## ⚡ Überblick
**MiroFish** ist eine KI-Prognose-Engine der nächsten Generation, die auf Multi-Agenten-Technologie basiert. Durch die Extraktion von Ausgangsinformationen aus der realen Welt (wie Eilmeldungen, Politikentwürfe oder Finanzsignale) wird automatisch eine hochpräzise parallele digitale Welt aufgebaut. In diesem Raum interagieren Tausende intelligenter Agenten mit unabhängigen Persönlichkeiten, Langzeitgedächtnis und Verhaltenslogik frei und durchlaufen soziale Evolution. Sie können Variablen dynamisch aus der «Gottperspektive» injizieren, um zukünftige Entwicklungen präzise abzuleiten — **proben Sie die Zukunft in einer digitalen Sandbox und treffen Sie Entscheidungen nach unzähligen Simulationen**.
> Sie müssen nur: Ausgangsmaterialien hochladen (Datenanalyseberichte oder interessante Geschichten) und Ihre Prognoseanforderungen in natürlicher Sprache beschreiben
> MiroFish liefert: einen detaillierten Prognosebericht und eine interaktive hochpräzise digitale Welt
### Unsere Vision
MiroFish widmet sich der Schaffung eines Schwarmintelligenz-Spiegels, der die Realität abbildet. Durch die Erfassung kollektiver Emergenz, die durch individuelle Interaktionen ausgelöst wird, überwinden wir die Grenzen traditioneller Prognosen:
- **Auf Makroebene**: Wir sind ein Probelabor für Entscheidungsträger, das Politik und PR risikofrei testen lässt
- **Auf Mikroebene**: Wir sind eine kreative Sandbox für Einzelnutzer — ob Romanendungen ableiten oder fantasievolle Szenarien erkunden, alles kann unterhaltsam und zugänglich sein
Von ernsthaften Prognosen bis zu spielerischen Simulationen — wir lassen jedes «Was wäre, wenn» sein Ergebnis sehen und machen es möglich, alles vorherzusagen.
## 🌐 Live-Demo
Besuchen Sie unsere Online-Demo-Umgebung und erleben Sie eine Prognosesimulation zu aktuellen Meinungsereignissen, die wir für Sie vorbereitet haben: [mirofish-live-demo](https://666ghj.github.io/mirofish-demo/)
## 📸 Screenshots
## 🎬 Demo-Videos
### 1. Simulation der öffentlichen Meinung der Universität Wuhan + MiroFish-Projektvorstellung
Klicken Sie auf das Bild, um das vollständige Demo-Video zur Prognose mit dem von BettaFish generierten «Bericht zur öffentlichen Meinung der Universität Wuhan» anzusehen
### 2. Simulation des verlorenen Endes von «Traum der roten Kammer»
Klicken Sie auf das Bild, um MiroFishs tiefgreifende Prognose des verlorenen Endes basierend auf Hunderttausenden von Wörtern aus den ersten 80 Kapiteln von «Traum der roten Kammer» anzusehen
> Weitere Beispiele für **Finanzprognosen**, **politische Nachrichtenprognosen** usw. folgen in Kürze...
## 🔄 Arbeitsablauf
1. **Graph-Aufbau**: Samenextraktion und Injektion individueller/kollektiver Erinnerung sowie GraphRAG-Konstruktion
2. **Umgebungseinrichtung**: Extraktion von Entitätsbeziehungen, Persona-Generierung und Agentenkonfigurations-Injektion
3. **Simulation**: Parallele Simulation auf zwei Plattformen, automatische Analyse der Prognoseanforderungen und dynamische zeitliche Speicheraktualisierungen
4. **Berichtserstellung**: ReportAgent mit umfangreichem Toolset für tiefe Interaktion mit der post-simulations Umgebung
5. **Tiefe Interaktion**: Chatten Sie mit jedem Agenten in der simulierten Welt und interagieren Sie mit ReportAgent
## 🚀 Schnellstart
### Option 1: Quellcode-Bereitstellung (empfohlen)
#### Voraussetzungen
| Tool | Version | Beschreibung | Installation prüfen |
|------|---------|-------------|-------------------|
| **Node.js** | 18+ | Frontend-Laufzeit, inkl. npm | `node -v` |
| **Python** | ≥3.11, ≤3.12 | Backend-Laufzeit | `python --version` |
| **uv** | Neueste | Python-Paketmanager | `uv --version` |
#### 1. Umgebungsvariablen konfigurieren
```bash
# Beispielkonfigurationsdatei kopieren
cp .env.example .env
# .env-Datei bearbeiten und erforderliche API-Schlüssel eintragen
```
**Erforderliche Umgebungsvariablen:**
```env
# LLM-API-Konfiguration (unterstützt jede LLM-API im OpenAI-SDK-Format)
# Empfohlen: Alibaba Qwen-plus-Modell über Bailian Platform: https://bailian.console.aliyun.com/
# Hoher Verbrauch, testen Sie zuerst Simulationen mit weniger als 40 Runden
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
# Zep Cloud-Konfiguration
# Kostenloses Monatskontingent reicht für einfache Nutzung: https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key
```
#### 2. Abhängigkeiten installieren
```bash
# Alle Abhängigkeiten mit einem Befehl installieren (Root + Frontend + Backend)
npm run setup:all
```
Oder schrittweise installieren:
```bash
# Node-Abhängigkeiten installieren (Root + Frontend)
npm run setup
# Python-Abhängigkeiten installieren (Backend, erstellt automatisch virtuelle Umgebung)
npm run setup:backend
```
#### 3. Dienste starten
```bash
# Frontend und Backend gleichzeitig starten (vom Projektroot aus)
npm run dev
```
**Dienst-URLs:**
- Frontend: `http://localhost:3000`
- Backend-API: `http://localhost:5001`
**Einzeln starten:**
```bash
npm run backend # Nur Backend
npm run frontend # Nur Frontend
```
### Option 2: Docker-Bereitstellung
```bash
# 1. Umgebungsvariablen konfigurieren (wie bei Quellcode-Bereitstellung)
cp .env.example .env
# 2. Image abrufen und starten
docker compose up -d
```
Liest standardmäßig `.env` aus dem Root-Verzeichnis, mappt Ports `3000 (Frontend) / 5001 (Backend)`
> Mirror-Adresse für schnelleres Herunterladen ist als Kommentar in `docker-compose.yml` angegeben, bei Bedarf ersetzen.
## 📬 Werden Sie Teil der Community
Das MiroFish-Team sucht Vollzeit-/Praktikanten. Wenn Sie sich für Multi-Agenten-Simulation und LLM-Anwendungen interessieren, senden Sie Ihren Lebenslauf an: **mirofish@shanda.com**
## 📄 Danksagungen
**MiroFish hat strategische Unterstützung und Inkubation von Shanda Group erhalten!**
MiroFishs Simulations-Engine wird von **[OASIS (Open Agent Social Interaction Simulations)](https://github.com/camel-ai/oasis)** angetrieben. Wir danken dem CAMEL-AI-Team herzlich für ihre Open-Source-Beiträge!
## 📈 Projektstatistiken