|
今天给大家介绍一款近期在GitHub上备受瞩目的“颠覆性”开源项目——MiroFish。它不仅连续多日霸榜GitHub Trending,更代表着AI应用从“分析当下”向“模拟未来”的一次范式跳跃。 简介 MiroFish是一款基于多智能体技术的新一代AI预测引擎。通过提取现实世界的种子信息(如突发新闻、政策草案、金融信号),自动构建出高保真的平行数字世界。在此空间内,成千上万个具备独立人格、长期记忆与行为逻辑的智能体进行自由交互与社会演化。你可透过「上帝视角」动态注入变量,精准推演未来走向——让未来在数字沙盘中预演,助决策在百战模拟后胜出。 技术内核 MiroFish是如何实现如此复杂模拟的?其工作流程可以概括为五个核心步骤: - 图谱构建: 系统首先对用户上传的“种子材料”(如分析报告、小说文本)进行深度解析,提取关键实体与关系,并利用GraphRAG技术构建一个动态的知识图谱,为智能体注入个体与群体的初始记忆。
- 环境搭建: 基于知识图谱,系统自动抽取实体关系、生成具有不同立场与背景的智能体“人设”,并由环境配置Agent注入仿真参数,完成虚拟世界的初始化搭建。
- 开始模拟: 这是最精彩的部分。MiroFish会启动双平台并行模拟,让生成的数十甚至上百个智能体在两个独立的模拟环境中,就相关议题展开讨论、博弈与行动。整个过程自动解析预测需求,并动态更新所有智能体的时序记忆。
- 报告生成: 模拟结束后,专属的ReportAgent会利用丰富的工具集,与模拟后环境进行深度交互,综合所有智能体的行动与演化结果,生成一份结构化的详细预测报告。
- 深度互动: 报告并非终点。你可以选择与模拟世界中的任意一位智能体进行对话,追问其观点与决策逻辑;也可以与ReportAgent对话,让它以更灵活的方式总结、解释预测结果。
快速开始 一、源码部署(推荐) 前置要求 [td]工具 | 版本要求 | 说明 | 安装检查 | Node.js | 18+ | 前端运行环境,包含 npm | node -v | Python | ≥3.11, ≤3.12 | 后端运行环境 | python --version | uv | 最新版 | 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,填入必要的 API 密钥
必需的环境变量: # LLM API配置(支持 OpenAI SDK 格式的任意 LLM API)
# 推荐使用阿里百炼平台qwen-plus模型:https://bailian.console.aliyun.com/
# 注意消耗较大,可先进行小于40轮的模拟尝试
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
# 每月免费额度即可支撑简单使用: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
或者分步安装: # 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 # 同时启动前后端(在项目根目录执行)
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
二、Docker 部署 # 1. 配置环境变量(同源码部署)
cp .env.example .env
# 2. 拉取镜像并启动
docker compose up -d
默认会读取根目录下的 .env,并映射端口 3000(前端)/5001(后端) 在 docker-compose.yml 中已通过注释提供加速镜像地址,可按需替换
系统截图
图1
图2
图3
图4
图5
图6效果演示 舆情与公关推演: 如对“武汉大学舆情报告”进行模拟,预测舆论走势。
视频地址: https://www.bilibili.com/video/BV1VYBsBHEMY/
视频地址: https://www.bilibili.com/video/BV1cPk3BBExq/
开源地址 https://github.com/666ghj/MiroFish
|