这是什么
一个把文档变成可推演世界的模拟引擎。上传种子材料——一份新闻综述、一份政策草案、一部小说的前八十回——它把实体和实体间的关系抽成图谱，为每个实体生成人设，然后让几百个智能体在两个模拟社交平台上互相发帖、回复。拿回来的是预测报告加上那个世界本身，之后还可以继续向它提问。智能体带着长期记忆，整套东西跑在你自己的机器上，用你指定的模型。
谁做的学生，主页把中科大（USTC）和北邮（BUPT）列为所在机构，地点写上海。他九个公开仓库里有两个星数都在四万以上，都是中文项目，主题也都是同一件事：读取舆情并向前推演。媒体报道称盛大集团创始人陈天桥邀请他加入盛大，随后盛大向这个项目投资三千万元人民币——而仓库 README 里就挂着盛大的 logo。
制作过程
8 个阶段- 01
它做什么，以及这里的「模拟」指什么
流水线分五步。种子材料先变成一份时序知识图谱，实体与实体间的关系被抽出来，并且记录下事情发生的时间。接着每个实体生成人设——背景、记忆、行为模式、社会位置。这些人设成为两个社交平台模拟里的智能体，一个仿 X，一个仿 Reddit，模拟跑可配置的轮数，智能体之间发帖、回复、引用。之后一个 report agent 在跑完的世界里工作，产出预测报告；同一个环境保持开放，可以继续提问：可以问任何智能体它做了什么、为什么，也可以问 report agent 关于整场推演的问题。有两个细节的作用比表面上大。每个智能体通过 Zep 挂着长期记忆，所以它在第四轮看到的东西会影响它第二十轮说的话。而模拟的种子是你给的那份文档，这正是同一个引擎既能处理一所大学的舆情、也能处理一部十八世纪小说失传结局的原因。
- 02
那次小说推演，具体数字
这个项目最出名的那次演示，拿《红楼梦》前八十回——约十五万字——去问失传的结局会是什么。图谱阶段产出 905 个实体、3822 条关系；人设阶段产出了其中 580 个，也就是 580 个智能体，每个都有一份写好的小传，至少有一个还带 MBTI。三十轮双平台模拟产生了接近两千个活动。report agent 的结论被媒体引用过，读起来比大多数机器写的文字好：大观园的崩溃并非偶然的悲剧，而是礼法结构与个体命运共振瓦解的必然过程。它推演出的部分结局与现存版本吻合——黛玉焚稿、湘莲出家——也有不吻合的：通行的续本让宝玉去参加科举，而这次模拟让他在连番打击下精神崩溃，随疯道人而去。作者还公布了这场推演的花费：大约十四块钱人民币。他自陈的局限也值得记下——输入文本量过大时，输出会出现中英文混杂。
- 03
十天，以及提交历史显示的东西
关于这个项目的报道都从一个数字开场：十天 Vibe Coding 做出来的。仓库自己的历史给出一个略有不同的形状，但并没有否定关于「构建」的那个说法。第一次提交在 2025 年 11 月 26 日，仓库从那天起就是公开的。此后九个月里，320 次提交分布在 64 个活跃日上，跨度 281 个自然日。其中 21 次落在最初十个自然日之内；第十个有提交的日子是 2025 年 12 月 11 日；而第一个打了 tag 的版本 v0.1.0 落在 12 月 22 日，距第一次提交 26 天。十天这个数字描述的是建造花了多久，不是仓库存在了多久，两个数字并不冲突——但只有一个在报道里，另一个在提交日志里。
- 04
star 曲线，出自仓库自己的数据
这个仓库带了一套追踪自身 star 数并提交图表的子系统，也就是说这条增长曲线是公开的而不是估算的。起点是 2025 年 11 月 28 日的 1 颗星。12 月 22 日，也就是 v0.1.0 打 tag 那天，是 40 颗。第二天是 270 颗——二十四小时内涨了将近七倍。到元旦是 683 颗，一月底 3234 颗，二月底 4042 颗。然后是三月：3 月 9 日 10,278 颗，到月底 46,118 颗，三十一天里涨了十一倍。之后曲线落回一种更平常的形态——四月 57,873、五月 63,036、六月 67,430、七月中 68,993、九月初 71,809。API 现在报 75,157。这个形状说明的是：项目公开后有一个月几乎无人问津，正式发布当天起飞，五个月后又经历了极不寻常的一个月。
- 05
那笔投资，和 README 里的 logo
README 在标题旁边挂着盛大集团的 logo——对一个开源项目来说这不常见，而报道解释了原因。盛大创始人陈天桥在他前一个项目走红后邀请他加入公司，而他在盛大用十天时间做出了那个从前作起就想做的「预测」功能。中文媒体的说法是：演示视频提交后二十四小时内就拍板了投资——三千万元人民币，约合四百万美元，用来在集团内部把这个项目继续做深。仓库里另有一枚 Trendshift 徽章（登顶 GitHub trending），一个 Discord 服务器，以及 X 和 Instagram 账号。这是一个背后有市场运作的开源项目，README 也没有假装不是。两部分之间的分工值得直接说清，因为很容易看漏：仓库是 AGPL-3.0、自托管；而 mirofish.us 这个站点在以订阅方式售卖托管版——首屏写的是「in your browser, from $2.99/month」，导航里还有用例、研究与定价页。同一个项目，两种用法，两个完全不同的价格。
- 06
前作，以及这个想法从哪来
同一位作者的前一个项目 BettaFish 有 42,308 颗星、7,615 个 fork，许可是 GPL-2.0 而不是本项目的 AGPL-3.0。它做舆情分析：给一个话题，它去各社交平台搜索，让一个 agent 团队对找到的东西做总结和交锋，然后返回一份报告。按作者的说法，它原本只是他的毕业设计；媒体报道称它公开后一周涨了两万颗星。仓库自己的 star 数据补上了细节，也纠正了这个说法最容易被读成的意思：项目自 2024 年 7 月起就是公开的，直到 2025 年 8 月还只有 272 颗星，随后在 2025 年 11 月 1 日到 8 日这七天里涨了约一万九千颗——正好是 v1.1.0 与 v1.2.0 发布的那一周。一周是真的；真正点燃它的是仓库开了十六个月之后的一次发版。MiroFish 是同一方向上再往前一步，而两者在最要紧的地方是连着的：这个项目的两个演示视频之一，其种子文档正是一份 BettaFish 生成的舆情报告。分析喂给模拟，这就是两份 README 都在描述的闭环。两个仓库都是从头写的、不建立在任何 agent 框架之上——这句话在作者的项目描述里反复出现——也都是中文优先、英文并列。
- 07
他自称是怎么做的
关于这个项目最有用的来源不是仓库，而是作者自己对过程的叙述，中文报道里引了很长。他的时间主要花在市场调研和技术选型上，而不是写代码：先弄明白为什么做、做给谁、怎么做，然后再去指挥模型。他描述的流程是：Figma 画草图并用模型反复打磨，在 Google AI Studio 做前端 demo，把页面补进项目文档，再把任务拆成模块分批交给 AI IDE。他按角色用了两个模型——前端用 Gemini 3 Pro，他说它更有「灵气」，擅长页面结构、美化与交互细节；后端的工程结构、接口设计与稳定性交给 Claude。而且他会让多个 agent 并行做同一个任务再挑最优，经常是八个一起做一个模块。他很直接地说这样 token 消耗巨大，也同样直接地说了为什么还这么做：这是摸清每个模型能力边界最快的方式。
- 08
一个四万星的项目会招来什么
320 次提交，16 位贡献者，148 个未关闭 issue。贡献者名单值得一读，因为外部提交的内容本身就说明问题。有一位贡献者的系列 PR 读起来像一份生产就绪审计：在构造文件系统路径之前校验标识符（描述里指出其中两条路径通向 `shutil.rmtree`，所以一个精心构造的标识符打到删除端点就能递归删掉任意目录）；API 密钥认证——项目此前完全没有认证，包括删除类操作在内所有端点匿名可达；资源级归属校验——即便认证加上之后也仍然缺失；给两个用 `open(..., "w")` 直接写的 JSON 文件加上原子写入和状态机，因为它们被 kill 时可能留下截断的文件；给纯内存的任务管理器加崩溃恢复；以及一份可复现性清单，记录某次结果是由哪个模型、哪些文档、哪份本体产生的。日常的 issue 列表则更琐碎、也更说明问题：部署的站点把自己的 HTML 源码当纯文本显示了出来，locale 文件里登记了五种语言却没有任何翻译文件，而一份西班牙语翻译已经被三个人提交了三次。这个量级的项目会产生大量与它的想法本身无关的工作。
他会告诉你什么
- 时间主要花在市场调研和技术选型上，而不是写代码。先弄明白为什么做、做给谁、怎么做，然后再去指挥模型，而不是反过来。
- 让多个 agent 并行做同一个任务，再挑最好的那个推进。他说经常八个一起做一个模块。token 消耗是真的，速度提升也是真的，而且这是摸清每个模型能力边界最快的方式。
- 速度越快，越需要做好刹车系统。版本管理和写好的文档，是防止改了一处影响另一处的东西。
- 一行行读生成的代码，并且跟着执行过程看，而不只是看 diff。他的说法是：大多数 bug 不是某一行写错了，而是模型在某个关键假设上走偏了；把那个假设纠正过来，一批症状会一起消失。
- 不要追求大而全。做减法，不断重新验证自己的定位，也不要等到完美才拿给人看。
- 营销可以不多，但「能让别人帮你宣传」的素材必须提前准备好——首要是足够清晰、别人可以直接转发的演示视频。
- 代码是冷的，故事是热的。会讲代码背后的故事，是独立开发者的必修课。