9.7 KiB
简洁通用的群体智能引擎，预测万物
Um Motor de Inteligência de Enxame Simples e Universal, Preveja Qualquer Coisa
⚡ Visão Geral
O MiroFish é um motor de previsão de 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), ele constrói automaticamente um mundo digital paralelo de alta fidelidade. Dentro desse espaço, milhares de agentes inteligentes com personalidades independentes, memória de longo prazo e lógica comportamental interagem livremente e passam por uma evolução social. Você pode injetar variáveis dinamicamente com uma "visão divina" para deduzir trajetórias futuras com precisão — ensaie o futuro em um sandbox digital e vença 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
O MiroFish retornará: um relatório de previsão detalhado e um mundo digital interativo de alta fidelidade
Nossa Visão
O MiroFish é dedicado a criar um espelho de inteligência de enxame que mapeia a realidade. Ao capturar a emergência coletiva desencadeada por interações individuais, rompemos as limitações da previsão tradicional:
- No Nível Macro: somos um laboratório de ensaio para tomadores de decisão, permitindo que políticas e relações públicas sejam testadas sem risco
- No Nível Micro: somos um sandbox criativo para usuários individuais — seja deduzindo finais de romances ou explorando cenários imaginativos, tudo pode ser divertido, lúdico e acessível
Da previsão séria à simulação lúdica, deixamos que cada "e se" veja seu desfecho, tornando possível prever qualquer coisa.
🌐 Demonstração Ao Vivo
Visite nosso ambiente de demonstração online e experimente uma simulação de previsão sobre um evento de opinião pública em alta 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 de demonstração completo da previsão usando o "Relatório de Opinião Pública da Universidade de Wuhan" gerado pelo BettaFish
2. Simulação do Final Perdido de "Sonho da Câmara Vermelha"
Clique na imagem para assistir à previsão profunda do MiroFish sobre o final perdido, baseada em centenas de milhares de palavras dos 80 primeiros capítulos de "Sonho da Câmara Vermelha"
Previsão Financeira, Previsão de Notícias Políticas e mais exemplos em breve...
🔄 Fluxo de Trabalho
- Construção do Grafo: extração de sementes, injeção de memória individual/coletiva e construção de GraphRAG
- Configuração do Ambiente: extração de relações entre entidades, geração de personas e injeção de configuração de agentes
- Simulação: simulação paralela em duas plataformas, análise automática de requisitos de previsão e atualizações dinâmicas de memória temporal
- Geração do Relatório: ReportAgent com conjunto avançado de ferramentas para interação profunda com o ambiente pós-simulação
- Interação Profunda: converse com qualquer agente do mundo simulado e dialogue com o ReportAgent
🚀 Início Rápido
Opção 1: Implantação a Partir do Código-Fonte (Recomendado)
Pré-requisitos
| Ferramenta | Versão | Descrição | Verificar Instalação |
|---|---|---|---|
| Node.js | 18+ | Runtime do frontend, inclui npm | node -v |
| Python | ≥3.11, ≤3.12 | Runtime do backend | python --version |
| uv | Mais recente | Gerenciador de pacotes Python | uv --version |
1. Configurar Variáveis de Ambiente
# Copie o arquivo de configuração de exemplo
cp .env.example .env
# Edite o arquivo .env e preencha as chaves de API necessárias
Variáveis de Ambiente Obrigatórias:
# Configuração da API do LLM (suporta qualquer API de LLM no formato do SDK da OpenAI)
# Recomendado: modelo Alibaba Qwen-plus via Bailian Platform: https://bailian.console.aliyun.com/
# Consumo alto, experimente primeiro simulações com menos de 40 rodadas
LLM_API_KEY=sua_chave_api
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
# Configuração do Zep Cloud
# A cota mensal gratuita é suficiente para uso simples: https://app.getzep.com/
ZEP_API_KEY=sua_chave_api_zep
2. Instalar Dependências
# Instalação de todas as dependências em um só comando (raiz + frontend + backend)
npm run setup:all
Ou instale 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 os Serviços
# Iniciar frontend e backend (execute a partir da raiz do projeto)
npm run dev
URLs dos Serviços:
- Frontend:
http://localhost:3000 - API do Backend:
http://localhost:5001
Iniciar Individualmente:
npm run backend # Inicia apenas o backend
npm run frontend # Inicia apenas o frontend
Opção 2: Implantação com Docker
# 1. Configurar variáveis de ambiente (igual à implantação do código-fonte)
cp .env.example .env
# 2. Baixar a imagem e iniciar
docker compose up -d
Lê .env do diretório raiz por padrão e mapeia as portas 3000 (frontend) / 5001 (backend)
O endereço de espelho para download mais rápido está fornecido como comentários em
docker-compose.yml, substitua se necessário.
📬 Participe da Conversa
A equipe MiroFish está contratando para posições full-time/estágio. Se você tem interesse em simulação multiagente e aplicações de LLM, envie seu currículo para: mirofish@shanda.com
📄 Agradecimentos
O MiroFish recebeu apoio estratégico e incubação do Shanda Group!
O motor de simulação do MiroFish é impulsionado pelo OASIS (Open Agent Social Interaction Simulations). Agradecemos sinceramente à equipe CAMEL-AI por suas contribuições de código aberto!