20岁，大学生，课程作业。
半年时间，23.8k stars，冲上GitHub热榜第一，3-4万收入，北京实习offer主动找上门。
这不是爽文，是真实发生的故事。
主角叫BaiFu，项目叫「微舆」，一个多Agent舆情分析系统。我在小红书刷到他的复盘文章，2700多字，看完只有一个感觉：Vibe Coding这条路，真的能走通。
从糊弄作业到GitHub热榜，他做对了什么？
故事起点很简单。
课程要求做一个情感分析的可视化面板。BaiFu交完之后不满足，觉得「就是拿几个包、糊几句代码、交了」，想做点真东西。
于是开始调研舆情分析。
做了一圈research发现：市面上没有成系统的开源舆情分析框架。要么是商业化产品（贵），要么是学术论文里的模型（难用），普通开发者想搭一个能用的系统，门槛很高。
这就是机会。
他做的「微舆」很直接：你输入一个话题（比如「武汉大学品牌声誉」），系统自动刷微博、小红书、抖音、快手，爬取内容和评论，自动分析情绪走势、提炼关键事件、追踪传播路径，最后生成一份25页的专业分析报告。
人类全程躺平。
听起来像套壳ChatGPT的demo？不是。
他设计了4个专业Agent：
- Insight Agent（数据分析师）：处理结构化数据，提炼关键词和热度走势
- Media Agent（外勤记者）：打开浏览器爬微博抖音小红书，多模态分析
- Query Agent（深度调查员）：追踪事件源头，识别传播路径
- Report Agent（主编）：整合结果，写正式报告
这4个Agent还会通过「虚拟会议室」（Agent Forum）互相交流，避免单一模型的思维局限。
最后生成的报告，信息密度极高。以「武汉大学品牌声誉分析」为例，25页报告里有宏观指标、事件时间线、情绪波动图（细分成愤怒/恐惧/焦虑/愤懑四种），甚至还有SWOT分析。
看起来像咨询公司产出，不是学生作业。
项目开源后，BaiFu的心态经历了几次转变：
「哇，怎么有人看我项目了？」
「好像真有人在用，还有人提issue、问问题。」
「那我是不是得认真负责一下……」
半个月，Star数从零猛涨到1600，冲上GitHub热榜第一。
截至现在（2025年11月10日），这个数字是2.3万+。
变现和机会
半年时间，BaiFu拿到3-4万收入（技术咨询+定制开发），还有北京实习offer主动找上门。
这里有个细节很关键：BaiFu说，这些收入和机会的背后，核心能力不是代码写得有多好，而是「叙事能力」。
产品描述的第一句话，决定了别人要不要继续看：
❌ 错误：「基于多Agent架构的舆情分析框架」
✅ 正确：「可以从平台全量采集，自动生成一份可以去讲汇报会的舆情简报」
前者是技术词汇堆砌，后者是画面感强、立刻能想到使用场景。
传播也是如此。精准选择几个渠道（小红书、B站、Linux Do），不铺面式撒网。
我觉得可以复制的4个关键点
看完这个案例，我总结了4个可复制的点。
1. 找「小而深」的切入点
不要想着做「下一个ChatGPT」。
通用AI场景已经被大厂卷到极致，个人开发者很难突围。
更好的策略是：垂直细分领域。
BaiFu的方法：先调研 → 发现没有成系统的解决方案 → 动手填补空白。
「舆情分析」这个领域，商业产品贵，学术模型难用，开源方案缺失。这就是机会。
关键是找到一个具体场景，深挖下去。比如：
- 某个行业的工具（律师、设计师、教师）
- 特定人群的痛点（留学生、自由职业者）
- 小众但刚需的功能（数据清洗、格式转换）
不要贪大，要足够具体。
2. Vibe Coding的本质：会不会跟AI合作做项目
BaiFu在复盘里有句话，我特别有感触：
「AI编程的真正门槛不在『AI会不会写代码』，而在『你会不会跟AI合作做一个项目』。」
这是个本质区别。
很多人对AI编程的理解还停留在「让AI写个函数」「让AI改个bug」。但真正做一个项目，完全是另一回事。
你得清楚：
- 整体架构怎么设计？前后端分离还是Flask全栈？
- 数据怎么流？API怎么设计？数据库schema长什么样？
- 模块怎么拆？哪些该抽象成独立服务？边界在哪？
- 边界条件是什么？异常怎么处理？并发怎么控制？
这些不是AI能帮你决定的，是你得想清楚的。
如果你只是甩一句「帮我写个舆情分析系统」，AI会给你生成一堆能跑但不能用的代码。
BaiFu的血泪教训：三四行能完成的逻辑，AI会展开成五六十行if-else拼贴怪，美其名曰「兼容性和鲁棒性」。
解决方法：给AI强约束，明确架构。
比如架构选择上，他最后发现前后端分离远比Flask全栈更适合AI协作。
为什么？
Flask写demo很爽，启动快。但等项目长到中型规模，维护成本直接爆炸。AI在「html + python + jinja + 业务逻辑」堆成一团的文件里会完全抓瞎。
边界清晰，AI生成的代码质量才会高。
BaiFu用的工具组合：
- Claude Code：梳理复杂逻辑、系统性方案、架构设计
- Cursor：快速补全、日常coding、小修小改
但关键不是工具，是你得先当好项目经理。
AI是工程师，你是产品经理+架构师。
你要告诉AI：
- 这个模块要完成什么功能（需求）
- 输入是什么，输出是什么（接口）
- 和其他模块怎么交互（架构）
- 异常情况怎么处理（边界）
然后AI才能写出能用的代码。
我自己的体会也是这样。
用Claude Code做项目，最重要的不是prompt写得多好，而是你对整个项目的架构有没有清晰的把握。
如果你自己都不知道这个功能该放在哪一层，AI写出来的代码大概率是错的。
ps. 我自己测了一下
写到这里，我自己把BettaFish项目跑起来了。
让Claude Code帮我装，10分钟搞定，我只需要去获取几个API key。然后让它分析「BettaFish微舆的传播」。
结果？
有点惨不忍睹。
DeepSeek关键词选取有幻觉，生成的关键词是：「BettaFish 维权群 2999元 47度烫手 翻车 售后 客服回应」。
看到这串关键词我就知道完了——这明显是把BettaFish当成某个消费品翻车事件了。
导致搜索到的信息部分真实、部分瞎编。报告看起来很专业，但内容基本不可用。
完成一篇报告，消耗30万token，花费0.58元（用的DeepSeek）。
这说明什么？
关键词的选择很重要，需要加一些控制点。
不然很容易翻车。
BaiFu的项目思路是对的，但要真正用起来，还需要：
- 给关键词生成加上人工review环节
- 或者让用户自己定义关键词范围
- 或者加一个关键词验证机制
这也是Vibe Coding的典型问题——快速搭出来能跑，但要真正production-ready，还得加很多「护栏」。
3. 打磨「叙事」，别只会堆技术词
这点我深有体会。
产品描述的核心是：用一句话说清楚——解决什么问题？给谁用？有什么不一样？
画面感测试：别人听完能立刻想到使用场景吗？
如果不能，继续改。
传播渠道的组合拳：
- 技术社区：Linux Do、V2EX（深度讨论，程序员聚集）
- 视频演示：B站（完整流程展示，直观）
- 个人故事：小红书（复盘分享，有共鸣，破圈）
- 争取背书：GitHub热榜、公众号报道（官方认可）
不要指望一次发布就爆。
持续互动才是推进力——回复issue、解答问题、接受反馈，这些看起来琐碎的事情，会让项目从「孤立状态」中跳出来，形成正向循环。
4. 耐心等待「双飞轮」
不要盯着「马上变现」。
BaiFu的反思是：比「马上能不能变现」更重要的，是方向健康、过程中能力持续增长。
开源项目的价值是长期的：
- 短期（1-3个月）：Star增长，认识新朋友，获得反馈
- 中期（3-6个月）：咨询需求，小型合作机会
- 长期（6个月+）：直接收入（如3-4万），实习/全职offer，个人品牌积累
持续打磨的显性作品和隐性个人品牌，会慢慢构成长期价值。
很多人投入时间会纠结：值不值？方向到底是不是正路？还是只是在自嗨？
回头看，韧性比技巧更重要。
窗口期还在
BaiFu在复盘文章的最后说：
「开源的含金量其实远超想象。不管是找工作还是升学，面试官对开源经历真的有兴趣。只要讲清楚、扛得住追问，就成了能直接区分候选人的一张牌。
如果科研、竞赛卷太累了，可以从这方面下手。开源是另一条现实可行的路，也是可以主动打造的履历。」
我觉得他说得对。
当下是个人开发者和独立产品经理的好时代。只要能找到具体的行业场景+真实痛点，哪怕是细分领域，也能做出亮眼成果。
窗口期还在。
关键是敢于开始。
ps. BaiFu的项目地址：github.com/666ghj/Bett…
感兴趣的朋友可以去试试，跟你讲，用 AI 帮你把项目配置起来，贼快贼爽。根本不用自己苦哈哈的安装依赖包，排查报错，超级 easy。
关于作者
Ben，ALL in AI 出海
-
中文圈最大 AI 社群 WaytoAGI 从 1-10 策划人
-
AI 编程实践者，上线了 30+ 产品
-
个人网站：benx.ai
-
关注公众号可免费获取「零基础 AI 编程指南」
