9.6 KiB
Motor d'intel·ligència col·lectiva concís i universal, predient-ho tot
A Simple and Universal Swarm Intelligence Engine, Predicting Anything
⚡ Visió general
MiroFish és un motor de predicció de nova generació impulsat per tecnologia multi-agent. Extraient informació llavor del món real (com ara notícies d'última hora, esborranys de polítiques o senyals financeres), construeix automàticament un món digital paral·lel d'alta fidelitat. Dins d'aquest espai, milers d'agents intel·ligents amb personalitats independents, memòria a llarg termini i lògica conductual interactuen lliurement i experimenten evolució social. Pots injectar variables dinàmicament des d'una "perspectiva omniscient" per deduir amb precisió trajectòries futures — assaja el futur en un simulador digital i guanya decisions després d'incontables simulacions.
Només necessites: Pujar materials llavor (informes d'anàlisi de dades o històries novel·lades interessants) i descriure els teus requisits de predicció en llenguatge natural
MiroFish retornarà: Un informe de predicció detallat i un món digital d'alta fidelitat profundament interactiu
La nostra visió
MiroFish es dedica a crear un mirall d'intel·ligència col·lectiva que reflecteix la realitat. Capturant l'emergència col·lectiva desencadenada per les interaccions individuals, superem les limitacions de la predicció tradicional:
- A nivell macro: Som un laboratori d'assaig per a decisors, que permet provar polítiques i relacions públiques amb risc zero
- A nivell micro: Som un sandbox creatiu per a usuaris individuals — ja sigui deduint finals de novel·les o explorant escenaris imaginatius, tot pot ser divertit, lúdic i accessible
Des de prediccions serioses fins a simulacions lúdiques, fem que cada "i si...?" vegi el seu resultat, fent possible predir-ho tot.
🌐 Demo en viu
Visita el nostre entorn de demostració en línia i experimenta una simulació de predicció sobre esdeveniments d'opinió pública que hem preparat per a tu: mirofish-live-demo
📸 Captures de pantalla
 |
 |
 |
 |
 |
 |
🎬 Vídeos de demostració
1. Simulació d'opinió pública de la Universitat de Wuhan + Introducció al projecte MiroFish
Fes clic a la imatge per veure el vídeo de demostració complet de predicció usant l'"Informe d'Opinió Pública de la Universitat de Wuhan" generat per BettaFish
2. Simulació del final perdut de "El somni de la cambra vermella"
Fes clic a la imatge per veure la predicció profunda de MiroFish del final perdut basada en centenars de milers de paraules dels primers 80 capítols de "El somni de la cambra vermella"
Predicció financera, Predicció de notícies polítiques i més exemples properament...
🔄 Flux de treball
- Construcció del graf: Extracció de llavors & Injecció de memòria individual/col·lectiva & Construcció de GraphRAG
- Configuració de l'entorn: Extracció de relacions entre entitats & Generació de persones & Injecció de configuració d'Agents
- Simulació: Simulació paral·lela en dues plataformes & Anàlisi automàtica de requisits de predicció & Actualitzacions dinàmiques de memòria temporal
- Generació de l'informe: ReportAgent amb conjunt d'eines avançat per a la interacció profunda amb l'entorn post-simulació
- Interacció profunda: Xateja amb qualsevol agent del món simulat & Interactua amb ReportAgent
🚀 Inici ràpid
Opció 1: Desplegament des del codi font (Recomanat)
Requisits previs
| Eina | Versió | Descripció | Verificar instal·lació |
|---|---|---|---|
| Node.js | 18+ | Runtime de frontend, inclou npm | node -v |
| Python | ≥3.11, ≤3.12 | Runtime de backend | python --version |
| uv | Última | Gestor de paquets Python | uv --version |
1. Configurar les variables d'entorn
# Copiar el fitxer de configuració d'exemple
cp .env.example .env
# Editar el fitxer .env i omplir les claus API necessàries
Variables d'entorn requerides:
# Configuració de l'API LLM (suporta qualsevol API LLM amb format OpenAI SDK)
# Recomanat: Model Alibaba Qwen-plus via Bailian Platform: https://bailian.console.aliyun.com/
# Alt consum, prova primer simulacions amb menys de 40 rondes
LLM_API_KEY=la_teva_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
# Configuració de Zep Cloud
# La quota mensual gratuïta és suficient per a un ús bàsic: https://app.getzep.com/
ZEP_API_KEY=la_teva_zep_api_key
2. Instal·lar les dependències
# Instal·lació amb un clic de totes les dependències (arrel + frontend + backend)
npm run setup:all
O instal·la pas a pas:
# Instal·lar dependències Node (arrel + frontend)
npm run setup
# Instal·lar dependències Python (backend, crea l'entorn virtual automàticament)
npm run setup:backend
3. Iniciar els serveis
# Iniciar frontend i backend (executar des de l'arrel del projecte)
npm run dev
URLs dels serveis:
- Frontend:
http://localhost:3000 - Backend API:
http://localhost:5001
Iniciar individualment:
npm run backend # Iniciar només el backend
npm run frontend # Iniciar només el frontend
Opció 2: Desplegament amb Docker
# 1. Configurar les variables d'entorn (igual que el desplegament des del codi font)
cp .env.example .env
# 2. Obtenir la imatge i iniciar
docker compose up -d
Llegeix .env del directori arrel per defecte, mapeja els ports 3000 (frontend) / 5001 (backend)
L'adreça del mirror per a una descàrrega més ràpida es proporciona com a comentaris a
docker-compose.yml, substitueix-la si cal.
📬 Uneix-te a la conversa
L'equip de MiroFish està recrutant posicions a temps complet/pràctiques. Si t'interessen la simulació multi-agent i les aplicacions de LLM, no dubtis a enviar el teu CV a: mirofish@shanda.com
📄 Agraïments
MiroFish ha rebut suport estratègic i incubació de Shanda Group!
El motor de simulació de MiroFish és impulsat per OASIS (Open Agent Social Interaction Simulations). Agraïm sincerament les contribucions de codi obert de l'equip CAMEL-AI!