9.6 KiB
简洁通用的群体智能引擎，预测万物
A Simple and Universal Swarm Intelligence Engine, Predicting Anything
Idiomas / Languages: English · 中文 · Español · Français · Português · Русский · Deutsch
⚡ Visão geral
MiroFish é um motor de previsão com IA de nova geração impulsionado por tecnologia multiagente. Ao extrair informações semente do mundo real (como notícias de última hora, rascunhos de políticas ou sinais financeiros), constrói automaticamente um mundo digital paralelo de alta fidelidade. Neste espaço, milhares de agentes inteligentes com personalidades independentes, memória de longo prazo e lógica comportamental interagem livremente e evoluem socialmente. Você pode injetar variáveis dinamicamente de uma «visão divina» para deduzir com precisão trajetórias futuras — ensaiar o futuro em um sandbox digital e vencer decisões após inúmeras simulações.
Você só precisa: enviar materiais semente (relatórios de análise de dados ou histórias interessantes) e descrever seus requisitos de previsão em linguagem natural
MiroFish retornará: um relatório de previsão detalhado e um mundo digital interativo de alta fidelidade
Nossa visão
MiroFish dedica-se a criar um espelho de inteligência coletiva que reflete a realidade. Ao capturar a emergência coletiva provocada por interações individuais, superamos as limitações da previsão tradicional:
- No nível macro: somos um laboratório de ensaio para tomadores de decisão, permitindo testar políticas e relações públicas sem risco
- No nível micro: somos um sandbox criativo para usuários individuais — seja deduzir finais de romances ou explorar cenários imaginativos, tudo pode ser divertido e acessível
De previsões sérias a simulações lúdicas, permitimos que cada «e se» veja seu resultado, tornando possível prever qualquer coisa.
🌐 Demo online
Visite nosso ambiente de demonstração online e experimente uma simulação de previsão sobre eventos de opinião pública que preparamos para você: mirofish-live-demo
📸 Capturas de tela
 |
 |
 |
 |
 |
 |
🎬 Vídeos de demonstração
1. Simulação de opinião pública da Universidade de Wuhan + Introdução ao projeto MiroFish
Clique na imagem para assistir ao vídeo completo de previsão usando o «Relatório de opinião pública de Wuhan» gerado pelo BettaFish
2. Simulação do final perdido de «Sonho do pavilhão vermelho»
Clique na imagem para ver a previsão profunda do MiroFish sobre o final perdido com base em centenas de milhares de palavras dos primeiros 80 capítulos de «Sonho do pavilhão vermelho»
Mais exemplos de previsão financeira, previsão de notícias políticas, etc. em breve...
🔄 Fluxo de trabalho
- Construção do grafo: Extração de sementes e injeção de memória individual/coletiva e construção GraphRAG
- Configuração do ambiente: Extração de relações entre entidades, geração de personas e injeção de configuração de agentes
- Simulação: Simulação paralela em dupla plataforma, análise automática de requisitos de previsão e atualizações dinâmicas de memória temporal
- Geração de relatórios: ReportAgent com um rico conjunto de ferramentas para interação profunda com o ambiente pós-simulação
- Interação profunda: Converse com qualquer agente do mundo simulado e interaja com o ReportAgent
🚀 Início rápido
Opção 1: Implantação a partir do código-fonte (recomendado)
Pré-requisitos
| Ferramenta | Versão | Descrição | Verificar instalação |
|---|---|---|---|
| Node.js | 18+ | Ambiente de execução frontend, inclui npm | node -v |
| Python | ≥3.11, ≤3.12 | Ambiente de execução backend | python --version |
| uv | Mais recente | Gerenciador de pacotes Python | uv --version |
1. Configurar variáveis de ambiente
# Copiar o arquivo de configuração de exemplo
cp .env.example .env
# Editar o arquivo .env e preencher as chaves API necessárias
Variáveis de ambiente obrigatórias:
# Configuração de API LLM (compatível com qualquer API LLM no formato OpenAI SDK)
# Recomendado: modelo Qwen-plus da Alibaba via Bailian Platform: https://bailian.console.aliyun.com/
# Alto consumo, tente primeiro simulações com menos de 40 rodadas
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
# Configuração Zep Cloud
# A cota mensal gratuita é suficiente para uso simples: https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key
2. Instalar dependências
# Instalação de todas as dependências com um comando (raiz + frontend + backend)
npm run setup:all
Ou instalar passo a passo:
# Instalar dependências Node (raiz + frontend)
npm run setup
# Instalar dependências Python (backend, cria ambiente virtual automaticamente)
npm run setup:backend
3. Iniciar serviços
# Iniciar frontend e backend (executar a partir da raiz do projeto)
npm run dev
URLs dos serviços:
- Frontend:
http://localhost:3000 - API Backend:
http://localhost:5001
Iniciar separadamente:
npm run backend # Apenas backend
npm run frontend # Apenas frontend
Opção 2: Implantação com Docker
# 1. Configurar variáveis de ambiente (igual à implantação por código)
cp .env.example .env
# 2. Baixar imagem e iniciar
docker compose up -d
Lê .env do diretório raiz por padrão, mapeia portas 3000 (frontend) / 5001 (backend)
O endereço mirror para download mais rápido é fornecido como comentários em
docker-compose.yml, substituir se necessário.
📬 Participe da conversa
A equipe MiroFish está recrutando posições em tempo integral/estágio. Se você se interessa por simulação multiagente e aplicações LLM, envie seu currículo para: mirofish@shanda.com
📄 Agradecimentos
MiroFish recebeu apoio estratégico e incubação do Shanda Group!
O motor de simulação do MiroFish é impulsionado por OASIS (Open Agent Social Interaction Simulations). Agradecemos sinceramente à equipe CAMEL-AI por suas contribuições open source!