MiroFish：一款简单通用的群体智能预测引擎，能让未来在数字世界里先跑一遍

摘要
MiroFish 是一个基于多智能体的 AI 预测与仿真系统，只需上传现实世界的种子材料（新闻、报告、小说、政策草案等）并用自然语言描述想预测什么，它就能自动构建包含上千个独立人格智能体的数字平行世界，让这些智能体自由交互、产生群体涌现，最终输出详细预测报告并提供可深度对话的仿真环境。目前版本 v0.1.0，主要在 Mac 上开发与验证，推荐使用阿里通义千问 qwen-plus 模型驱动。

为什么我们需要这样一款“预测万物”的工具？

很多人都有过这样的时刻：

  • 看到一条突发新闻，想知道这件事半年后会演变成什么样子
  • 写小说写到关键节点，不确定主角做了 A 选择还是 B 选择，故事走向会差多远
  • 公司要推一个新政策，但不敢直接全量上线，想先看看舆论和行为会怎么反应
  • 对某个历史事件或文学经典的结局有全新脑洞，想看看“如果当时……”会发生什么

传统的数据分析、统计模型或者单一大模型问答，都很难很好地回答这类高度开放、充满社会交互和长期演化的“如果”问题。

MiroFish 试图用一种更贴近真实世界的方式来回答：不再靠公式拟合，也不再只靠一个超级聪明的大脑推理，而是真的让几千个有记忆、有个性、会吵架、会妥协、会跟风的数字“人”在沙盘里活一遍。

MiroFish 到底在做什么？一句话解释

你给它现实世界的一小块“种子”（可以是一篇舆情分析报告、一段小说情节、几条金融新闻），再告诉它你想知道什么（“这件事三个月后舆论会怎样？”“主角选了另一条路结局会如何？”），它就会：

  1. 把种子里的角色、关系、事件抽取出来
  2. 给几百到几千个数字人分配独立的人设、长期记忆
  3. 让他们在同一个数字世界里按自己的性格和利益去互动、碰撞、演化
  4. 在这个过程中持续观察、记录关键指标的变化
  5. 最后给你一份结构化的预测报告 + 一个可以随便找里面任何人聊天的数字世界

简单说，它在用群体智能 + 社会计算 + 大模型角色扮演的方式，让“未来”在电脑里先预演一遍。

系统核心工作流程（5个主要阶段）

MiroFish 把整个预测过程切成了下面五个清晰的阶段：

  1. 图谱构建阶段

    • 从你上传的种子材料里提取实体、关系、事件
    • 利用 GraphRAG 技术构建知识图谱
    • 为主要角色注入长期记忆（基于 Zep 记忆系统）

  2. 数字世界环境搭建阶段

    • 实体关系进一步精炼
    • 批量生成每个智能体的人设（性格、立场、背景、动机）
    • 配置仿真环境参数（时间流速、随机扰动强度等）

  3. 并行仿真阶段

    • 启动双平台并行模拟（目前主要依赖 OASIS 框架）
    • 智能体按照自己的记忆和当前世界状态自主决策、行动、对话
    • 系统自动识别你关心的预测目标，动态更新时序记忆

  4. 报告生成阶段

    • ReportAgent（专门的报告智能体）拥有丰富的分析工具
    • 它会主动与仿真环境深度交互，提取关键事实、趋势、转折点
    • 最终输出结构化、可读性强的预测报告

  5. 深度互动与追问阶段

    • 用户可以随时找仿真世界里的任意一个智能体对话
    • 也可以继续跟 ReportAgent 追问“为什么会这样？”“如果我改这个变量呢？”

这五个阶段基本覆盖了从“输入现实片段”到“得到可交互数字未来”的完整闭环。

前置硬件与软件环境要求（2025-2026 实测配置）

MiroFish 项目明确标注主要在 Mac 环境下开发与验证，Windows 兼容性还在测试中。

项目 要求 检测命令 备注
操作系统 macOS（优先），Windows（测试中） — Linux 未明确提及
Node.js 18.x 及以上 node -v 前端 + 部分工具依赖 npm
Python 3.11.x ～ 3.12.x python --version 不可使用 3.10 或 3.13
包管理器 uv（推荐）或 pip uv --version 项目强烈推荐使用 uv 创建虚拟环境
内存 建议 ≥ 32GB（跑 1000+ 智能体时） — 小规模实验 16GB 可勉强运行
LLM API 费用 按 token 计费，消耗较大 — 40 轮以内小实验较为经济

5分钟快速上手完整步骤（v0.1.0）

第一步：克隆仓库并复制环境变量文件

git clone https://github.com/666ghj/MiroFish.git
cd MiroFish
cp .env.example .env

第二步：填写必须的两个 API Key

用文本编辑器打开 .env，至少填入下面两项：

# 推荐阿里百炼 qwen-plus（性价比相对较高）
LLM_API_KEY=sk-你的百炼key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus

# Zep Cloud 记忆服务（每月免费额度够小规模使用）
ZEP_API_KEY=你的_zep_cloud_key

提示：如果暂时没有 Zep，可以先尝试不填，但长期记忆能力会大幅下降。

第三步：一键安装所有依赖

# 最推荐的方式（一次搞定前后端）
npm run setup:all

如果失败，可以分开执行：

npm run setup          # 前端 + 根目录依赖
npm run setup:backend  # 后端 Python 依赖（会自动创建 .venv）

第四步：启动服务

# 推荐：同时启动前后端
npm run dev

启动后访问：

  • 前端交互界面：http://localhost:3000
  • 后端 API：http://localhost:5001

你也可以分开启动：

npm run backend
# 另开一个终端
npm run frontend

系统截图一览（直观感受交互界面）

以下是官方 README 中提供的几张代表性截图，基本可以反映实际使用时的界面风格：

（此处应展示运行截图1-6）

  • 第一张：整体 dashboard，左侧种子上传区，右侧世界概览
  • 第二张：智能体列表，可查看当前在线人数、活跃度分布
  • 第三张：单智能体详细记忆卡片与人设
  • 第四张：时间线视图，关键事件自动标注
  • 第五张：ReportAgent 生成的结构化预测报告
  • 第六张：与任意智能体实时对话界面

目前已验证的典型使用场景

虽然项目还处于 v0.1.0 早期阶段，但官方已给出几个有代表性的演示方向：

  1. 高校舆情推演
    输入：武大某事件舆情分析报告
    预测：事件发酵3个月后的舆论走向、重点情绪关键词变化

  2. 文学/影视结局脑洞
    输入：《红楼梦》前80回主要人物关系与关键情节
    预测：如果贾宝玉最终选择不同道路，人物命运走向

  3. 金融/市场情绪模拟
    输入：某公司突发利空新闻 + 近期研报
    预测：散户、机构、媒体在接下来两周的可能反应链

  4. 政策影响预演
    输入：某城市新交通政策草案全文
    预测：不同收入阶层、不同年龄段市民的接受度与行为改变

项目的愿景与边界（官方原文提炼）

官方用两句话概括了 MiroFish 的定位：

于宏观：我们是决策者的预演实验室，让政策与公关在零风险中试错
于微观：我们是个人用户的创意沙盘，无论是推演小说结局还是探索脑洞，皆可有趣、好玩、触手可及

目前明确的边界与限制：

  • 智能体数量建议控制在几百到两三千，再多对内存和 API 费用压力很大
  • 时间跨度最长验证到数月级别，超长周期（几年以上）尚未充分测试
  • 目前最稳定、最推荐的模型是 qwen-plus，其他模型兼容性需自行验证
  • Windows 支持还在测试，优先使用 Mac

常见问题（FAQ）

Q1：跟直接问大模型相比，MiroFish 的优势到底在哪里？
A：单一大模型倾向于“逻辑自洽的单线程推理”，而 MiroFish 是“多线程社会级碰撞”。很多出乎意料的群体涌现现象，只有真正让大量个体交互后才会出现，这是单模型很难模拟的。

Q2：跑一次仿真大概要花多少钱？
A：高度依赖你设定的智能体数量、对话轮数和模型单价。以 qwen-plus + 1000 智能体 + 40 轮仿真为例，费用通常在几十到两百多元人民币之间。小规模实验（200-300 智能体，20 轮以内）可以压到 10-30 元。

Q3：能不能只用本地模型跑？
A：目前官方文档没有提供纯本地部署方案，所有仿真都依赖远程 LLM API。但理论上只要是 OpenAI 兼容接口的本地模型（Ollama、vLLM 等）都可以替换。

Q4：我只想随便玩玩，能不能不用 Zep？
A：可以，但没有长期记忆，每个智能体的行为一致性会明显下降，适合做短周期、趣味向的快闪实验。

Q5：仿真结果可信吗？
A：MiroFish 目前更像一个“高质量的条件生成式社会沙盘”，而不是严格的科学预测工具。它的价值在于提供“一种可能性的完整展开路径”以及“意料之外的涌现现象”，而不是给出确定性的概率数值。

最后：谁适合现在就去试试 MiroFish？

如果你符合下面任意一条，很可能用得上它：

  • 对多智能体（Multi-Agent）系统特别感兴趣，想亲手玩一个完整的开源实现
  • 经常写小说、剧本，需要快速验证多种分支结局
  • 做舆情分析、品牌公关，需要看更长期、更立体的社会反应
  • 喜欢“如果……会怎样”这类思想实验，并且愿意自己动手配置环境

项目目前还在快速迭代早期（v0.1.0），代码、文档、示例都会持续更新。官方交流群和招聘通道也已打开。

想让未来先在数字世界里跑一遍，再决定要不要在现实里下注？
MiroFish 可能就是你现在能找到的最直接、最有趣的工具之一。

（全文完，约 3400 字）