MarketFish：用128位AI消费者模拟市场再推出产品
速览
MarketFish 是一款由 AI 驱动的虚拟市场模拟工具，用户可以通过创建 128 位 AI 消费者来模拟真实的市场环境，从而在产品正式推出之前测试产品效果。平台内置了先进的 AI 算法，能够生成多样化的消费者行为数据，包括购买决策、偏好反馈等，为开发者提供可靠的市场洞察。使用 MarketFish 可以显著降低产品开发风险，避免盲目投入资源，同时帮助团队快速迭代优化，确保产品在实际市场中具有竞争力。
AI 深度解读
MarketFish – 在你推出产品之前，让128个AI消费者用钱包投票
背景
在AI代理（Agent）技术快速发展的背景下，产品验证长期依赖传统问卷调查或单次LLM提示，难以捕捉真实市场行为的多维性、时间动态和社会影响。传统方法容易陷入“单点预测偏差”，而多代理模拟引擎正成为突破口。MarketFish正是在这一趋势下诞生的开源工具，它试图通过构建高度异构的AI消费者群体，来更接近真实用户在30轮购物决策中的涌现行为。项目核心理念是“别猜了，模拟”，强调在产品上线前，用AI消费者的“钱包投票”代替主观臆断。开发者Keystart AI（solo founder）基于6篇学术论文和11个LLM提供商，打造这一工具。
核心内容
MarketFish是一个多代理市场模拟引擎。与其让单个LLM回答“这个产品会成功吗？”的方式不同，它先构建一个数字市场：包含128+个AI消费者，每个消费者拥有独特的身份、预算、情绪和偏见。然后，让这些消费者在30轮购物中进行决策。他们的购买选择、流失模式以及社交影响力，最终揭示出真实用户可能会采取的行动。
项目完全开源，安装方式简洁：
git clone https://github.com/Key-wxh/market-fish.git
cd market-fish
cp .env.example .env
（编辑.env，添加至少一个LLM API密钥，DeepSeek是最便宜的）
pip install -r requirements.txt
streamlit run streamlit_app.py
启动后打开 http://localhost:8501，选择模式运行。支持三种模式：Explore（探索产品方向）、Validate（验证你的产品想法，包括生存评分、买家画像和最优定价）、Hybrid（将你的产品与AI竞争对手在同一沙箱中比较）。
工作流程分为5个阶段：
- Seed Data（静态JSON）——提取市场结构。
- Knowledge Graph——构建实体、关系和痛点。
- Agent Factory——使用6个LLM生成128个高度异构的AI消费者。
- Simulation——30轮的决策、耦合、强化学习和记忆模拟。
- Report——输出证据：谁购买了什么、为什么、哪些因素让竞争对手失败。
V6版本（2026年更新）实现了6篇论文的模块：
- Memory 来自 Generative Agents（UIST 2023）：代理记住购买记录、遗憾和反思。
- Time Engine 来自 OASIS（2025）：实现24小时真实激活模式，并非所有代理每轮都活跃。
- RecSys 来自 OASIS（2025）：个性化产品推荐。
- BDI v2 来自 TwinMarket（NeurIPS 2025）：6步认知循环，并融入行为偏差。
- Stress 来自 EconSimulacra（2026）：金融和社会压力影响支付意愿。
- Grounding 来自 SMIF（ETASR 2026）：RAG + 规则约束，确保决策更现实。
支持11个LLM提供商，包括中国系（DeepSeek、Qwen、Doubao、Zhipu、Baidu、Hunyuan）和全球系（OpenAI、Anthropic、Google、Mistral、Meta）。一个密钥即可，一个密钥越多，代理多样性越强。
对比项目MiroFish（GitHub ⭐ 5.5k+，实际星标更高）：
MiroFish 侧重通用社会模拟和预测，架构为Flask + Node.js + Docker，内存依赖外部Zep Cloud，LLM仅OpenAI兼容，用户数据上传后处理。MarketFish则聚焦产品市场预测，架构为单App Streamlit，本地内置内存（无外部依赖），支持11提供商，数据源为8种实时摄入管道，许可证为MIT。
关键要点
- 核心创新：用128+异构AI代理模拟30轮市场行为，输出真实用户决策、流失和社交影响，而非单一LLM问答。
- 学术基础：严格集成Generative Agents、OASIS、TwinMarket、Agent Bazaar、EconSimulacra和SMIF六篇论文，实现记忆、时间、推荐、认知循环、压力和 grounding 等模块。
- 安装与使用：一键启动，支持Explore/Validate/Hybrid三种模式，CLI命令可复用代理降低成本。
- LLM兼容性：11提供商覆盖中国和全球，DeepSeek为最低成本选择。
- 架构优势：本地内存（JSON文件）、单Streamlit应用、8种数据源摄入、无Docker依赖于核心。
- 与MiroFish对比：MarketFish专注产品验证而非通用社会预测，内存本地化、LLM多样性更广、许可证更灵活。
意义与影响
MarketFish为AI时代的产品验证提供了一个实用工具。它能让创业者或企业避免高风险的单点LLM猜想，转而用AI“钱包投票”提前测试市场接受度，从而降低上市失败率。这种多代理模拟范式，结合前沿学术论文和开放生态，将使市场预测从传统统计模型，升级为动态、情境化的涌现行为模拟。对于初创团队和投资决策者而言，它打开了一条“先模拟后上线”的高效路径。相比仅依赖单模型的工具，它在真实性和社会影响捕捉上展现出显著优势。随着更多开发者使用和开源生态扩展，类似MarketFish的项目有望成为AI代理应用的标准实践，推动产品开发从“猜”转向“模拟”，加速AI-native创新落地。