一个20岁的大四学生，凭借一个既能进行宏观推演、也能做微观模拟的引擎Demo，在24小时内获得了陈天桥3000万的注资。这听起来像电影情节，但它真切地发生在这个AI时代。
这个引擎名叫 MiroFish。它的前身是作者为完成毕业设计而做的开源项目 BettaFish——一个能自动爬取30多个社交媒体、并生成舆情分析报告的多智能体系统，该项目最终在 GitHub 上收获了37k star。
BettaFish 意外爆火之后，作者没有停下。他发现这个系统只能告诉你「发生了什么」，却回答不了「接下来会怎样」。于是他开始思考：如果让 AI 去模拟未来呢？这个问题，最终演化成了 MiroFish。这背后体现的，或许是这个时代真正稀缺的能力：强大的执行力、深度的思考力，以及那一点不甘于“够用”的想象力。
MiroFish 是一款基于多智能体技术的新一代 AI预测引擎。其核心在于，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），自动构建出一个高保真的平行数字世界。在这个虚拟空间内，成千上万个具备独立人格、长期记忆与行为逻辑的智能体将进行自由交互与社会演化。你可以透过「上帝视角」动态注入变量，精准推演事件未来的各种走向——让未来在数字沙盘中预演，助决策在百战模拟后胜出。
以下是 MiroFish 系统的主要功能界面截图，帮助您直观了解其工作流程与强大能力。
项目介绍页，支持上传PDF、TXT等格式文件作为模拟种子。
图谱关系可视化界面与工作台，展示实体网络、Agent生成状态及系统配置。
系统对初始关系进行推理，并列出相关的热点话题与关联实体序列。
预测报告撰写界面，左侧为生成中的报告内容，右侧为任务规划与执行日志。
生成的舆情预测报告（左）与深度互动工具集（右），支持与Report Agent或虚拟个体对话。
图谱中某个实体节点（如“公园绿地”）的详细信息展示。
MiroFish 的模拟预测遵循一个清晰、自动化的五步流程：
- 图谱构建：从上传的“现实种子”材料中提取关键信息，将个体与群体记忆注入系统，并基于此构建 GraphRAG（图检索增强生成）知识库。
- 环境搭建：进行实体关系抽取与“人设”生成，由环境配置Agent自动注入仿真的时间流、行为频率等关键参数。
- 开始模拟：启动双平台并行模拟，系统自动解析你的自然语言预测需求，并在模拟过程中动态更新所有智能体的时序记忆。
- 报告生成：专属的 Report Agent 利用其丰富的工具集，对模拟后的环境进行深度分析，自动撰写结构化的预测报告。
- 深度互动：你可以与模拟世界中的任意一个智能体进行对话，也可以直接与 Report Agent 进行问答，深入探究模拟的每一个细节。
前置要求
确保你的开发环境满足以下工具的最低版本要求。
1. 配置环境变量
必需的环境变量：
GPT plus 代充 只需 145
2. 安装依赖
或者分步安装：
GPT plus 代充 只需 145
3. 启动服务
服务地址：
- 前端：
- 后端 API：
单独启动：
GPT plus 代充 只需 145
默认会读取根目录下的 文件，并映射端口 和 。
在 中已通过注释提供加速镜像地址，可按需替换。
从“发生了什么”到“接下来会怎样”，MiroFish 代表了一种更为前瞻的AI应用范式。无论是用于市场推演、舆情分析还是政策评估，它都为复杂系统的未来预测提供了一个可编程、可交互的沙盘。如果你对多智能体、模拟仿真或预测分析感兴趣，这个项目绝对值得深入研究和尝试。欢迎在技术社区，例如 云栈社区，分享你的部署心得或模拟案例。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/236897.html