ghcr.io/666ghj/mirofish:sha-390c120
简洁通用的群体智能引擎,预测万物
A Simple and Universal Swarm Intelligence Engine, Predicting Anything
英文 | 中文文档
⚡ 概述
MiroFish 是一款基于多智能体技术的下一代AI预测引擎。通过从现实世界提取种子信息(如突发新闻、政策草案或***信号),它能自动构建高保真平行数字世界。在这个空间中,数千个具备独立人格、长期记忆和行为逻辑的智能体自由交互并进行社会演化。您可以通过“上帝视角”动态注入变量,精确推演未来轨迹——在数字沙盒中预演未来,经无数次模拟后赢得决策先机。
[!NOTE] 您只需:上传种子材料(数据分析报告或有趣的小说故事),并用自然语言描述您的预测需求
MiroFish 将返回:详细的预测报告和可深度交互的高保真数字世界
我们的愿景
MiroFish 致力于打造映射现实的群体智能镜像。通过捕捉个体交互触发的群体涌现,我们突破传统预测的局限:
- 宏观层面:我们是决策者的预演实验室,让政策与公关方案得以零风险测试
- 微观层面:我们是个人用户的创意沙盒——无论是推演小说结局还是探索想象场景,一切都可以充满乐趣、轻松且触手可及
从严肃预测到趣味模拟,我们让每一个“如果”都看见结果,实现“预测万物”的可能。
🌐 在线演示
欢迎访问我们的在线演示环境,体验我们为您准备的热点舆情事件预测模拟:https://666ghj.github.io/mirofish-demo/
📸 截图
🎬 演示视频
1. 武汉大学舆情模拟 + MiroFish项目介绍
点击图片观看完整演示视频,了解如何使用BettaFish生成的《武汉大学舆情报告》进行预测
2. 《红楼梦》失传结局模拟
点击图片观看MiroFish基于《红楼梦》前80回数十万文字对失传结局的深度预测
[!NOTE] ***预测、***新闻预测等更多示例即将上线……
🔄 工作流程
- 图谱构建:种子提取 & 个体/群体记忆注入 & GraphRAG构建
- 环境配置:实体关系提取 & 角色生成 & 智能体配置注入
- 模拟运行:双平台并行模拟 & 预测需求自动解析 & 动态时序记忆更新
- 报告生成:具备丰富工具集的ReportAgent与模拟后环境深度交互
- 深度交互:与模拟世界中的任意智能体对话 & 与ReportAgent交互
🚀 快速开始
选项1:源码部署(推荐)
前置条件
| 工具 | 版本 | 说明 | 检查安装命令 |
|---|---|---|---|
| Node.js | 18+ | 前端运行时,包含npm | node -v |
| Python | ≥3.11, ≤3.12 | 后端运行时 | python --version |
| uv | Latest | Python包管理器 | uv --version |
1. 配置环境变量
# 复制示例配置文件
cp .env.example .env
# 编辑.env文件并填写所需API密钥
必填环境变量:
# LLM API配置(支持任何OpenAI SDK格式的LLM API)
# 推荐:通过百炼平台使用阿里云通义千问-plus模型:https://bailian.console.aliyun.com/
# 消耗较高,建议先尝试40轮以内的模拟
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
# 免费月额度足够简单使用:https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key
2. 安装依赖
# 一键安装所有依赖(根目录 + 前端 + 后端)
npm run setup:all
或分步安装:
# 安装Node依赖(根目录 + 前端)
npm run setup
# 安装Python依赖(后端,自动创建虚拟环境)
npm run setup:backend
3. 启动服务
# 同时启动前端和后端(从项目根目录运行)
npm run dev
服务地址:
- 前端:
http://localhost:3000 - 后端API:
http://localhost:5001
单独启动:
npm run backend # 仅启动后端
npm run frontend # 仅启动前端
选项2:Docker部署
# 1. 配置环境变量(与源码部署相同)
cp .env.example .env
# 2. 拉取镜像并启动
docker compose up -d
默认读取根目录下的.env文件,映射端口3000(前端)/ 5001(后端)
[!NOTE]
docker-compose.yml的注释中提供了加速拉取的镜像地址,如有需要可替换。
📬 加入交流
MiroFish团队正在招聘全职/实习岗位。如果您对多智能体模拟和LLM应用感兴趣,欢迎将简历发送至:*******
📄 致谢
MiroFish已获得盛大集团的战略支持与孵化!
📈 项目统计
用户好评
来自真实用户的反馈,见证轩辕镜像的优质服务