大家好，我是何三，独立开发者。

今天要给大家介绍一个超级酷的开源项目——MiroFish。这是一个基于多智能体技术的新一代 AI 预测引擎，能够通过构建高保真的平行数字世界来预测未来。

听起来很玄乎？别急，让我用大白话给你讲清楚。

什么是 MiroFish？

MiroFish

简单来说，MiroFish 就是帮你创建一个"数字沙盘"。你只需要上传一些种子材料（比如数据分析报告、新闻、甚至小说故事），然后用自然语言描述你想预测什么，MiroFish 就会：

  1. 构建一个高保真的平行数字世界
  2. 在这个世界里创建成千上万个有独立人格、长期记忆和行为逻辑的 AI 智能体
  3. 让这些智能体自由交互、社会演化
  4. 通过"上帝视角"动态注入变量，精准推演未来走向

最后，你会得到一份详尽的预测报告，以及一个可以深度交互的数字世界。

核心原理：群体智能与涌现

MiroFish 的核心思想是利用群体智能（Swarm Intelligence）和涌现现象（Emergence）。

什么是群体智能？简单说就是"三个臭皮匠，顶个诸葛亮"。单个智能体的能力可能有限，但当成千上万个智能体在一起交互时，就会涌现出超越个体的集体智慧。

想象一下，你创建了一个虚拟的校园环境，里面有学生、老师、家长、媒体等不同角色的智能体。当你注入一个突发事件（比如某个政策变化），这些智能体会根据自己的角色设定、记忆和行为逻辑做出反应。通过观察整个群体的演化过程，你就能预测这个政策可能带来的各种影响。

这就是 MiroFish 的神奇之处——它不是靠一个超级 AI 来预测，而是通过模拟复杂的社会系统，让预测结果更加真实可靠。

群体智能与涌现现象

工作流程

MiroFish 的工作流程分为五个步骤：

MiroFish 工作流程

1. 图谱构建

从现实世界的种子材料中提取信息，注入个体与群体的记忆，使用 GraphRAG 构建知识图谱。

2. 环境搭建

抽取实体关系，生成人设，配置环境参数，将智能体注入仿真环境。

3. 开始模拟

双平台并行模拟，自动解析预测需求，动态更新时序记忆。

4. 报告生成

ReportAgent 拥有丰富的工具集，与模拟后的环境进行深度交互，生成预测报告。

5. 深度互动

你可以与模拟世界中的任意一位智能体对话，也可以与 ReportAgent 对话，深入了解预测结果。

实际应用场景

MiroFish 的应用场景非常广泛：

MiroFish 应用场景

宏观层面：决策者的预演实验室

  • 政策推演：在零风险中试错，评估政策影响
  • 舆情预测：模拟舆情事件的发展走向
  • 金融预测：推演市场变化和投资策略

微观层面：个人用户的创意沙盘

  • 小说推演：预测小说结局，探索不同的剧情走向
  • 脑洞探索：验证各种有趣的"如果"会带来什么结果
  • 创意实验：在安全的环境中测试各种想法

快速上手

MiroFish 支持两种部署方式：

源码部署（推荐）

前置要求： - Node.js 18+ - Python 3.11-3.12 - uv（Python 包管理器）

配置环境变量：

cp .env.example .env

编辑 .env 文件，填入必要的 API 密钥：

# LLM API配置（推荐使用阿里百炼平台 qwen-plus 模型）
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus

# Zep Cloud 配置（长期记忆存储）
ZEP_API_KEY=your_zep_api_key

安装依赖：

# 一键安装所有依赖
npm run setup:all

启动服务：

# 同时启动前后端
npm run dev

服务地址： - 前端：http://localhost:3000 - 后端 API：http://localhost:5001

Docker 部署

# 配置环境变量
cp .env.example .env

# 拉取镜像并启动
docker compose up -d

演示案例

MiroFish 官方提供了几个精彩的演示案例：

  1. 武汉大学舆情推演预测：使用微舆 BettaFish 生成的《武大舆情报告》进行预测，展示舆情事件的发展走向。

武汉大学舆情推演预测

  1. 《红楼梦》失传结局推演：基于《红楼梦》前80回数十万字，深度预测失传结局，探索不同的剧情可能性。 《红楼梦》失传结局推演

  2. 金融方向推演预测：模拟金融市场变化，辅助投资决策。

  3. 时政要闻推演预测：分析政策影响，预测社会反应。

这些案例展示了 MiroFish 从严肃预测到趣味仿真的强大能力。

技术架构

MiroFish 的技术架构非常精妙：

  • 前端：基于 React，提供直观的用户界面
  • 后端：Python + FastAPI，处理核心逻辑
  • 仿真引擎：由 OASIS 驱动（感谢 CAMEL-AI 团队的开源贡献）
  • 记忆系统：集成 Zep Cloud，提供长期记忆存储
  • LLM 集成：支持 OpenAI SDK 格式的任意 LLM API

总结

MiroFish 是一个极具创新性的项目，它将多智能体技术、群体智能和仿真模拟完美结合，为预测未来提供了全新的思路。

对于开发者来说，这是一个学习和实践多智能体系统的绝佳案例。对于普通用户来说，这是一个有趣的创意沙盘，可以探索各种"如果"的可能性。

从严肃的政策推演到趣味的故事预测，MiroFish 让每一个"如果"都能看见结果，让预测万物成为可能。

如果你对多智能体应用感兴趣，不妨试试 MiroFish，也许你会发现更多有趣的可能性。

项目地址： https://github.com/666ghj/MiroFish