, die möglichen zukünftigen Wege vorherzusagen.

Konzeptionell ist MiroFish als ein Multi-Agenten-Vorhersagesystem entworfen.

Das System sammelt kontinuierlich Informationen aus der realen Welt, einschließlich Nachrichtenereignissen, Marktinformationen und Social-Media-Diskussionen. Diese Daten werden in eine Simulationsumgebung eingegeben, um eine sich ständig aktualisierende "digitale Gesellschaft" zu erstellen.

In dieser Umgebung werden verschiedenen AI-Agenten verschiedene Rollen zugewiesen, wie Unternehmen, Investoren, Medien oder normale Benutzer. Jeder Agent trifft Entscheidungen basierend auf seinen Zielen und den Informationen, die er hat, und interagiert mit anderen Agenten.

Mit der zunehmenden Anzahl von Interaktionen generiert das System verschiedene Entwicklungspfade, um die mögliche Entwicklung von Ereignissen zu simulieren.

Beispielsweise kann das System, wenn in einer Branche eine wichtige Nachricht erscheint, die möglichen Reaktionen der Marktteilnehmer simulieren und so die Entwicklungstrends unter verschiedenen Bedingungen beobachten.

Der größte Unterschied zu traditionellen Vorhersagemodellen besteht darin, dass es nicht nur statistische Analysen durchführt, sondern die soziale Verhaltensweise simuliert, um zu beobachten, wie sich das System entwickelt.

Bis zum Morgen des 13. März hatte MiroFish auf GitHub 14.230 Sterne | Bildquelle: GeekPark

MiroFish landete ebenfalls in der globalen GitHub-Trendliste (GitHub Trending) und war sogar an der Spitze, überragte andere Institutionen und individuelle Projekte und wurde zu einem globalen Open-Source-Hotspot. Bis zum Morgen des 13. März hatte MiroFish auf GitHub 14.230 Sterne.

In gewissem Sinne ist MiroFish eher wie ein "digitale Sandkasten". Die Daten aus der realen Welt werden kontinuierlich eingegeben, und die AI-Agenten treffen Entscheidungen und interagieren darin, um ständig neue mögliche Wege zu generieren.

Um es mit BaiFus Worten zu sagen, BettaFish analysiert die Realität, während MiroFish die "Zukunft vorhersagt".

04

Das Fenster für AI-Startups ist geöffnet

In den letzten Jahren erforderte Softwarestartups normalerweise ein ganzes Team: Einige waren für die Produktentwicklung zuständig, andere für die Frontend- und Backend-Entwicklung, und wieder andere für die Prüfung, den Betrieb und das Wachstum. Selbst für eine erste Version eines Produkts waren die Kosten und die Zeitinvestitionen beträchtlich.

Aber die Entstehung von AI-Tools hat dies alles verändert.

In BaiFus Entwicklungsprozess können viele Arbeiten, die früher viel Zeit in Anspruch nahmen, jetzt mit Hilfe von AI-Coding-Tools schnell umgesetzt werden. Von der Codegenerierung bis zur Funktionsprüfung und zum Aufbau des Systemgerüsts können Entwickler mehr Energie auf die Produktidee und die Systementwicklung verwenden.

Ein direktes Ergebnis dieser Veränderung ist, dass die Schwelle für Unternehmertum deutlich gesenkt wird.

Ein Mensch kann schneller ein Produktprototyp erstellen, überprüfen, ob die Idee funktioniert, und auch in kürzerer Zeit eine nutzbare Version veröffentlichen. Für viele junge Entwickler bedeutet dies, dass die Kosten für das Versuchen von Unternehmertum niedriger und der Zeitraum kürzer werden.

In