BranchesTags

Repository files navigation

MiroFish Logo

666ghj%2FMiroFish | Trendshift

简洁通用的群体智能引擎，预测万物
A Simple and Universal Swarm Intelligence Engine, Predicting Anything

666ghj%2MiroFish | Shanda

GitHub StarsGitHub WatchersGitHub ForksDockerAsk DeepWiki

DiscordXInstagram

English | 中文文档

⚡ 项目概述

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。

你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求
MiroFish 将返回：一份详尽的预测报告，以及一个可深度交互的高保真数字世界

我们的愿景

MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：

  • 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

从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。

🌐 在线体验

欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：mirofish-live-demo

📸 系统截图

截图1截图2
截图3截图4
截图5截图6

🎬 演示视频

1. 武汉大学舆情推演预测 + MiroFish项目讲解

MiroFish Demo Video

点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频

2. 《红楼梦》失传结局推演预测

MiroFish Demo Video

点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局

金融方向推演预测、时政要闻推演预测等示例陆续更新中...

🔄 工作流程

  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话

🚀 快速开始

一、源码部署（推荐）

前置要求

工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -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_keyLLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1LLM_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

📬 更多交流

QQ交流群

MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com

📄 致谢

MiroFish 得到了盛大集团的战略支持和孵化！

MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！

📈 项目统计

Star History Chart

About

A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物

mirofish.ai

Resources

Readme
License
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Contributors

Languages

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Add copy buttons to all 
 blocks\n(function() {\n function addCopyButtons() {\n document.querySelectorAll('pre code').forEach(function(codeBlock) {\n if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;\n codeBlock.parentElement.setAttribute('data-copy-added', 'true');\n \n var btn = document.createElement('button');\n btn.textContent = 'Copy';\n btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';\n btn.onmouseover = function() { this.style.opacity = '1'; };\n btn.onmouseout = function() { this.style.opacity = '0.7'; };\n btn.onclick = function() {\n navigator.clipboard.writeText(codeBlock.textContent).then(function() {\n btn.textContent = 'Copied!';\n setTimeout(function() { btn.textContent = 'Copy'; }, 1500);\n });\n };\n codeBlock.parentElement.style.position = 'relative';\n codeBlock.parentElement.appendChild(btn);\n });\n }\n \n addCopyButtons();\n \n // Re-run on dynamic content\n var observer = new MutationObserver(addCopyButtons);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Add Copy Buttons to Code Blocks");
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '

Skip to content
BranchesTags
Repository files navigation
MiroFish Logo
666ghj%2FMiroFish | Trendshift
简洁通用的群体智能引擎，预测万物

A Simple and Universal Swarm Intelligence Engine, Predicting Anything
666ghj%2MiroFish | Shanda
GitHub StarsGitHub WatchersGitHub ForksDockerAsk DeepWiki
DiscordXInstagram
English | 中文文档
⚡ 项目概述
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。
你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求

MiroFish 将返回：一份详尽的预测报告，以及一个可深度交互的高保真数字世界
我们的愿景
MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：
  • 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
从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。
🌐 在线体验
欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：mirofish-live-demo
📸 系统截图
截图1截图2
截图3截图4
截图5截图6
🎬 演示视频
1. 武汉大学舆情推演预测 + MiroFish项目讲解
MiroFish Demo Video
点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频
2. 《红楼梦》失传结局推演预测
MiroFish Demo Video
点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局
金融方向推演预测、时政要闻推演预测等示例陆续更新中...
🔄 工作流程
  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
🚀 快速开始
一、源码部署（推荐）
前置要求
工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -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_keyLLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1LLM_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
📬 更多交流
QQ交流群
MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com
📄 致谢
MiroFish 得到了盛大集团的战略支持和孵化！
MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！
📈 项目统计
Star History Chart
About
A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物
mirofish.ai
Resources
Readme
License
Activity
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Force GitHub README to respect dark mode\n(function() {\n var style = document.createElement('style');\n style.textContent = '\n .markdown-body {\n color-scheme: dark light;\n }\n .markdown-body pre { background: #161b22 !important; }\n .markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }\n .markdown-body table th, .markdown-body table td { border-color: #30363d !important; }\n .markdown-body img { background: #0d1117; }\n .markdown-body blockquote { border-left-color: #8b949e; }\n .markdown-body hr { border-color: #30363d; }\n ';\n document.head.appendChild(style);\n})();", "GitHub Dark Mode README Fix");
}
} catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
MiroFish Logo
666ghj%2FMiroFish | Trendshift
简洁通用的群体智能引擎，预测万物

A Simple and Universal Swarm Intelligence Engine, Predicting Anything
666ghj%2MiroFish | Shanda
GitHub StarsGitHub WatchersGitHub ForksDockerAsk DeepWiki
DiscordXInstagram
English | 中文文档
⚡ 项目概述
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。
你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求

MiroFish 将返回：一份详尽的预测报告，以及一个可深度交互的高保真数字世界
我们的愿景
MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：
  • 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
从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。
🌐 在线体验
欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：mirofish-live-demo
📸 系统截图
截图1截图2
截图3截图4
截图5截图6
🎬 演示视频
1. 武汉大学舆情推演预测 + MiroFish项目讲解
MiroFish Demo Video
点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频
2. 《红楼梦》失传结局推演预测
MiroFish Demo Video
点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局
金融方向推演预测、时政要闻推演预测等示例陆续更新中...
🔄 工作流程
  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
🚀 快速开始
一、源码部署（推荐）
前置要求
工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -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_keyLLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1LLM_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
📬 更多交流
QQ交流群
MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com
📄 致谢
MiroFish 得到了盛大集团的战略支持和孵化！
MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！
📈 项目统计
Star History Chart
About
A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物
mirofish.ai
Resources
Readme
License
Activity
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Highlight search terms from Google/DuckDuckGo/Bing referrer\n(function() {\n var ref = document.referrer;\n var terms = [];\n \n if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {\n var url = new URL(ref);\n var q = url.searchParams.get('q') || url.searchParams.get('p');\n if (q) {\n terms = q.split(/\\s+/).filter(function(t) { return t.length > 2; });\n }\n }\n \n if (terms.length === 0) return;\n \n var style = document.createElement('style');\n style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';\n document.head.appendChild(style);\n \n function highlight(node) {\n if (node.nodeType === 3) { // text node\n var text = node.textContent;\n var found = false;\n terms.forEach(function(term) {\n var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\\]\\\\]/g, '\\\\') + ')', 'gi');\n if (regex.test(text)) {\n found = true;\n var frag = document.createDocumentFragment();\n var parts = text.split(regex);\n parts.forEach(function(part, i) {\n if (i % 2 === 0) {\n frag.appendChild(document.createTextNode(part));\n } else {\n var span = document.createElement('span');\n span.className = 'userscript-highlight';\n span.textContent = part;\n frag.appendChild(span);\n }\n });\n node.parentNode.replaceChild(frag, node);\n }\n });\n } else if (node.nodeType === 1 && node.childNodes) { // element\n var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];\n if (!skipTags.includes(node.tagName)) {\n Array.from(node.childNodes).forEach(highlight);\n }\n }\n }\n \n highlight(document.body);\n \n // Re-highlight on dynamic content\n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1 || node.nodeType === 3) highlight(node);\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Highlight Search Terms");
}
} catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
MiroFish Logo
666ghj%2FMiroFish | Trendshift
简洁通用的群体智能引擎，预测万物

A Simple and Universal Swarm Intelligence Engine, Predicting Anything
666ghj%2MiroFish | Shanda
GitHub StarsGitHub WatchersGitHub ForksDockerAsk DeepWiki
DiscordXInstagram
English | 中文文档
⚡ 项目概述
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。
你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求

MiroFish 将返回：一份详尽的预测报告，以及一个可深度交互的高保真数字世界
我们的愿景
MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：
  • 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
从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。
🌐 在线体验
欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：mirofish-live-demo
📸 系统截图
截图1截图2
截图3截图4
截图5截图6
🎬 演示视频
1. 武汉大学舆情推演预测 + MiroFish项目讲解
MiroFish Demo Video
点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频
2. 《红楼梦》失传结局推演预测
MiroFish Demo Video
点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局
金融方向推演预测、时政要闻推演预测等示例陆续更新中...
🔄 工作流程
  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
🚀 快速开始
一、源码部署（推荐）
前置要求
工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -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_keyLLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1LLM_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
📬 更多交流
QQ交流群
MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com
📄 致谢
MiroFish 得到了盛大集团的战略支持和孵化！
MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！
📈 项目统计
Star History Chart
About
A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物
mirofish.ai
Resources
Readme
License
Activity
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Strip utm_, fbclid, gclid, etc. from all links on page\n(function() {\n var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',\n 'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',\n 'ref', 'ref_src', 'source', 'medium', 'campaign'];\n \n function cleanUrl(url) {\n try {\n var u = new URL(url, window.location.origin);\n var changed = false;\n trackingParams.forEach(function(p) {\n if (u.searchParams.has(p)) {\n u.searchParams.delete(p);\n changed = true;\n }\n });\n return changed ? u.toString() : url;\n } catch (e) {\n return url;\n }\n }\n \n function cleanLinks() {\n document.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n \n cleanLinks();\n \n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1) {\n if (node.tagName === 'A') cleanLinks();\n node.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Remove Tracking Parameters from Links");
}
} catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); }
})();
(function(){
try {
var __m = "youtube.com";
var __re = new RegExp('^' + "youtube\\.com" + '

Skip to content
BranchesTags
Repository files navigation
MiroFish Logo
666ghj%2FMiroFish | Trendshift
简洁通用的群体智能引擎，预测万物

A Simple and Universal Swarm Intelligence Engine, Predicting Anything
666ghj%2MiroFish | Shanda
GitHub StarsGitHub WatchersGitHub ForksDockerAsk DeepWiki
DiscordXInstagram
English | 中文文档
⚡ 项目概述
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。
你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求

MiroFish 将返回：一份详尽的预测报告，以及一个可深度交互的高保真数字世界
我们的愿景
MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：
  • 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
从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。
🌐 在线体验
欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：mirofish-live-demo
📸 系统截图
截图1截图2
截图3截图4
截图5截图6
🎬 演示视频
1. 武汉大学舆情推演预测 + MiroFish项目讲解
MiroFish Demo Video
点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频
2. 《红楼梦》失传结局推演预测
MiroFish Demo Video
点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局
金融方向推演预测、时政要闻推演预测等示例陆续更新中...
🔄 工作流程
  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
🚀 快速开始
一、源码部署（推荐）
前置要求
工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -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_keyLLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1LLM_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
📬 更多交流
QQ交流群
MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com
📄 致谢
MiroFish 得到了盛大集团的战略支持和孵化！
MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！
📈 项目统计
Star History Chart
About
A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物
mirofish.ai
Resources
Readme
License
Activity
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Auto-enable theater mode on YouTube\n(function() {\n function tryTheater() {\n var btn = document.querySelector('button[aria-label=\"Theater mode\"], ytd-player #player button[title=\"Theater mode\"]');\n if (btn && !btn.classList.contains('activated')) {\n btn.click();\n }\n }\n \n // Try immediately\n tryTheater();\n \n // Try after navigation (SPA)\n var lastUrl = location.href;\n setInterval(function() {\n if (location.href !== lastUrl) {\n lastUrl = location.href;\n setTimeout(tryTheater, 500);\n }\n }, 1000);\n \n // Also try on player load\n var observer = new MutationObserver(tryTheater);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "YouTube Theater Mode Default");
}
} catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
MiroFish Logo
666ghj%2FMiroFish | Trendshift
简洁通用的群体智能引擎，预测万物

A Simple and Universal Swarm Intelligence Engine, Predicting Anything
666ghj%2MiroFish | Shanda
GitHub StarsGitHub WatchersGitHub ForksDockerAsk DeepWiki
DiscordXInstagram
English | 中文文档
⚡ 项目概述
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。
你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求

MiroFish 将返回：一份详尽的预测报告，以及一个可深度交互的高保真数字世界
我们的愿景
MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：
  • 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
从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。
🌐 在线体验
欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：mirofish-live-demo
📸 系统截图
截图1截图2
截图3截图4
截图5截图6
🎬 演示视频
1. 武汉大学舆情推演预测 + MiroFish项目讲解
MiroFish Demo Video
点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频
2. 《红楼梦》失传结局推演预测
MiroFish Demo Video
点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局
金融方向推演预测、时政要闻推演预测等示例陆续更新中...
🔄 工作流程
  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
🚀 快速开始
一、源码部署（推荐）
前置要求
工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -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_keyLLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1LLM_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
📬 更多交流
QQ交流群
MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com
📄 致谢
MiroFish 得到了盛大集团的战略支持和孵化！
MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！
📈 项目统计
Star History Chart
About
A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物
mirofish.ai
Resources
Readme
License
Activity
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Remove or un-stick sticky/fixed headers that block content\n(function() {\n function unstick() {\n document.querySelectorAll('header, nav, [role=\"banner\"], .header, .navbar, .sticky, .fixed-top, [style*=\"position: fixed\"], [style*=\"position:sticky\"]').forEach(function(el) {\n if (el.style.position === 'fixed' || el.style.position === 'sticky' || \n getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {\n el.style.position = 'static';\n el.style.top = 'auto';\n el.style.zIndex = 'auto';\n }\n });\n }\n \n unstick();\n \n var observer = new MutationObserver(unstick);\n observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });\n})();", "Kill Sticky Headers");
}
} catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Repository files navigation
MiroFish Logo
666ghj%2FMiroFish | Trendshift
简洁通用的群体智能引擎，预测万物

A Simple and Universal Swarm Intelligence Engine, Predicting Anything
666ghj%2MiroFish | Shanda
GitHub StarsGitHub WatchersGitHub ForksDockerAsk DeepWiki
DiscordXInstagram
English | 中文文档
⚡ 项目概述
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。
你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求

MiroFish 将返回：一份详尽的预测报告，以及一个可深度交互的高保真数字世界
我们的愿景
MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：
  • 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
从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。
🌐 在线体验
欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：mirofish-live-demo
📸 系统截图
截图1截图2
截图3截图4
截图5截图6
🎬 演示视频
1. 武汉大学舆情推演预测 + MiroFish项目讲解
MiroFish Demo Video
点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频
2. 《红楼梦》失传结局推演预测
MiroFish Demo Video
点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局
金融方向推演预测、时政要闻推演预测等示例陆续更新中...
🔄 工作流程
  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
🚀 快速开始
一、源码部署（推荐）
前置要求
工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -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_keyLLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1LLM_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
📬 更多交流
QQ交流群
MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com
📄 致谢
MiroFish 得到了盛大集团的战略支持和孵化！
MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！
📈 项目统计
Star History Chart
About
A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物
mirofish.ai
Resources
Readme
License
Activity
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Universal Dark Mode - works on any site\n(function() {\n var enabled = true;\n \n function applyDarkMode() {\n if (!enabled) return;\n \n // Create style element if it doesn't exist\n var style = document.getElementById('universal-dark-mode-style');\n if (!style) {\n style = document.createElement('style');\n style.id = 'universal-dark-mode-style';\n document.head.appendChild(style);\n }\n \n // Dark mode CSS - inverts colors but preserves images/video\n style.textContent = '\n /* Invert everything except media */\n html {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #1a1a2e !important;\n }\n \n /* Restore images, videos, iframes, canvas */\n img, video, iframe, canvas, svg, picture, [style*=\"background-image\"] {\n filter: invert(1) hue-rotate(180deg) !important;\n }\n \n /* Preserve specific elements that should not be inverted */\n .no-dark-mode, .no-dark-mode *,\n [data-theme=\"light\"], [data-theme=\"light\"],\n .ace_editor, .ace_editor *,\n .CodeMirror, .CodeMirror *,\n .monaco-editor, .monaco-editor *,\n .markdown-body pre, .markdown-body pre *,\n .highlight, .highlight *,\n pre code, pre code * {\n filter: none !important;\n }\n \n /* Fix common UI elements */\n .modal, .popup, .dropdown-menu, .tooltip, .popover {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #2d2d44 !important;\n border-color: #444 !important;\n }\n \n /* Scrollbars */\n ::-webkit-scrollbar { background: #1a1a2e !important; }\n ::-webkit-scrollbar-thumb { background: #444 !important; }\n ::-webkit-scrollbar-thumb:hover { background: #555 !important; }\n \n /* Selection */\n ::selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ::-moz-selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ';\n }\n \n function removeDarkMode() {\n var style = document.getElementById('universal-dark-mode-style');\n if (style) style.remove();\n }\n \n // Toggle with Alt+Shift+D\n document.addEventListener('keydown', function(e) {\n if (e.altKey && e.shiftKey && e.key === 'D') {\n e.preventDefault();\n enabled = !enabled;\n if (enabled) {\n applyDarkMode();\n console.log('[Universal Dark Mode] Enabled');\n } else {\n removeDarkMode();\n console.log('[Universal Dark Mode] Disabled');\n }\n }\n });\n \n // Apply on load\n applyDarkMode();\n \n // Re-apply on dynamic content\n var observer = new MutationObserver(function(mutations) {\n if (enabled && !document.getElementById('universal-dark-mode-style')) {\n applyDarkMode();\n }\n });\n observer.observe(document.head, { childList: true });\n \n console.log('[Universal Dark Mode] Loaded - Press Alt+Shift+D to toggle');\n})();", "Universal Dark Mode");
}
} catch(__e) { console.warn('[Userscript:Universal Dark Mode]', __e); }
})();
})();

Skip to content
BranchesTags
Repository files navigation
MiroFish Logo
666ghj%2FMiroFish | Trendshift
简洁通用的群体智能引擎，预测万物

A Simple and Universal Swarm Intelligence Engine, Predicting Anything
666ghj%2MiroFish | Shanda
GitHub StarsGitHub WatchersGitHub ForksDockerAsk DeepWiki
DiscordXInstagram
English | 中文文档
⚡ 项目概述
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。
你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求

MiroFish 将返回：一份详尽的预测报告，以及一个可深度交互的高保真数字世界
我们的愿景
MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：
  • 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
从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。
🌐 在线体验
欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：mirofish-live-demo
📸 系统截图
截图1截图2
截图3截图4
截图5截图6
🎬 演示视频
1. 武汉大学舆情推演预测 + MiroFish项目讲解
MiroFish Demo Video
点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频
2. 《红楼梦》失传结局推演预测
MiroFish Demo Video
点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局
金融方向推演预测、时政要闻推演预测等示例陆续更新中...
🔄 工作流程
  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
🚀 快速开始
一、源码部署（推荐）
前置要求
工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -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_keyLLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1LLM_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
📬 更多交流
QQ交流群
MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com
📄 致谢
MiroFish 得到了盛大集团的战略支持和孵化！
MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！
📈 项目统计
Star History Chart
About
A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物
mirofish.ai
Resources
Readme
License
Activity
Stars
0 stars
Watchers
0 watching
Forks
0 forks
Report repository
Releases
Packages
Contributors
Languages