20岁大学生10天拿3000万，我在风口上愣住了

说实话，看到这条新闻的时候，我的第一反应不是「卧槽好厉害」。

是愣住了。

因为我自己每天都在用 Vibe Coding。Claude 帮我写代码，Cursor 帮我重构项目，效率提升了好几倍，我非常清楚这些工具有多强。我就站在这个浪潮上面，财富好像就在旁边招手。

可我就是抓不到。

这种感觉，可能很多人都有。

先说发生了什么

中科大学生 BaiFu，20 岁，用 Vibe Coding 花 10 天做了一个多 Agent 舆情分析工具叫 BettaFish，开源后 GitHub 一周爆涨 20k star，目前 36k。之后他加入盛大，又花 10 天做了第二个项目 MiroFish，一个 AI 预测引擎。

演示视频交给陈天桥，24 小时内拍板投 3000 万。实习生直接变 AI 创业公司 CEO。

MiroFish 做了什么

简单说，你给它一条新闻或者一段文本，它会自动提取实体和关系，构建出一个「平行数字世界」。世界里住着几百个有独立人格、记忆和行为逻辑的 Agent，它们像真人一样互相交流、争论、互相影响。

BaiFu 拿红楼梦前 80 回做了个 demo：系统生成了 905 个实体、3822 条关系、580 个 Agent。模拟 30 轮之后，预测出的部分结局和后 40 回基本吻合，比如黛玉焚稿断情、湘莲削发出家。

跑完一整套流程，花了 14 块钱。

思路确实让人眼前一亮。虽然准确度还需要更多场景验证，但「用 Agent 社会模拟来做预测」这个方向挺有想象力的。

BaiFu 的工作流，有几个点特别值得看

他在公众号里详细分享了 Vibe Coding 的流程，我挑几个跟自己体感最对得上的聊聊。

时间花得最多的不是写代码，是调研和选型。 先想清楚为什么做、做给谁、怎么做，然后才是指挥 AI 去干活。他说代码反而是「最轻的环节」。这跟我的体验完全一致，真正消耗精力的从来不是实现，是想清楚要实现什么。

模型各有所长，得学会分配。 前端他用 Gemini 3 Pro，说它有「灵气」，适合做页面和交互细节。后端交给 Claude，因为它更像一个「老练的工程师」，啃得动复杂工程结构。这个搭配思路我觉得很实用，不同模型确实有明显的性格差异。

同一个任务开 8 个 agent 并行，挑最优解推进。 Token 消耗巨大，但他说这么做还有一个隐藏好处：你能非常快地摸到每个模型的能力边界，知道它擅长什么、在哪容易跑偏。

知道工具的能力边界，是驾驭它的第一步。

还有一个让我反复看了好几遍的观点：

很多 bug 的根源不是某一行写错，而是 AI 在某个关键观点上走偏了。你把那个误区纠正了，后面很多问题会一起消失。

太真实了。我用 Claude Code 的时候经常遇到这种情况：它写的每一行看起来都对，但整体方向偏了。你去纠正那个核心假设，后面的代码就自然通了。这种「纠偏」能力，可能才是 Vibe Coding 时代最值钱的技能。

陈天桥投的是什么

有个细节特别值得琢磨。陈天桥后来说了一段话：他很清楚 BettaFish 的技术力并非特别出色。他看重的是 BaiFu 身上那种「看见真实问题，定义它，然后用 AI 去解决」的行动力和完整规划。

3000 万投的不是代码质量，是这个人本身。

BaiFu 在文章里还提到，给各种公众号、周刊投稿自荐，几乎全是石沉大海。最后靠在 B 站、小红书、Linux Do 论坛自己发文，一点点积累起来的。他把从 1k star 到 36k star 的全过程写成了一篇万字长文，那篇文章本身就成了最好的名片。

他说了一句话我特别喜欢：

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。

但比起这些，我更想聊聊风口上的迷茫

你有没有听过这样的话：「你爸妈那个年代，干什么都能赚钱。」

说得好像穿越回去就能发财一样。但你真的身处一个时代浪潮之尖的时候，你感受到的大概率不是兴奋，是迷茫。

满眼都是机会。AI 这个能做，那个也能做，工具一个比一个强。可你就是不知道该做哪一个，不知道往哪个方向使劲。

我猜再过十年，也会有人说：「2026 年那会儿，AI 刚起来，随便做点什么都能成。」但此刻坐在电脑前的我们，感受到的完全不是这样。

BaiFu 在文章里也提到，爆火之后最先冲来的不是掌声，是排山倒海的压力。第一周瘦了十斤，每天起床就是修 bug，issue 疯涨，质疑也随之而来。他说自己不敢打开邮箱，「一边怕错过机会，一边又害怕直面机会」。

站在风口上的真实体感，没有外面看起来那么光鲜。

我越来越确信的一件事

想了很久，我觉得答案可能反而很朴素。

比起找到一个惊天动地的好 idea，更重要的是先动起来。

BaiFu 自己也承认了，BettaFish 一开始就是个毕设。做完之后他觉得「大概到此为止了」，写了篇文章准备给项目画句号。结果文章被大 V 转发，一周涨 20k star。

他没有一开始就想着做一个值 3000 万的项目。他只是做了一个自己觉得有意思的东西，然后放到了世界面前。

他的舍友也一样，做了个叫 DeepAudit 的项目，多 Agent 漏洞挖掘，5k star，也有企业找上门。两个人经常互相交流，互相启发，然后各自做出了好东西。

这里面有一个容易被忽略的逻辑：你不需要一上来就看到终局，你只需要开始做。在做的过程中，去发现真实的需求和问题。

BaiFu 总结的开源经验第一条就是「选题尤其重要，先思考再动手」。但注意，他说的是「先思考再动手」，不是「想好了再动手」。区别很大，前者是边想边做，后者是等万事俱备。

万事俱备的那一天不会来的。

写在最后

如果你跟我一样，站在 AI 的风口上，觉得遍地机会但不知道从哪下手。

别等了，先动起来。

用 AI 加速你现在的工作也好，周末花两天做个小工具解决自己的痛点也好，把你用 AI 的心得写出来分享也好。不需要一上来就瞄准 3000 万。先做一个自己觉得有意思的东西，放出去，看看世界怎么回应你。

只有在不断实践中，你才能发现别人真正需要什么，才能写出真正有用的工具。好的 idea 从来不是凭空想出来的，是在行动中长出来的。

BaiFu 的故事当然有运气成分，有时代红利，也有盛大的资源加持。但有一件事任何人都可以复制：他开始做了。

风口上的迷茫不可怕，可怕的是站在风口上一动不动。

你们现在在用什么 AI 工具做项目？有没有什么正在折腾的小东西？评论区聊聊。

感谢你的时间，能读到这里。如果有所共鸣，一个「赞」或一次「在看」，就足够了。

我是洞见，我们，下次再见。