MiroFish

项目概览

MiroFish 是一款基于多智能体技术的下一代 AI 预测引擎。它从现实世界提取种子信息（如突发新闻、政策草案、金融信号等），自动构建一个高保真的平行数字世界。在该空间中，数千个具备独立人格、长期记忆和行为逻辑的智能体自由交互、完成社会演化。用户可以以"上帝视角"动态注入变量，精准推演未来走向——在数字沙盒中预演未来，经由无数次模拟后做出更优决策。

使用流程极简：上传种子材料（数据分析报告或故事文本），用自然语言描述预测需求，MiroFish 即可输出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。

项目愿景

MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体交互引发的集体涌现，突破传统预测的局限：

• 宏观层面：为决策者提供零风险的演练实验室，政策与公关方案可在此反复测试
• 微观层面：为个人用户提供创意沙盒，无论是推演小说结局还是探索奇思妙想的场景，皆可轻松尝试

从严肃预测到趣味模拟，让每一个"如果"都能看到结果，真正实现预测万物。

工作流程

1. 图谱构建：种子抽取、个体与集体记忆注入、GraphRAG 构建
2. 环境搭建：实体关系抽取、人物画像生成、智能体配置注入
3. 模拟推演：双平台并行模拟、自动解析预测需求、时序记忆动态更新
4. 报告生成：ReportAgent 配备丰富工具集，与模拟后环境深度交互
5. 深度交互：可与模拟世界中的任意智能体对话，或与 ReportAgent 互动

快速开始

方式一：源码部署（推荐）

环境要求

工具	版本	用途	验证命令
Node.js	18+	前端运行时（含 npm）	node -v
Python	≥3.11 且 ≤3.12	后端运行时	python --version
uv	最新版	Python 包管理器	uv --version

配置环境变量

# 复制示例配置文件
cp .env.example .env
# 编辑 .env 文件，填入必需的 API Key

/env 关键变量示例：

# LLM API 配置（支持任何兼容 OpenAI SDK 格式的接口）
# 推荐使用阿里云百炼平台的 qwen-plus 模型
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus

# Zep Cloud 配置（用于记忆存储，免费额度可满足简单使用）
ZEP_API_KEY=your_zep_api_key

安装依赖

# 一键安装全部依赖（根目录 + 前端 + 后端）
npm run setup:all

或分步执行：

npm run setup          # 安装 Node 依赖
npm run setup:backend  # 安装 Python 依赖（自动创建虚拟环境）

启动服务

# 同时启动前后端（在项目根目录运行）
npm run dev

服务地址：

• 前端：http://localhost:3000
• 后端 API：http://localhost:5001

也可单独启动：

npm run backend   # 仅启动后端
npm run frontend  # 仅启动前端

方式二：Docker 部署

# 1. 配置环境变量（同源码部署）
cp .env.example .env

# 2. 拉取镜像并启动
docker compose up -d

默认读取根目录的 .env 文件，映射端口 3000（前端）与 5001（后端）。docker-compose.yml 内附带国内镜像地址注释，按需替换。

技术架构说明

模拟引擎基于 OASIS（Open Agent Social Interaction Simulations）开源项目构建，负责大规模智能体的社交交互模拟。报告生成阶段由 ReportAgent 借助工具集与模拟后环境完成深度交互，从而产出结构化预测报告。