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 informação-semente do mundo real (como notícias de última hora, esboços de políticas ou sinais financeiros), 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 atravessam uma evolução social. Pode injetar variáveis dinamicamente com uma "visão divina" para deduzir trajetórias futuras com precisão — ensaie o futuro num sandbox digital e vença decisões após inúmeras simulações.
Apenas precisa de: carregar materiais-semente (relatórios de análise de dados ou histórias interessantes) e descrever os seus requisitos de previsão em linguagem natural
O MiroFish devolverá: um relatório de previsão detalhado e um mundo digital interativo de alta fidelidade
A Nossa Visão
O MiroFish está 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:
- Ao Nível Macro: somos um laboratório de ensaio para decisores, permitindo que políticas e relações públicas sejam testadas sem risco
- Ao Nível Micro: somos um sandbox criativo para utilizadores individuais — seja a deduzir finais de romances ou a explorar cenários imaginativos, tudo pode ser divertido, lúdico e acessível
Da previsão séria à simulação lúdica, deixamos que cada "e se" veja o seu desfecho, tornando possível prever qualquer coisa.
🌐 Demonstração Ao Vivo
Visite o nosso ambiente de demonstração online e experimente uma simulação de previsão sobre um evento de opinião pública em destaque que preparámos para si: mirofish-live-demo
📸 Capturas de Ecrã
 |
 |
 |
 |
 |
 |
🎬 Vídeos de Demonstração
1. Simulação de Opinião Pública da Universidade de Wuhan + Introdução ao Projeto MiroFish
Clique na imagem para ver o vídeo de demonstração completo da previsão utilizando 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 ver a 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: Implementação 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 | Gestor de pacotes Python | uv --version |
1. Configurar Variáveis de Ambiente
# Copie o ficheiro de configuração de exemplo
cp .env.example .env
# Edite o ficheiro .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 elevado, experimente primeiro simulações com menos de 40 rondas
LLM_API_KEY=a_sua_chave_api
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
# Configuração do Zep Cloud
# A quota mensal gratuita é suficiente para uso simples: https://app.getzep.com/
ZEP_API_KEY=a_sua_chave_api_zep
2. Instalar Dependências
# Instalação de todas as dependências num 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: Implementação com Docker
# 1. Configurar variáveis de ambiente (igual à implementação por código-fonte)
cp .env.example .env
# 2. Transferir a imagem e iniciar
docker compose up -d
Lê .env do diretório raiz por predefinição e mapeia as portas 3000 (frontend) / 5001 (backend)
O endereço do espelho para transferência mais rápida está fornecido como comentários em
docker-compose.yml, substitua se necessário.
📬 Junte-se à Conversa
A equipa MiroFish está a recrutar para posições a tempo inteiro/estágio. Se tem interesse em simulação multiagente e aplicações de LLM, envie o 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 equipa CAMEL-AI pelas suas contribuições de código aberto!