MiroFish

MiroFish 是一款基于多智能体技术的 AI 预测引擎。它不依赖传统统计模型，而是通过构建一个高保真的“数字平行世界”，在其中模拟成千上万个具备独立人格、长期记忆和行为逻辑的智能体如何互动、演化，并由此推演现实世界可能发生的变化。

这个系统的核心在于“种子信息”——它可以是一份突发新闻、一项政策草案、一段金融数据，甚至是一篇小说的情节设定。你只需上传这类原始材料，并用自然语言描述你想探索的问题（例如“如果这项政策出台，公众反应会如何？”或“主角在第三章选择离开，故事会走向什么结局？”），MiroFish 就会为你生成一份详尽的预测报告，同时开放一个可交互的数字世界供你深入探索。

两类用户，两种价值

• 对决策者而言，MiroFish 是一个零风险的预演实验室。政策效果、舆情走向、市场反应等复杂问题，可以在数字沙盘中反复试错，避免现实代价。
• 对普通用户而言，它是一个创意沙盘。你可以用它推演小说结局、测试脑洞设定，甚至模拟社交场景，让“如果……会怎样？”不再只是空想。

它如何工作？

MiroFish 的运行流程分为五个阶段：

1. 图谱构建：从输入的种子信息中提取关键实体，注入个体与群体记忆，结合 GraphRAG 技术构建知识图谱。
2. 环境搭建：自动抽取人物关系、生成角色人设，并配置仿真所需的初始参数。
3. 开始模拟：系统并行运行多条模拟路径，动态解析你的预测需求，并持续更新时序记忆。
4. 报告生成：由专门的 ReportAgent 深度分析模拟结果，调用工具集生成结构化报告。
5. 深度互动：你不仅可以与 ReportAgent 对话追问细节，还能直接与模拟世界中的任意智能体交谈，实时干预或观察其反应。

快速上手（开发者友好）

MiroFish 目前在 macOS 上完成开发和测试，Windows 支持尚在验证中。

前置依赖：

• Node.js 18+
• Python 3.11+
• uv（新一代 Python 包管理器）

配置步骤简述：

1. 设置环境变量
   复制 .env.example 为 .env，填入以下关键参数：
   • LLM 接入：推荐使用阿里云百炼平台的 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
     

   • 记忆存储：使用 Zep Cloud（提供免费额度）

     ZEP_API_KEY=your_zep_api_key
     

2. 安装依赖

   npm run setup:all  # 一键安装前后端依赖
   

3. 启动服务

   npm run dev  # 同时启动前端（localhost:3000）与后端（localhost:5001）
   

提示：首次运行建议控制模拟轮次在 40 轮以内，以节省资源。

技术底座与致谢

MiroFish 的核心仿真引擎基于 OASIS —— 由 CAMEL-AI 团队开发的高性能多智能体模拟框架，支持百万级智能体并发交互。该项目获得盛大集团的战略支持与孵化。