自己也能当"预言家"！把真实资料丢进去，让成千上万个 AI 智能体在平行世界里互动，提前推演舆情、策略和故事走向
项目信息
- 仓库地址：https://github.com/666ghj/MiroFish
- 官网：https://mirofish.ai
- 在线 Demo：https://666ghj.github.io/mirofish-demo/
- 许可证：AGPL-3.0，主语言 Python，创建于 2025-11-26，Stars 约 7.4 万，Forks 约 1.1 万
- 一句话：A Simple and Universal Swarm Intelligence Engine, Predicting Anything.
Overview
MiroFish 是一个基于多智能体的 AI 预测引擎。它从现实世界抽取种子信息（突发新闻、政策草案、金融信号），自动构造高保真平行数字世界；成千上万个拥有独立人格、长期记忆与行为逻辑的智能体在其中自由交互、社会演化。使用者可以从"上帝视角"动态注入变量，推演未来走向。
需要输入的东西只有两样：上传种子材料（数据分析报告或小说故事），再用自然语言描述预测需求。MiroFish 返回的是详细预测报告，外加一个可深度交互的高保真数字世界。
项目愿景分两个层面：宏观上是决策者的演练实验室，政策与公关可以零风险试错；微观上是个体用户的创意沙盒，用来推演小说结局、探索想象场景。
Live Demo
- 在线体验：https://666ghj.github.io/mirofish-demo/
- Demo 视频：武大舆情模拟 BV1VYBsBHEMY；红楼梦遗失结局推演 BV1cPk3BBExq
Workflow
- Graph Building：种子抽取 + 个体/集体记忆注入 + GraphRAG 构建
- Environment Setup：实体关系抽取 + Persona 生成 + Agent 配置注入
- Simulation：双平台并行模拟 + 自动解析预测需求 + 动态时序记忆更新
- Report Generation：ReportAgent 带丰富工具集，与模拟后环境深度交互
- Deep Interaction：与模拟世界任意 agent 对话 + 与 ReportAgent 交互
方式一：源码部署（推荐）
前置要求：
- Node.js 18+（前端运行时，含 npm）
- Python ≥ 3.11, ≤ 3.12（后端运行时）
- uv（最新版，Python 包管理器）
步骤 1：配置环境变量
cp .env.example .env
必填环境变量：
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
支持任何 OpenAI SDK 格式的 LLM API，推荐阿里云百炼 Qwen-plus。这一步的模型消耗较高，建议先用少于 40 轮的模拟试跑。
ZEP_API_KEY=your_zep_api_key
Zep 走的是 Zep Cloud，作为记忆依赖；免费月度额度够简单使用。
步骤 2：安装依赖
npm run setup:all
一键安装根目录 + 前端 + 后端。也可以分步执行：
npm run setup # Node 依赖：根目录 + 前端
npm run setup:backend # Python 依赖，自动创建虚拟环境
步骤 3：启动服务
npm run dev
同时拉起前后端：
- 前端 http://localhost:3000
- 后端 API http://localhost:5001
单独启动用 npm run backend 或 npm run frontend。
方式二：Docker 部署
cp .env.example .env
docker compose up -d
默认读取根目录 .env，映射端口 3000（前端）/5001（后端）。docker-compose.yml 内的注释提供了更快的镜像地址，需要可自行替换。
其他
项目有 Discord、X、Instagram 社群。团队在招全职/实习，简历投 mirofish@shanda.com；项目获得盛大集团（Shanda Group）战略支持与孵化。模拟引擎基于 OASIS（Open Agent Social Interaction Simulations，https://github.com/camel-ai/oasis），致谢 CAMEL-AI。