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 Stars](https://img.shields.io/github/stars/666ghj/MiroFish?style=flat-square&color=DAA520)](https://github.com/666ghj/MiroFish/stargazers) [![GitHub Watchers](https://img.shields.io/github/watchers/666ghj/MiroFish?style=flat-square)](https://github.com/666ghj/MiroFish/watchers) [![GitHub Forks](https://img.shields.io/github/forks/666ghj/MiroFish?style=flat-square)](https://github.com/666ghj/MiroFish/network) [![Docker](https://img.shields.io/badge/Docker-Build-2496ED?style=flat-square&logo=docker&logoColor=white)](https://hub.docker.com/) [![Ask DeepWiki](https://deepwiki.com/badge.svg)](https://deepwiki.com/666ghj/MiroFish) [![Discord](https://img.shields.io/badge/Discord-Join-5865F2?style=flat-square&logo=discord&logoColor=white)](http://discord.gg/ePf5aPaHnA) [![X](https://img.shields.io/badge/X-Follow-000000?style=flat-square&logo=x&logoColor=white)](https://x.com/mirofish_ai) [![Instagram](https://img.shields.io/badge/Instagram-Follow-E4405F?style=flat-square&logo=instagram&logoColor=white)](https://www.instagram.com/mirofish_ai/) [English](./README.md) | [中文文档](./README-ZH.md)

## ⚡ 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](https://666ghj.github.io/mirofish-demo/) ## 📸 系统截图

## 🎬 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、Docker 部署（推荐） Docker 部署一键启动整个栈 —— 前端、后端和 Neo4j。 ```bash # 1. 复制并配置环境变量 cp .env.example .env # 编辑 .env，填入 LLM_API_KEY（如需覆盖默认 Neo4j 密码也一并修改） # 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。 ### 二、源码部署 #### 前置要求 | 工具 | 版本要求 | 说明 | 安装检查 | |------|---------|------|---------| | **Node.js** | 18+ | 前端运行环境，包含 npm | `node -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` | | **Neo4j** | 5.x Community | 本地知识图谱数据库 | `neo4j --version` | **安装 Neo4j（选择适合你的方式）：** ```bash # macOS brew install neo4j # Linux (Debian/Ubuntu) # 参考官方文档：https://neo4j.com/docs/operations-manual/current/installation/linux/ # Windows / 所有平台 # 下载 Desktop 版本：https://neo4j.com/download/ # 首次启动前设置密码，然后启动服务 neo4j-admin dbms set-initial-password your_neo4j_password neo4j start ``` #### 1. 配置环境变量 ```bash # 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：** ```env # 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_key LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 LLM_MODEL_NAME=qwen-plus # 知识图谱配置（本地 Neo4j + Graphiti，免费无限制） NEO4J_URI=bolt://localhost:7687 NEO4J_USER=neo4j NEO4J_PASSWORD=your_neo4j_password # Embedding 模型（使用非 OpenAI 厂商时取消注释，例如 Gemini） # EMBEDDING_MODEL=gemini-embedding-001 ``` **可选 —— 加速 LLM 配置：** 如果有更快或更便宜的供应商，可以把辅助调用路由过去。 **未使用时请整段省略**（不要保留占位符）。 ```env LLM_BOOST_API_KEY=your_api_key_here LLM_BOOST_BASE_URL=your_base_url_here LLM_BOOST_MODEL_NAME=your_model_name_here ``` > **注意：** MiroFish 已从 Zep Cloud 迁移至本地 **Graphiti + Neo4j**，无需注册任何第三方知识图谱服务，完全免费且无速率限制。 #### 2. 安装依赖 ```bash # 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： ```bash # 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 ```bash # 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：** ```bash npm run backend # 仅启动后端 npm run frontend # 仅启动前端 ``` ## 📬 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](https://github.com/camel-ai/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