MiroFish：简洁通用的群体智能引擎，预测万物

这是什么

MiroFish 是一个基于多智能体（Multi-Agent）技术的下一代 AI 预测引擎。该项目在 GitHub 上热度极高（Star 数约 6.4 万），其核心理念是构建一个高保真的平行数字世界，用于模拟和推演现实世界的未来轨迹。

它通过从现实世界提取“种子信息”（如突发新闻、政策草案、金融信号或小说文本），自动构建一个包含数千个具有独立人格、长期记忆和行为逻辑的智能体（Agents）的虚拟社会。在这个数字沙盒中，智能体之间自由交互并经历社会演化。用户可以从“上帝视角”动态注入变量，进行无数次模拟演练，从而得出详细的预测报告或探索特定的情境结局。

该项目由盛大集团（Shanda Group）提供战略支持与孵化，其底层模拟引擎基于 OASIS (Open Agent Social Interaction Simulations)，并感谢 CAMEL-AI 团队的开源贡献。

解决的问题

传统预测方法（如统计模型、单一 LLM 推理）往往难以捕捉复杂的社会动态和个体互动带来的涌现效应。MiroFish 旨在突破以下局限：

1. 宏观决策风险高：政策制定或公关策略在现实世界中试错成本极高。MiroFish 提供了一个零风险的“决策实验室”，允许在数字环境中预演政策或公关活动的后果。
2. 微观创意受限：对于个人用户而言，推演小说结局、探索想象场景或进行创意写作往往缺乏深度和互动性。MiroFish 作为一个创意沙盒，让每一个“What if”都能看到具体的演化结果。
3. 缺乏群体智能映射：传统工具难以模拟个体交互如何触发集体涌现（Collective Emergence）。MiroFish 通过构建“群体智能镜像”，映射现实社会的复杂互动，从而更精准地预测舆情、市场或社会趋势。

核心功能

MiroFish 的工作流涵盖了从数据注入到报告生成的完整闭环，主要包含以下模块：

• 图谱构建 (Graph Building)：
  • 从种子材料中提取关键信息。
  • 注入个体与集体记忆。
  • 构建 GraphRAG（基于图谱的检索增强生成），确保模拟基于准确的知识背景。
• 环境初始化 (Environment Setup)：
  • 提取实体关系。
  • 生成具有不同性格特征（Persona）的智能体。
  • 注入 Agent 配置，设定其行为逻辑。
• 平行模拟 (Simulation)：
  • 支持双平台并行模拟，加速计算过程。
  • 自动解析用户的预测需求。
  • 动态更新 temporal memory（时间记忆），确保模拟过程符合时间线性逻辑。
• 报告生成 (Report Generation)：
  • 使用专门的 ReportAgent，配备丰富的工具集。
  • 在模拟结束后，与后模拟环境深度交互，生成结构化的详细预测报告。
• 深度交互 (Deep Interaction)：
  • 用户可以直接与模拟世界中的任何智能体进行对话。
  • 与 ReportAgent 进行深度交互，追问细节或调整模拟参数。

亮点 / 与同类相比

1. 高保真数字孪生社会：不同于简单的聊天机器人，MiroFish 构建的是一个拥有独立人格、长期记忆和行为逻辑的“社会系统”。智能体之间不是孤立存在，而是通过社会演化产生复杂的互动。
2. 灵活的“上帝视角”干预：用户不仅可以观察，还可以动态注入变量（如改变新闻事件、调整政策参数），实时观察这些变量如何影响整个社会的演化轨迹。
3. 多领域适用性：
   • 严肃场景：金融预测、政治新闻推演、舆情分析。
   • 娱乐/创意场景：基于《红楼梦》前80章推演失传结局、分析小说情节走向、生成有趣的虚构故事。
4. 技术栈现代化：
   • 支持任意兼容 OpenAI SDK 格式的 LLM API（推荐阿里云百炼平台的 Qwen-plus 模型，但也可替换为其他模型）。
   • 集成 Zep Cloud 用于管理智能体的长期记忆。
   • 前端采用 Next.js 生态，后端为 Python，部署灵活。

适合谁用 / 上手

适合人群：

• 决策者与分析师：需要进行政策预演、公关策略测试或市场趋势预测的专业人士。
• 创作者与研究者：希望探索故事分支、模拟社会实验或研究群体行为模式的作家、学者。
• AI 爱好者与开发者：对多智能体系统（Multi-Agent Systems）、GraphRAG 和 LLM 应用感兴趣的技术人员。

快速上手指南：

1. 环境配置：
   • 复制 .env.example 为 .env。
   • 配置必要的 API Key：
     • LLM_API_KEY & LLM_BASE_URL：支持 OpenAI 兼容格式的 API，推荐使用阿里云百炼的 Qwen-plus。
     • ZEP_API_KEY：用于智能体记忆管理（Zep Cloud 提供免费额度）。
2. 依赖安装：
   • 一键安装所有依赖（前端+后端）：

     npm run setup:all
     

   • 或者分步安装：

     npm run setup      # Node 依赖
     npm run setup:backend # Python 依赖（自动创建虚拟环境）
     

3. 启动服务：
   • 同时启动前后端：

     npm run dev
     

   • 前端访问：http://localhost:3000
   • 后端 API：http://localhost:5001
4. Docker 部署：
   • 也可以直接使用 Docker Compose 启动：

     docker compose up -d
     

   • 默认读取根目录下的 .env 文件，映射端口 3000 (前端) 和 5001 (后端)。

在线体验： 项目提供了在线 Demo 环境，用户可以体验针对热门舆情事件的预测模拟，或观看基于《红楼梦》的深度预测演示视频。