🔧 阿川の電商水電行
MiroFish 是一款開源人工智慧預測引擎，它利用真實世界的資料（新聞、報導甚至小說），產生數千個擁有獨特個性和記憶的人工智慧代理，讓它們在模擬世界中互動，並根據互動結果產生預測報告。你可以把它想像成模擬城市遊戲與人工智慧預測的結合體。
MiroFish解決了什麼問題？
傳統的預測模型——無論是統計模型還是基於機器學習的模型——都將世界視為一個數學方程式。輸入數字，輸出數字。但現實世界並非如此運作。人們會互相影響，觀點會轉變，聯盟會形成也會瓦解。一則推文就可能改變整個新聞週期的走向。
MiroFish 採用了一種截然不同的方法。它不進行數位運算，而是利用數千個人工智慧代理來模擬現實世界中混亂的社會動態，這些代理商會像人一樣交談、爭論、說服和進化。
結果如何？你得到的預測能夠解釋群體行為、社會傳染和傳統模型根本無法捕捉到的新興模式。
實際運作方式（五步驟流程）
以下是去除專業術語後的工作流程分解：
第一步：知識圖譜建置
你上傳「種子材料」——可以是新聞文章、財務報告、政策文件，甚至是小說的前 80 章（是的，他們真的用《紅樓夢》預測了它失落的結局）。
MiroFish 使用GraphRAG （基於圖的檢索增強生成）來解析您的輸入並提取實體和關係。它不會將您的文件視為一堆扁平的文本，而是建立一個結構化的知識圖譜——關鍵參與者是誰，他們之間是如何联系的，存在哪些壓力，以及涉及哪些機構。
這張圖就成為了模擬世界賴以建立的「現實」。
步驟 2：環境設定和代理建立
基於知識圖譜，MiroFish 會自動產生代理角色。每個代理商都擁有：
-
獨特的個性和背景
-
對該主題的獨特立場或觀點
-
長期儲存（由 Zep Cloud 提供支援）
-
支配它們互動方式的行為邏輯
然後，「環境配置代理」設定模擬參數——本質上是決定這些代理人將生活在其中的世界的規則。
步驟 3：雙平台平行仿真
有趣的地方就在這裡。 MiroFish同時在兩個平台上執行模擬（可以想像成類似 Twitter 和 Reddit 的環境）。數十甚至數百個智能體開始互動——發文、評論、辯論、形成觀點、相互影響。
其底層模擬引擎為OASIS （開放式智能體社交互動模擬系統），由 CAMEL-AI 團隊開發。 OASIS 可擴展至一百萬個智能體，並支援 23 種不同的社交行為（關注、評論、轉發等）。
在模擬過程中，系統會自動追蹤您的預測問題，並隨著事件的展開動態更新每個代理人的記憶。
步驟 4：產生報告
模擬結束後，一個專門的報告代理人（ReportAgent）會介入。該代理擁有豐富的工具包，並與模擬後的環境進行交互，以綜合分析所有發生的情況。它會分析代理人的觀點如何轉變、形成了哪些聯盟以及出現了哪些模式，然後產生一份結構化的預測報告。
第五步：深度互動
該報告並非最終版本。您可以：
-
與模擬世界中的任何智能體聊天，了解他們的想法。
-
聯絡報告代理人，詢問後續問題或取得其他分析結果。
-
注入新變數並重新執行場景（「如果我們改變 X 會怎樣？」）
技術堆疊
以下是其內部構造：
| 元件 | 技術 |
|-----------|-----------|
| 後端 | Python 3.11+ |
| 前端 | Vue.js |
| 模擬引擎 | OASIS（由 CAMEL-AI 開發） |
| 知識圖譜 | GraphRAG |
| 代理內存 | Zep Cloud |
| LLM 支援 | 任何與 OpenAI SDK 相容的模型 |
|推薦LLMs| Qwen-plus（透過阿里巴巴百聯平台）|
| 套件管理器 | uv（適用於 Python） |
入門指南（自架設定）
註： MiroFish 是在 macOS 系統上開發和測試的。 Windows 相容性仍在測試中。
先決條件
-
Node.js 18+
-
Python 3.11+
-
uv（Python 套件管理器）
1. 克隆和配置
git clone https://github.com/666ghj/MiroFish.git
cd MiroFish
# Copy the example env file
cp .env.example .env請使用您的 API 金鑰編輯.env檔：
# LLM Configuration (any OpenAI SDK-compatible LLM)
# Recommended: Qwen-plus on Alibaba's Bailian platform
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
# Zep Cloud (for agent memory persistence)
# Free tier is enough for basic usage: https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key2. 安裝依賴項
# One command to install everything (root + frontend + backend)
npm run setup:all或一步一步來：
# Node dependencies (root + frontend)
npm run setup
# Python dependencies (auto-creates virtual environment)
npm run setup:backend3. 執行它
# Start both frontend and backend
npm run dev就這樣。您的前端位址將是http://localhost:3000 ，API 位址將是http://localhost:5001 。
您也可以分別啟動它們：
npm run backend # Backend only
npm run frontend # Frontend only你究竟能用它預測什麼？
該團隊已展示了幾個應用案例：
公眾輿論模擬－輸入新聞事件，模擬公眾情緒的演變。演示展示了大學爭議事件在社交媒體上可能如何發展的預測。
金融預測－注入市場訊號，觀察模擬交易員、分析師和散戶投資者如何對彼此的行動做出反應。
政策影響測試－上傳政策草案，看看不同的利害關係人可能會如何回應、結盟或進行抵制。
創意探索－團隊將一部中國古典小說的前80章輸入MiroFish，讓它根據人物的行為預測遺失的結局。這個例子很有趣，它表明該引擎的功能並不局限於「嚴肅」的預測。
重要注意事項
讓我們坦誠地談談這件事的本質：
這並非水晶球。團隊尚未公佈將預測結果與實際結果進行比較的基準測試。這些模擬是基於湧現的智能體行為，展示了一些合理的場景——它們並非機率估計。
LLM 的成本會不斷累積。讓數百個代理程式進行多輪模擬意味著需要呼叫大量的 LLM API。 README 文件建議從 40 輪以下開始，以控製成本。
智能體偏見至關重要。 OASIS的研究論文指出，LLM 智能體比真實人類更容易受到群體行為的影響。模擬人群的極化速度可能比真實人群更快。
現在還處於早期階段。 0.1.0版本於 2025 年 12 月發布。這是一個 v0 版本的產品——概念強大，但仍在不斷改進。
背景故事
MiroFish 由中國一名大四本科生郭航江開發。它在 2026 年 3 月登上 GitHub 全球熱門榜首，並吸引了盛大集團創始人陳天橋的投資。該專案的前身 BettaFish（多智能體輿情分析工具）也曾在 2024 年底登上 GitHub 熱門榜首。
核心模擬引擎來自 OASIS，這是一個由 CAMEL-AI 研究社群開發的開源專案，支援多達一百萬次智慧體交互，並且已在同行評審的研究中發表。
為什麼開發者應該關注
即使你不打算建立預測引擎，MiroFish 也值得研究，因為它清晰地展示了幾種模式的融合：
-
GraphRAG 用於知識基礎建構——如何為智能體提供結構化上下文，而不僅僅是原始文本
-
持久化智能體記憶－使用 Zep 讓智能體在模擬輪次中保持記憶
-
大規模多智能體編排－即時協調數百個自主智能體
-
將湧現行為作為一種特性－設計輸出並非預先編程，而是由智能體互動湧現的系統。
這些模式在生產型人工智慧系統中會越來越常見，而 MiroFish 將它們打包在一起，以便於研究和實驗。
連結
- GitHub: github.com/666ghj/MiroFish
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
