MiroFish:模拟未来的多智能体 AI 预测引擎
数千个 AI 智能体在数字沙盘中预演明天的结果

如果你能在未来发生之前就预演一遍,会怎样?这正是 MiroFish 背后的理念——一款开源多智能体 AI 预测引擎,能够构建平行数字世界,在其中运行数千个拥有独立人格、记忆和行为逻辑的自主 AI 智能体。
什么是 MiroFish?
MiroFish 从真实世界的来源——新闻报道、政策草案、金融信号——中提取种子信息,并利用这些信息构建高保真的数字模拟。在这些模拟中,AI 智能体彼此互动、形成观点、进行社会演化,产生涌现性结果作为详细预测。
核心理念简洁而优雅:让未来在数字沙盘中预演,百次推演后再做决策。
用户上传种子材料,用自然语言描述预测需求,即可获得详尽的预测报告,并可在交互式沙盘中进行深度探索。
工作原理:五阶段流水线
MiroFish 遵循结构化的模拟流水线:
- 图谱构建 — 提取种子数据并通过 GraphRAG 注入知识图谱,为模拟建立信息基础。
- 环境配置 — 提取实体,生成具有独特个性的角色,并配置模拟参数。
- 模拟启动 — 数千个智能体在双平台模拟环境中并行运行,自动进行预测解读和时序记忆更新。
- 报告生成 — 专用 ReportAgent 使用多种分析工具综合发现,生成全面的预测报告。
- 深度交互 — 用户可以直接与模拟实体或分析智能体对话,注入动态变量,以"上帝视角"测试不同的未来走向。
核心功能
- 知识图谱构建 — 通过 GraphRAG 集成构建现实场景的结构化表示
- 自主智能体模拟 — 部署数千个具有独立人格、长期记忆和行为推理的智能体
- 双平台并行处理 — 同时运行多个模拟场景以加速获取结果
- 交互式分析 — 支持与模拟实体和报告智能体进行自然语言对话
- 动态变量注入 — 实时调整模拟参数以探索不同结果
- 个体与集体记忆 — 智能体同时维护个人记忆和共享群体知识
现实应用场景
MiroFish 在多个领域都展现出强大能力:
宏观预测
- 政策测试 — 在实施前模拟新法规可能对公众行为产生的影响
- 公关场景规划 — 模拟危机可能在社交网络上如何扩散
- 决策者模拟实验室 — 在零风险环境中测试战略决策
微观探索
- 叙事预测 — 团队展示了 MiroFish 基于超过 20 万字的原始材料预测经典文学作品的合理结局
- 创意探索 — 作家和内容创作者可以模拟故事情节的走向演变
领域分析
- 舆情预测 — 已成功通过武汉大学真实舆情场景验证
- 金融信号分析 — 模拟市场对经济事件的反应
- 社会趋势预测 — 理解文化变迁如何在人群中传播
技术栈
MiroFish 构建在现代化且易于使用的技术栈之上:
- 前端:Vue.js
- 后端:Python(3.11–3.12)
- 模拟引擎:基于 OASIS(CAMEL-AI 框架)
- 记忆系统:Zep Cloud 集成
- LLM 集成:任何兼容 OpenAI SDK 的 API(推荐阿里巴巴通义千问 Qwen-Plus)
- 部署:源码或 Docker,前端端口 3000,后端 API 端口 5001
部署非常简单——配置 .env 文件中的 LLM API 凭据,运行 npm run setup:all,然后 npm run dev 即可。
为什么重要
传统预测依赖统计模型,而统计模型在面对人类行为的复杂性时往往力不从心。MiroFish 采用了根本不同的方法:它不是建模趋势,而是建模人——数千个人——让他们的互动产生涌现性结果。
这种基于智能体的方法捕捉了统计方法所遗漏的动态:社会影响力、意见级联传播、行为反馈循环,以及使现实世界预测如此困难的那种非线性效应。
凭借超过 36,000 个 GitHub 星标以及盛大集团的战略支持,MiroFish 代表着让多智能体模拟走向研究人员、分析师和决策者的重要一步。
开始使用
MiroFish 采用 AGPL-3.0 许可证开源。在 GitHub 上探索项目,加入 Discord 社区,开始构建你自己的数字预测沙盘。
对 AI 驱动的生成工具感兴趣?Hypereal AI 为图像、视频和音频生成提供统一的 API 访问,接入最优秀的 AI 模型。

