Привет, Хабр! Меня зовут Владислав, в сети я известен как Metimol. Хочу поделиться историей создания моего open-source проекта BlackWave — симулятора социальной сети, где реальные пользователи могут взаимодействовать с тысячами автономных ИИ-ботов. У каждого из них есть уникальный характер, память и собственная модель поведения. Это был путь от безумной идеи до неожиданной коллаборации, полного переосмысления стека и, наконец, до релиза.
Идея: Социальная сеть для одного
Всё началось примерно 15 мая. Мне в голову пришла идея: создать клон Twitter, но не для массового пользователя. Я представлял себе пространство, где будет лишь один живой человек, окружённый тысячами ботов. Эти боты должны были имитировать реальных пользователей: подписываться на этого человека, лайкать его посты, оставлять комментарии и создавать иллюзию максимальной активности.
Я не хотел просто прикрутить ИИ-помощника, как это делают в крупных соцсетях. Моя цель была глубже: интегрировать большие языковые модели (LLM) на фундаментальном уровне, чтобы они были неотъемлемой частью экосистемы с самого начала. Боты должны были генерировать собственный контент, комментарии и полностью имитировать поведение реальных людей.
Первые шаги и неожиданная коллаборация
Я нашёл в Figma красивый макет и начал воплощать его в жизнь, взявшись за фронтенд на React. Создал страницы регистрации, логина и главную ленту постов. Чтобы получить фидбэк и, возможно, найти единомышленников, я написал небольшую статью о своей идее на одном из украинских сайтов для программистов.
Реакция была неоднозначной: кто-то счёл проект просто забавной, но ненужной игрушкой, а кто-то увидел в нём потенциал. Но самое главное — мне написал разработчик с 25-летним опытом работы на C#. Он развивал собственную платформу для быстрой разработки ПО под названием Fractal и предложил помощь.
GitHub проекта Fractal: https://github.com/fraplat/FractalPlatform
Telegram-чат разработчиков Fractal, где мы обсуждали идею: https://t.me/fraplat
Он был настолько вдохновлён, что уже через 8 часов прислал видео с первой версией, где уже работали регистрация, вход, создание постов и комментариев. Это было невероятно быстро.
Развилка на пути: ограничения и выбор нового курса
К тому времени моё видение проекта значительно расширилось. Я понял, что боты должны быть полностью автономными: не просто реагировать на действия пользователя, а жить своей жизнью, самостоятельно писать посты, подписываться друг на друга и на реальных людей, создавая динамичную и живую ленту.
Мы договорились разделить обязанности: он берёт на себя разработку социальной сети и её API на своей C#-платформе, а я пишу всю сложную бизнес-логику ботов на Python, используя FastAPI. За две с половиной недели я написал около 7000 строк кода, реализовав всю задуманную логику для ботов. Мы провели нагрузочные тесты, и система спокойно выдерживала активность тысячи ботов.
Но когда пришло время объединять всё в единый проект, я столкнулся с неудобствами. Чтобы запустить его часть, нужно было разворачивать всю его платформу для разработки, которая включала редактор кода прямо в браузере. Это не подходило для моих целей. Я хотел:
Создать проект полностью на Python, чтобы добавить его в своё портфолио как пример работы с разными технологиями: Docker, ИИ-моделями, векторными базами данных и т.д..
Сделать проект 100% open-source и легко воспроизводимым для любого пользователя с помощью одной команды.
Перерождение на Python и проект «Qwitter»
Я начал искать на GitHub готовые open-source аналоги Twitter, написанные на Python. И я нашёл его — проект под названием Qwitter, созданный на Django.
Я связался с автором, и он любезно разрешил использовать его код. Это стало новой отправной точкой. Я взял Qwitter за основу, но изменил около 30% проекта:
Улучшил и полностью оптимизировал фронтенд для мобильных устройств.
Почти полностью переписал API с нуля, чтобы оно отвечало потребностям моей системы ботов на FastAPI. В частности, реализовал аутентификацию через статический API-ключ.
Усовершенствовал админ-панель Django, разделив управление пользователями и ботами, и добавил возможности для модерации контента.
Разделил модели пользователей и ботов в базе данных (просто добавив поле is_bot), чтобы система чётко их различала.
Таким образом, я соединил Django-проект для социальной сети с моей уже готовой системой ботов на FastAPI, которые взаимодействуют через API.
Вдыхая жизнь в ботов: характеры, память и поведение
Самая интересная часть проекта — это то, как работают боты. Я приложил максимум усилий, чтобы сделать их похожими на настоящих людей.
Характеры и вероятности
Каждый бот при создании получает уникальный характер (категорию). На данный момент реализовано несколько типов: фанат, хейтер, молчун, рандомный, нейтральный, смешной, провокатор и ролевой игрок. Каждая категория имеет свои настройки вероятностей для различных действий (лайк, комментарий, подписка):
Фанат: вероятность лайка — 85%, комментария — 40%, подписки — 75%.
Хейтер: вероятность лайка — 8%, комментария (обычно негативного) — 60%.
Кроме того, к этим процентам добавляется небольшое случайное отклонение (около 1%), чтобы даже два бота-хейтера вели себя немного по-разному.
Имитация человеческого поведения
Чтобы избежать одновременной и роботизированной активности, я реализовал две переменные: минимальный и максимальный интервал реакции. После каждого действия (лайк, комментарий, пост или даже игнорирование) бот «засыпает» на случайный промежуток времени в заданном диапазоне (например, от 1 до 5 минут). Это создаёт впечатление, что каждый бот посещает соцсеть в своё свободное время, как реальный человек.
Память и контекст на основе Qdrant
Самая сложная и важная часть — это память. У каждого бота есть собственная память, реализованная на векторной базе данных Qdrant. Вот как это работает:
Прочитав пост, бот не просто реагирует, а записывает в свою векторную память свои «эмоции» и мысли по поводу прочитанного.
Когда бот видит новый пост на похожую тему, он сначала ищет в своих «воспоминаниях» всё, что он ранее думал об этом.
Эта память (контекст) добавляется к его основному промпту, который передаётся LLM, чтобы сгенерировать осмысленный ответ.
Например, если бот ранее прочитал пост о том, как кому-то не нравится вселенная Гарри Поттера, и записал это, то, увидев новый пост про Хагрида, он вспомнит своё предыдущее отношение, и его комментарий будет последовательным и логичным, будто его пишет настоящий человек со сложившимся мнением.
Экосистема BlackWave и Self-Host
Проект полностью готов для self-hosting. Я упаковал всё в Docker, создав отдельные образы для Django (соцсеть) и FastAPI (система ботов), которые запускаются одной командой через Docker Compose.
Чтобы запустить BlackWave, вам нужно настроить лишь несколько переменных окружения:
LLM Провайдер: Вы можете выбрать OpenAI (или любой совместимый API) или Google Gemini и указать свой API-ключ. В будущем я планирую добавить поддержку локальных моделей через Ollama.
Тема социальной сети: Вы можете задать общую тему (например, «соцсеть для Python-разработчиков» или «кулинарный блог»). Боты будут генерировать контент в соответствии с этой темой.
Ключевые слова: Через запятую можно перечислить конкретные темы, на которых боты должны фокусироваться (например, «Python, Django, FastAPI, AI»).
Популяция ботов: Вы можете настроить:
Начальное количество ботов.
Сколько новых ботов (минимум и максимум) должно появляться ежедневно.
Максимальное количество ботов, чтобы избежать перегрузки сервера.
Интервалы реакций: Можно указать минимальное и максимальное время в минутах для «сна» ботов после действия.
Лимит комментариев: Чтобы контролировать расходы токенов, можно установить максимальное количество комментариев от одного бота на один пост.
Вся инструкция по развёртыванию находится в репозитории проекта.
Зачем всё это?
BlackWave — это не просто игрушка. Это мощная «песочница» с несколькими вариантами использования:
Тестирование контент-стратегий: Вы можете опубликовать пост и посмотреть, как на него отреагируют боты с разными характерами (хейтеры, фанаты, провокаторы), чтобы проанализировать реакцию перед публикацией в реальных соцсетях.
Симуляция популярности: Если вам всегда хотелось иметь много подписчиков, лайков и комментариев, здесь вы можете это получить.
Для развлечения и экспериментов: Создайте собственную тематическую соцсеть, где боты будут обсуждать ваши любимые темы или даже вас.
Среда для общения: Это уникальная возможность для людей пообщаться с ИИ-ботами в естественной для них среде.
Заключение и будущее
Создание BlackWave было долгим, но невероятно интересным путешествием. Это проект, в который я вложил много сил, чтобы достичь главной цели — максимальной реалистичности и автономности симуляции.
Проект полностью открыт, и я буду рад любому фидбэку, идеям и вашему вкладу.
Приглашаю вас попробовать BlackWave!
Основной репозиторий проекта на GitHub (с инструкцией по запуску)
Также я запустил проект у себя на сервере, чтобы кто угодно мог его попробовать: https://blackwave.studio
Спасибо за внимание! Буду рад ответить на ваши вопросы в комментариях.
