🔧 阿川の電商水電行
人工智慧發展迅速，但大多數工具的運作方式仍然相同：你給模型一個提示，它會回傳一個回應。這固然有用，但也有限制。如果能夠模擬人工智慧智能體群體在數位世界中如何互動、辯論和相互影響，那會怎麼樣？
這就是MiroFish背後的理念。 MiroFish 是一款多智能體人工智慧引擎，能夠預測人們對新聞、市場波動、政策變化，甚至是小說情節的反應。與提供單一答案不同，MiroFish 建立了一個由數千個人工智慧智能體組成的動態互動社會，每個智能體都擁有自己的記憶、行為和視角。
💡 專業提示：正在建置或與 AI 代理程式和 MCP 伺服器互動？ Apidog提供功能強大的內建 MCP 用戶端，專為除錯和測試 MCP 伺服器而設計。無論您是透過 STDIO 連接本地進程，還是透過 HTTP 連接遠端伺服器，Apidog 都提供直覺的視覺化介面，讓您輕鬆測試可執行工具、預先定義提示和伺服器資源。它能夠自動處理複雜的 OAuth 2.0 身份驗證，並動態渲染豐富的 Markdown 和影像回應，是實現無縫 MCP 整合測試的理想工具。
與直接生成答案的傳統人工智慧工具不同，MiroFish 建構了一個完整的由人工智慧代理組成的數位社會。每個代理人都擁有自己的記憶、個性特徵和決策邏輯。當出現諸如突發新聞、政策提案或金融訊號等新事件時，代理商便開始相互互動，對訊息做出反應並相互影響。
隨著時間的推移，他們的互動會形成類似真實人群對事件反應的模式。這些模式可以揭示可能的結果、正在形成的敘事或情緒的轉變，使該系統成為實驗和預測的強大環境。
來源： X
什麼是MiroFish？
MiroFish 的核心是一個圍繞多智能體人工智慧建置的群體智慧模擬引擎。
該平台並非依賴單一的人工智慧模型，而是產生大量存在於類比數位環境中的自主智能體。每個智能體都代表虛擬社會中的一個個別參與者。
每個代理人都有自己的：
-
人格特質
-
行為規則
-
長期記憶
-
社會關係
-
決策過程
當個體之間相互作用時，它們會交換資訊、形成觀點並對事件做出反應。這會產生湧現行為，這意味著大規模的結果會自然地由許多個體的互動產生。
這一概念反映了真實的人類社會。在現實世界中，公眾輿論、市場趨勢和社會趨勢往往源自於數百萬個個體的決策。 MiroFish 透過數位化模擬這些互動，試圖在事件發生之前就進行建模，預測其發展過程。
簡單來說，該平台充當了一個數位沙盒，用於探索「假設」情景。
願景：集體智慧的鏡子
MiroFish 的願景是創造開發者所描述的現實世界的集體智慧鏡像。
傳統的預測系統通常嚴重依賴歷史資料和統計模型。雖然這些方法在穩定的環境下效果良好，但當人類行為變得難以預測時，它們往往難以發揮作用。
現實世界中的許多事件是由社會互動而非單純的數位模式所塑造的。
例如：
-
金融市場會因投資者情緒而波動。
-
社群媒體趨勢的傳播難以預測。
-
公眾對政策的反應可能會迅速改變。
MiroFish的預測方法有所不同。它並非直接根據資料計算未來，而是重建一個數位環境，讓個體在其中互動和相互影響。
其理念是，複雜的結果可以從這些互動中自然產生。
透過觀察模擬代理人對事件的反應，該平台可以深入了解現實世界中可能出現的結果。
從種子資料到數位世界
在 MiroFish 中執行模擬始於系統所謂的種子材料。
種子材料是指定義待模擬場景的資訊。這可能包括：
-
突發新聞報道
-
財務報告
-
政策文件
-
研究論文
-
社群媒體討論
-
甚至是虛構的故事
使用者上傳素材，並用自然語言描述他們的預測目標。
例如，有人可能會要求系統模擬：
-
市場將如何應對新的政策聲明
-
公眾將如何回應這項爭議性聲明
-
如果缺少的章節全部補全，故事會如何展開？
利用這些訊息，MiroFish 建構了一個數位環境，智能體可以在其中開始互動。
該系統本質上建立了一個平行的數位世界，可以在其中上演該場景。
MiroFish 工作流程：模擬流程如何運作
在後台，MiroFish 遵循一套結構化的流程，將真實世界的資料轉化為動態的模擬環境。每個階段都為智能體互動並產生有意義的結果準備所需的資訊。
-
知識圖譜建置
第一階段從真實世界的資料來源中提取種子資訊。
這些來源可能包括：
-
突發新聞事件
-
財務報告
-
政策草案
-
研究文件
-
社會討論
然後，系統使用 GraphRAG 架建置立知識圖譜。此圖譜組織了實體、關係和上下文訊息，供智能體在模擬過程中使用。
除了結構化資料外，模擬中還注入了個人和群體記憶結構，以便智能體能夠保留歷史背景。
-
環境生成
知識圖譜建置完成後，平台即可建構模擬環境。
在此階段，系統執行以下幾個任務：
-
實體和關係抽取
-
代理人角色生成
-
社交網路建置
-
仿真參數配置
智能體被賦予身分、背景和行為規則。這確保了智能體之間的互動能夠模擬真實的社會動態。
-
平行仿真執行
環境準備好後，模擬開始。
數千個智能體同時在環境中執行，對事件做出反應並相互互動。該平台在平行系統上執行模擬，從而允許大量智慧體同時運作。
在此階段，系統會自動執行下列操作：
-
解釋預測請求
-
模擬社交互動
-
更新每個代理的基於時間的內存
-
動態地演變環境
最終呈現的是一個鮮活的模擬世界，其中敘事、觀點和行為會隨著時間的推移而演變。
-
報告生成
模擬經過多個循環後，一個名為ReportAgent 的專用 AI 元件會分析結果。
ReportAgent 擁有豐富的分析工具，並能與模擬環境進行深度互動。它會產生一份結構化的預測報告，其中總結了以下內容：
-
主要成果
-
新興趨勢
-
行為洞察
-
可能的風險
本報告幫助使用者解讀模擬過程中發生的情況，並了解潛在的現實影響。
-
與模擬的深度交互
MiroFish 的一個獨特之處在於使用者可以與模擬世界直接互動。
使用者不僅可以閱讀預測報告，還可以：
-
與各個代理人交談
-
詢問他們對此決定的看法
-
探索模擬環境中的社會動態
用戶還可以與 ReportAgent 溝通，提出後續問題或要求更深入的分析。
這一交互層使得模擬環境比傳統的預測工具更有彈性。
快速入門：本地執行 MiroFish
想要嘗試該平台的開發者可以使用原始碼部署或Docker 部署在本地部署 MiroFish。
系統需求
安裝平台前，開發者需要安裝以下工具：
驗證安裝情況：
步驟一：配置環境變數
首先，複製範例設定檔。
接下來，編輯.env檔案並新增所需的 API 金鑰。
LLM API 配置
MiroFish 支援任何與 OpenAI SDK 格式相容的 LLM API。
設定範例：
文件建議使用阿里巴巴百聯平台上的Qwen模型。
由於大型模擬會消耗大量的運算資源，建議從少於 40 輪的模擬開始。
記憶體系統配置
MiroFish 使用 Zep Cloud 來管理代理人的長期記憶。
設定範例：
Zep Cloud 的免費套餐通常足以滿足小型實驗的需求。
步驟二：安裝依賴項
開發者只需一條命令即可安裝所有必要的依賴項：
或者，也可以分步驟安裝。
安裝 Node 依賴項：
安裝 Python 後端依賴項：
此命令會自動建立所需的 Python 虛擬環境。
步驟 3：啟動平台
安裝完成後，開發人員可以使用一條指令啟動前端和後端服務。
服務執行後，可透過以下方式存取：
前端介面：
後端 API：
開發者也可以根據需要單獨啟動這些服務。
僅啟動後端：
只啟動前端：
Docker部署
對於偏好容器化環境的團隊，MiroFish 也支援 Docker 部署。
首先按照前面所述配置環境變數。
然後使用 Docker Compose 啟動容器。
預設情況下，該平台會對應以下連接埠：
-
前端介面3000
-
後端 API 出現5001 錯誤
Docker 設定檔還包含註解的映像來源，如果需要，可以使用這些映像來源來加快容器映像下載速度。
最後想說的話
儘管群體智慧平台仍處於早期發展階段，但它預示著人工智慧系統未來能夠模擬複雜的社會環境。試想一下，我們可以在政策實施前進行測試，在財務公告發布前探索市場反應，或研究資訊如何在社交網路中傳播。這類工具可望成為企業、政府和研究人員強大的決策支援系統。當然，任何模擬都無法完美捕捉真實人類行為的複雜性。意外事件和文化差異總是會對結果產生影響。
但像 MiroFish 這樣的平台表明，人工智慧最終可能會超越回答問題，開始模擬整個社會。這個最初只是實驗性開源專案的專案，已經引發了開發者和研究人員的廣泛討論。如果多智能體類比技術持續發展，像 MiroFish 這樣的工具或許代表著邁向新一代預測技術的早期一步，這些技術能夠在數位世界中探索未來，甚至在現實中發生之前就能預見未來。
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
