20 岁大学生靠 Vibe Coding，把课程作业卷上 GitHub 热榜第一

大数据文摘受权转载自夕小瑶科技说

今天翻 GitHub Trending 的时候，看到一个不怎么眼熟的项目占据榜单第一。

仔细一看，是个多 Agent 舆情分析助手，名字叫「微舆 BettaFish」。

再往下拉，发现它 star 已经过万了，而且还是最近十几天突然暴涨。

这我一下子就好奇了。

去小红书上搜了下这个项目的名字，结果还真刷到了作者自己写的复盘文章。点开一看，他居然只是个 20 岁的大学生。。。

而做这个项目的初衷也很单纯，只是为了完成课程作业。。。

交一个作业，卷进 GitHub 热榜第一。

太强了，果然山外有山，人外有人人人人人。

那它到底做了什么？我们来拆一拆。

听到“舆情分析”，我第一时间脑子里浮现的，是那种常见的「可视化仪表盘」「评论词云」「情绪热力图」。

所以，看到“微舆”这个名字时，我也以为不过是又一个数据看板项目——几张折线图、几朵词云、几块热力图，最后再套一层 ChatGPT 自动摘要，差不多就那样。

但我错了。

它做的远远不止这些。

你可以把它理解成：一个带搜索 + 分析 + 写作能力的 AI 舆情顾问。

GitHub 地址： https://github.com/666ghj/BettaFish?tab=readme-ov-file

它不仅能全自动刷社交媒体、收集数据，还能自己提炼观点、撰写报告，最后打包成一份像模像样的分析文档交给你。

而且，全流程几乎不用人工干预。因为它背后运行着一整套多 Agent 协作机制。

来看看它是怎么工作的：

• 
  

  Insight Agent：相当于团队里的“数据分析师”，负责处理数据库里的结构化信息，提炼关键词、热点走势和声量变化。

• Media Agent：像一个“外勤记者”，打开浏览器爬微博、抖音、小红书等内容，自动提取帖子和评论，并做多模态内容分析。（注意这里的多模态结果信息，也就是说它甚至可以爬取卡片信息）

• Query Agent：负责深度搜索，比如追踪事件最初的爆点、识别传播源头、验证不同平台的说法差异。

• Report Agent：最后登场的“主编”，整合所有中间结果，确定逻辑结构和版式风格，把分析结果写成一份正式报告。

四个 Agent 之间还会通过一个叫Agent Forum的“虚拟会议室”互相交流。

最后形成的，是一份能自圆其说、可复查溯源的完整分析报告。

当然，作者并不满足于现在的成果。

从项目首页的手绘图可以看出，他们把“舆情分析”分为三步：

1. 输入话题，启动全网搜索

2. 自动分析，输出结论报告

3. 预测未来走势

现在，前两步已经跑通了，且基本实现了「人类全程躺平」的自动化体验。

第三步，预测，还在路上。

作者没有选择直接让大模型“编”一个预测结果，因为那种方式并不可靠，也不具备说服力。他们更希望用过去积累的大量话题数据，来建立真正的数据模型，预测一个话题在未来是否会继续发酵，还是很快冷却。

接下来，他们计划引入时间序列、图神经网络、多模态分析等技术，让“微舆”具备真正的趋势判断力。

目前跑出来的效果究竟如何？

我们拿这份“武汉大学品牌声誉分析”为例拆解一下。

整个文档一共 25 页。看下来只有一个感受：信息密度和冲击力都远超预期。

首先是宏观指标部分，直接怼出一组极具杀伤力的对比数据。

这可不是那种“贴个大号标题 + 几个虚热词”的吹风数据。它结合上下文，把这些数字背后的社会情绪做了解剖。

比如我们熟悉的“图书馆事件”和“甲醛宿舍”，在这份报告里都被单独抽出来，做了非常规深度的解剖。

比如“图书馆事件”，不仅列出核心时间点，还把每个节点的情绪波动、传播路径一一还原。

而“甲醛宿舍事件”的分析，情绪图表是整个报告的亮点。

细分成“愤怒”“恐惧”“焦虑”“愤懑”四种情绪流向，并在四个时间节点下做出对比：曝光、校方回应、第三方报告、问题解决。

每一步，情绪如何升温、如何转换、如何拐头，通通能看到。

就像看热搜一样爽，但背后有数据支撑。

最后甚至还有 SWOT 分析。市场营销的 DNA 动了。

传统的舆情监测，顶多告诉你：哪个关键词热了，哪个 KOL 发了帖，哪个微博被转了几万次。

但这份报告里，你能看到的是：哪一阶段的情绪最极端？是什么事件触发了情绪结构的转变？司法介入的时间点与舆情是否同步？校方在什么地方做错了，错得有多严重，又给个体带来了多大后果？

如果未来能将这种模型迁移到更多高校、品牌或城市舆情中，我们或许真的能在“情绪沸腾”之前，提前发现那一点最危险的温度上升。

最后，再回到那个 20 岁的大学生。

还是很难相信，这是他一个人干出来的事。

但这，正是 AI 时代的底色：奇迹，开始由普通人书写。

为了交一份作业，他从零做了个项目，开了源，也写了几篇小笔记分享自己的踩坑和思路。他没精力刷秋招题库，甚至一度觉得自己可能赶不上这波机会。但最后，拿到了一份心仪的实习，全靠这个项目自己闯出来的分量。

写代码的过程里，他是真的和 AI 并肩作战。靠着 Claude Code、Cursor、Codex 一步步摸索出一个像样的产品雏形，一边踩坑一边磨合。

项目做完了，他没有等人来发现，而是主动出击，在小红书、B 站、Linux Do 等平台宣传推广。没人帮他推流量，他就自己一点点推。

你能看到的每一颗星星，都是他亲手点亮的。

这种从 0 到 1 的过程，是清醒的，是完整的，是具备方法论的。甚至可以说，是值得被复制的。

AI 不只是让强者更强，它正在让那些被低估的人，有机会被看见。

GPU 训练特惠！

H100/H200 GPU算力按秒计费，平均节省开支30%以上！

扫码了解详情☝

点「赞」的人都变好看了哦