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:

1. 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..

2. 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.

• GitHub проекта Qwitter

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:

1. Прочитав пост, бот не просто реагирует, а записывает в свою векторную память свои «эмоции» и мысли по поводу прочитанного.

2. Когда бот видит новый пост на похожую тему, он сначала ищет в своих «воспоминаниях» всё, что он ранее думал об этом.

3. 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.