MiroFish：开源多智能体预测引擎，构建平行数字世界精准推演万物

一、MiroFish是什么

MiroFish是一款简洁通用的群体智能引擎，定位为基于多智能体技术的新一代AI预测引擎，核心是通过提取现实世界的种子信息，自动构建高保真平行数字世界，让成千上万个具备独立人格、长期记忆与行为逻辑的智能体在其中自由交互、社会演化，最终实现对未来趋势的精准推演与预测。

该项目凭借轻量化架构、通用场景适配与极强的工程落地能力，短时间内登顶GitHub全球趋势榜第一，并获得知名投资人支持，成为2026年AI多智能体领域现象级开源项目。

MiroFish打破传统预测工具“数据统计+模型拟合”的局限，以群体智能涌现为核心逻辑，把现实事件、文本、数据映射为可交互、可演化、可干预的数字沙盘，用户以“上帝视角”观察、调整、对话，得到更贴近真实世界的预测结果。

二、功能特色

MiroFish以“预测万物”为目标，提供从信息输入到报告输出的全流程能力，功能覆盖构建、模拟、交互、分析四大环节，核心特色如下：

1. 种子信息智能解析
   支持新闻、政策、财报、小说文本、社交数据等多种格式种子信息，自动提取实体、关系、事件链，无需人工标注与复杂预处理，降低使用门槛。

2. GraphRAG知识图谱构建
   基于时序GraphRAG技术，把零散信息转化为结构化知识图谱，为智能体提供统一记忆底座，保证模拟逻辑连贯、关系准确。

3. 高保真智能体生成
   自动为每个智能体生成完整人设，包括年龄、职业、性格、MBTI、社交关系、行为偏好，具备长期记忆与独立决策能力。

4. 双平台并行仿真
   内置OASIS引擎，支持Reddit、Twitter风格双平台并行模拟，智能体可评论、转发、互动，还原真实社交传播与群体反应。

5. 自然语言预测交互
   用户用自然语言描述预测需求，系统自动解析并配置仿真参数，无需编写代码或配置复杂规则。

6. 深度交互与干预
   支持与数字世界中任意智能体对话，实时注入变量、调整事件，观察“蝴蝶效应”，实现沉浸式沙盘操作。

7. 全自动预测报告
   专属ReportAgent遍历模拟数据，生成包含数据图表、推演逻辑、风险点、结论建议的结构化报告。

8. 轻量化快速部署
   提供Docker一键部署、本地运行、在线Demo三种方式，最小依赖、低硬件要求，普通开发者与个人用户均可快速上手。

核心功能对比表

三、技术细节

MiroFish采用前后端分离架构，工程化程度高，代码结构清晰，依赖成熟开源组件，兼顾性能与扩展性。

1. 技术栈

• 后端：Python 3.11 + Flask

• 前端：Vue 3 + Vite + D3.js

• 包管理：uv

• 核心依赖：CAMEL-AI、camel-oasis、Zep Cloud SDK、OpenAI兼容SDK

2. 核心架构模块

• OntologyGenerator：本体生成器，把业务实体转为代码，支撑GraphRAG构建。

• GraphBuilderService：图谱构建服务，从种子信息提取知识，生成可演化图谱。

• SimulationConfigGenerator：模拟配置生成器，LLM自动生成时间、事件、智能体、平台参数。

• OasisProfileGenerator：智能体人设生成器，生成高拟人度Agent配置。

• SimulationManager/Runner：仿真管理器，负责多智能体调度、并行运行、记忆更新。

• ReportAgent：报告生成代理，分析仿真过程并输出专业预测报告。

3. 核心技术原理

• 群体智能涌现：大量简单智能体按规则交互，整体呈现超越个体的复杂行为。

• 时序GraphRAG：结合知识图谱与时序记忆，让智能体行为有历史、有逻辑、有因果。

• OASIS社交引擎：支撑大规模智能体并发交互，还原真实网络舆论生态。

• Zep Cloud长期记忆：为每个智能体持久化记忆，保证跨轮次行为一致性。

4. 运行流程

1. 上传种子信息 → 2. 构建知识图谱 → 3. 生成智能体与环境 → 4. 启动并行仿真 → 5. 实时交互干预 → 6. 生成预测报告 → 7. 复盘与导出

四、应用场景

MiroFish通用性极强，覆盖商业决策、舆情公关、金融分析、文学创作、学术研究、政策模拟等领域，典型场景如下：

1. 舆情危机预演
   输入热点事件、品牌负面、政策草案，模拟舆论发酵路径、公众情绪、KOL影响，提前制定公关方案。

2. 政策/方案试错
   政府、企业在政策、产品、活动上线前，用数字沙盘模拟运行，预判风险、优化条款。

3. 金融趋势推演
   基于财报、市场信号、行业新闻，模拟股价、市场份额、竞争格局变化，辅助投资与战略决策。

4. 文学创作辅助
   输入小说前章、设定、人物关系，智能体自主演绎后续情节，提供多结局参考，解决卡文难题。

5. 学术与社会研究
   模拟社会事件、群体行为、文化传播，用于社会学、传播学、经济学仿真实验。

6. 教育与演示
   用于AI、多智能体、群体智能教学，直观展示复杂系统演化原理。

典型应用案例表

五、使用方法

MiroFish提供在线Demo、Docker部署、本地运行三种方式，满足不同用户需求。

方式1：在线Demo（推荐新手）

1. 打开官方Demo地址：https://666ghj.github.io/mirofish-demo/

2. 选择示例任务（如舆情推演、红楼梦续写）

3. 查看图谱构建、智能体生成、模拟过程、报告结果

4. 支持简单交互与参数调整

方式2：Docker一键部署

1. 克隆仓库：git clone https://github.com/666ghj/MiroFish.git

2. 进入目录：cd MiroFish

3. 复制环境配置：cp .env.example .env

4. 填写LLM API Key、Zep Cloud配置

5. 启动：docker compose up -d

6. 打开浏览器访问本地地址使用

方式3：本地手动运行

1. 安装Python 3.11+

2. 安装依赖：uv pip install -r backend/requirements.txt

3. 配置.env文件

4. 启动后端：python backend/run.py

5. 启动前端：cd frontend && npm install && npm run dev

6. 访问前端地址使用

使用步骤（核心流程）

1. 新建项目：填写名称、描述、预测目标

2. 上传种子：提交文本、链接、文档等素材

3. 构建图谱：自动提取实体、关系、记忆

4. 生成环境：生成智能体、配置模拟参数

5. 运行仿真：启动多智能体交互演化

6. 查看日志：实时监控智能体行为与系统状态

7. 生成报告：获取推演结论、数据、建议

8. 交互对话：与智能体或ReportAgent交流

六、常见问题解答（FAQ）

MiroFish需要很高的硬件配置吗？

不需要，普通笔记本电脑即可运行小规模模拟（数百智能体），大规模仿真（数千智能体）建议使用16GB内存以上设备。

必须使用OpenAI API吗？

不是，MiroFish兼容所有OpenAI格式API，可使用国内模型（如通义千问、文心一言等），只需填写对应API地址与Key。

支持本地离线运行吗？

核心逻辑可本地运行，但图谱与记忆服务默认依赖Zep Cloud，离线需自行替换本地记忆组件。

可以用来预测股票/房价等真实金融数据吗？

MiroFish提供趋势推演能力，可作为决策参考，但不能替代专业投资分析，任何预测都存在不确定性。

模拟结果的准确性如何保证？

准确性依赖种子信息质量、智能体数量、模拟轮次，种子越完整、智能体越多、轮次越长，结果越贴近真实。

支持自定义智能体数量吗？

支持，用户可在环境搭建阶段自由调整智能体数量，从几十到上万均可配置。

可以导出报告和数据吗？

支持，报告可导出为文本、Markdown、图片格式，模拟日志与图谱数据可结构化导出。

有没有使用门槛，不会编程可以用吗？

可以用，前端提供可视化界面，所有操作点击完成，无需编写代码。

七、相关链接

• GitHub仓库：https://github.com/666ghj/MiroFish

• 在线Demo：https://666ghj.github.io/mirofish-demo/

八、总结

MiroFish是一款轻量化、通用型、高工程化的开源多智能体群体智能预测引擎，以平行数字世界为核心载体，通过高保真智能体交互实现舆情、政策、金融、文学等多领域趋势推演，具备上手简单、部署快速、交互友好、扩展性强等特点，既适合企业与机构用于决策预演、风险防控、战略分析，也面向个人用户提供创作辅助、趣味仿真、学习研究等能力，作为AI多智能体领域的代表性开源项目，为复杂系统预测提供了低成本、可落地、可交互的全新解决方案。