MiroFish 多智能体模拟预测引擎指南上传一份报告推演数字沙盘里的未来【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFishMiroFish 是一款基于多智能体技术的简洁通用群体智能预测引擎它从新闻、报告或小说等种子材料出发自动构建高保真的平行数字世界让具备独立人格与长期记忆的智能体在其中自由交互演化最终输出一份详尽的预测报告和一个可深度交互的数字世界。适合做舆情与政策预演、创意推演以及任何想给如果……会怎样找答案的人。 30 秒看懂模拟预测的原理把 MiroFish 想象成一个微缩城市沙盘先读取你上传的材料抽出其中的人物、机构、事件以及彼此关系画出一张城市地图也就是知识图谱接着给每个居民发一份人设档案写清职业、性格标签与个人背景然后让这些居民住进两个模拟社交平台——一个类似推特、一个类似reddit——发帖、点赞、评论、关注、搜索你可以随时以上帝视角围观全城变化甚至中途注入变量看局势如何转向。模拟跑完后系统自动汇总一份预测报告同时城市继续保留你可以直接和任何一位居民对话。 部署 MiroFish 的最小步骤先备好两组 API 密钥源码部署前先准备两把钥匙一组是 OpenAI SDK 格式的任意 LLM API官方推荐阿里百炼的 qwen-plus一把是 Zep Cloud 密钥用于存放智能体记忆每月免费额度即可支撑简单使用。复制示例配置后在.env中填值即可变量用途LLM_API_KEY/LLM_BASE_URL/LLM_MODEL_NAME驱动图谱抽取、人设生成与模拟决策的大模型ZEP_API_KEYZep 记忆图谱存储智能体的长期记忆五条命令源码部署环境要求Node.js 18 及以上、Python 3.11 到 3.12、Python 包管理器 uv。git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env npm run setup:all npm run dev启动后前端在http://localhost:3000后端 API 在http://localhost:5001也可以用npm run backend、npm run frontend分别单独启动。Docker 一行启动想跳过环境搭建同样配好.env后执行docker compose up -d即可默认映射 3000 与 5001 端口。若镜像拉取缓慢docker-compose.yml里已用注释提供了加速镜像地址替换后重试。 核心功能走查从一份文档到一个模拟世界前端是向导式流程图谱构建、环境搭建、开始模拟、报告生成、深度互动按页面顺序走即可。上传材料构建城市地图在图谱构建页上传 pdf、md、txt 或 markdown 格式的种子材料。系统从文本中抽取实体与关系先生成本体再生成图谱最后渲染成可缩放的关系网络点击任意节点能查看它的属性与关联实体。本体生成的实现在 backend/app/services/ontology_generator.py。发居民档案设定模拟参数环境搭建阶段会为每个实体自动生成一份人设档案姓名、性别、行业、性格标签、个人简介一应俱全同时可设定智能体数量、模拟时长与各类行为参数。人设生成的实现在 backend/app/services/oasis_profile_generator.py。开跑模拟围观发帖与评论的演化点击开始后模拟在两个平台并行推进每个智能体每轮都会基于自身记忆与外界信息决定动作——发帖、点赞、转发、关注、评论、搜索等。运行期间可以实时查看最新帖子与评论、各智能体的互动统计和事件时间线。整个仿真引擎由 OASIS 开源项目驱动。生成报告再采访任意居民模拟结束后ReportAgent 会调用图谱检索与统计等工具整理数据产出一份结构化预测报告页面右侧同步展示进度。报告只是开始你可以选择进入深度互动与模拟世界中的任意一位智能体对话追问它为什么当时转发也可以继续向 ReportAgent 追问结论依据。 文档里的两个真实推演示例README 收录了两个完整演示恰好对应宏观决策与微观创意两类用途舆情推演以微舆 BettaFish 生成的《武大舆情报告》为种子材料推演校园事件后的舆情走势并配有完整演示视频。小说结局推演以《红楼梦》前 80 回数十万字原著为输入模拟人物互动预测失传结局。两个示例说明输入的边界比想象中宽严肃的数据分析报告和长篇小说都能当种子材料区别只在于你用自然语言描述的预测需求不同。⚠️ 开始之前要知道的五件事LLM 消耗较大。示例配置里明确写了可先进行小于 40 轮的模拟尝试本地跑通后先从小轮数开始。后端拒绝启动多半是缺配置。启动入口会先校验.env缺少LLM_API_KEY或ZEP_API_KEY时直接打印错误退出对照补齐即可。上传格式有限制。只支持 pdf、md、txt、markdown单文件上限 50MB见 backend/app/config.py。Python 版本卡得比较死。源码部署仅支持 3.11 与 3.12版本不符时建议直接用 Docker 方案。加速配置不要乱加。示例文件提供了可选的LLM_BOOST_*加速项注释特别提醒不用加速就不要在.env里写这些配置项。一句话总结MiroFish 把让我看看如果……会怎样变成可复现的实验一份文档进去一份预测报告加一个可对话的数字世界出来。中文文档README-ZH.md后端 API 定义backend/app/api/前端界面组件frontend/src/components/【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFish创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/8/30 11:40:34 · 阅读 1.2k MiroFish 多智能体模拟预测引擎指南：上传一份报告，推演数字沙盘里的未来
MiroFish 多智能体模拟预测引擎指南上传一份报告推演数字沙盘里的未来【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFishMiroFish 是一款基于多智能体技术的简洁通用群体智能预测引擎它从新闻、报告或小说等种子材料出发自动构建高保真的平行数字世界让具备独立人格与长期记忆的智能体在其中自由交互演化最终输出一份详尽的预测报告和一个可深度交互的数字世界。适合做舆情与政策预演、创意推演以及任何想给如果……会怎样找答案的人。 30 秒看懂模拟预测的原理把 MiroFish 想象成一个微缩城市沙盘先读取你上传的材料抽出其中的人物、机构、事件以及彼此关系画出一张城市地图也就是知识图谱接着给每个居民发一份人设档案写清职业、性格标签与个人背景然后让这些居民住进两个模拟社交平台——一个类似推特、一个类似reddit——发帖、点赞、评论、关注、搜索你可以随时以上帝视角围观全城变化甚至中途注入变量看局势如何转向。模拟跑完后系统自动汇总一份预测报告同时城市继续保留你可以直接和任何一位居民对话。 部署 MiroFish 的最小步骤先备好两组 API 密钥源码部署前先准备两把钥匙一组是 OpenAI SDK 格式的任意 LLM API官方推荐阿里百炼的 qwen-plus一把是 Zep Cloud 密钥用于存放智能体记忆每月免费额度即可支撑简单使用。复制示例配置后在.env中填值即可变量用途LLM_API_KEY/LLM_BASE_URL/LLM_MODEL_NAME驱动图谱抽取、人设生成与模拟决策的大模型ZEP_API_KEYZep 记忆图谱存储智能体的长期记忆五条命令源码部署环境要求Node.js 18 及以上、Python 3.11 到 3.12、Python 包管理器 uv。git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env npm run setup:all npm run dev启动后前端在http://localhost:3000后端 API 在http://localhost:5001也可以用npm run backend、npm run frontend分别单独启动。Docker 一行启动想跳过环境搭建同样配好.env后执行docker compose up -d即可默认映射 3000 与 5001 端口。若镜像拉取缓慢docker-compose.yml里已用注释提供了加速镜像地址替换后重试。 核心功能走查从一份文档到一个模拟世界前端是向导式流程图谱构建、环境搭建、开始模拟、报告生成、深度互动按页面顺序走即可。上传材料构建城市地图在图谱构建页上传 pdf、md、txt 或 markdown 格式的种子材料。系统从文本中抽取实体与关系先生成本体再生成图谱最后渲染成可缩放的关系网络点击任意节点能查看它的属性与关联实体。本体生成的实现在 backend/app/services/ontology_generator.py。发居民档案设定模拟参数环境搭建阶段会为每个实体自动生成一份人设档案姓名、性别、行业、性格标签、个人简介一应俱全同时可设定智能体数量、模拟时长与各类行为参数。人设生成的实现在 backend/app/services/oasis_profile_generator.py。开跑模拟围观发帖与评论的演化点击开始后模拟在两个平台并行推进每个智能体每轮都会基于自身记忆与外界信息决定动作——发帖、点赞、转发、关注、评论、搜索等。运行期间可以实时查看最新帖子与评论、各智能体的互动统计和事件时间线。整个仿真引擎由 OASIS 开源项目驱动。生成报告再采访任意居民模拟结束后ReportAgent 会调用图谱检索与统计等工具整理数据产出一份结构化预测报告页面右侧同步展示进度。报告只是开始你可以选择进入深度互动与模拟世界中的任意一位智能体对话追问它为什么当时转发也可以继续向 ReportAgent 追问结论依据。 文档里的两个真实推演示例README 收录了两个完整演示恰好对应宏观决策与微观创意两类用途舆情推演以微舆 BettaFish 生成的《武大舆情报告》为种子材料推演校园事件后的舆情走势并配有完整演示视频。小说结局推演以《红楼梦》前 80 回数十万字原著为输入模拟人物互动预测失传结局。两个示例说明输入的边界比想象中宽严肃的数据分析报告和长篇小说都能当种子材料区别只在于你用自然语言描述的预测需求不同。⚠️ 开始之前要知道的五件事LLM 消耗较大。示例配置里明确写了可先进行小于 40 轮的模拟尝试本地跑通后先从小轮数开始。后端拒绝启动多半是缺配置。启动入口会先校验.env缺少LLM_API_KEY或ZEP_API_KEY时直接打印错误退出对照补齐即可。上传格式有限制。只支持 pdf、md、txt、markdown单文件上限 50MB见 backend/app/config.py。Python 版本卡得比较死。源码部署仅支持 3.11 与 3.12版本不符时建议直接用 Docker 方案。加速配置不要乱加。示例文件提供了可选的LLM_BOOST_*加速项注释特别提醒不用加速就不要在.env里写这些配置项。一句话总结MiroFish 把让我看看如果……会怎样变成可复现的实验一份文档进去一份预测报告加一个可对话的数字世界出来。中文文档README-ZH.md后端 API 定义backend/app/api/前端界面组件frontend/src/components/【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFish创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考