ARTICLE DETAIL

建站实战干货

来自一线的建站与推广经验沉淀,每一条都经过真实交付验证。

MiroFish 快速上手指南:本地跑通一个多智能体预测模拟引擎

2026/8/30 8:53:57 拓冰建站 浏览量
MiroFish 快速上手指南:本地跑通一个多智能体预测模拟引擎 MiroFish 快速上手指南本地跑通一个多智能体预测模拟引擎【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFish想让一条新闻在两周内走向何方、一份政策草案引发怎样的讨论先有个可验证的推演而不是凭感觉。MiroFish 就是一个面向开发者和研究者的群体智能预测引擎上传一份报告或新闻它自动生成一批多智能体去模拟交互再输出预测报告和可对话的数字世界。定位速览一句话定位MiroFish 把预测变成一次可交互的群体模拟——你提供种子材料它搭世界、跑模拟、交报告。输入是一份文本新闻、报告甚至小说章节加一句自然语言预测需求产出一份结构化预测报告外加一个可以追问其中任何角色的模拟世界模拟引擎由 CAMEL-AI 开源的 OASIS 驱动智能体在模拟的 Twitter 与 Reddit 双平台上并行活动人格、记忆由大模型生成本地即可运行Python 后端加 Vue 3 前端也提供 Docker 一键部署功能拆解上传种子材料自动构建知识图谱你把文本交给系统后它先做实体与关系抽取把人物、组织、事件整理成一张关系图并写入 Zep 图谱数据库一个面向 AI 应用的记忆层服务为后续模拟提供世界骨架。对应实现在 backend/app/services/ 中的图谱构建模块。场景做舆情分析前先上传一份行业简报几分钟内拿到事件之间的关联结构确认抽取结果合理再往下走。运行截图 1种子材料上传与图谱构建入口生成智能体人格双平台并行模拟图谱里的每个实体都会变成一个智能体系统为它们生成性格、立场与长期记忆等人设并注入仿真参数。模拟在 Twitter 和 Reddit 两套虚拟平台上同时推进每个智能体发帖、评论、互动行为由大模型驱动。场景你关心某个话题下不同立场群体如何互动可以直接观察模拟中两类账号的发言风格与扩散路径是否贴合预期。观察模拟进度时序记忆动态更新模拟按轮次推进状态机管理着创建、运行、暂停、完成等生命周期期间记忆会随时间动态更新保证后几轮的智能体记得前几轮发生过什么。你可以在前端界面盯着轮次与双平台的实时状态随时暂停或停止。场景跑到第 20 轮发现某个关键角色行为偏离设定停下来调整后继续而不是整场作废。运行截图 6多智能体模拟运行与关系网络自动生成报告与任意智能体对话模拟结束后报告智能体ReportAgent以 ReAct 方式工作先规划报告目录再分段生成每段可自主调用图谱检索、洞察提炼等工具而不是凭空写结论。生成完报告后你还能和世界里任何一位智能体直接对话追问它为什么这么做。场景报告里出现一个你没料到的结论直接找到支持该观点的智能体盘问验证它是被谁影响的、依据了哪条信息。快速上手环境要求一行说清Node.js 18、Python 3.113.12、uv 最新版。git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env # 填入 LLM_API_KEY 与 ZEP_API_KEY npm run setup:all npm run dev配置只有两个密钥大模型 API兼容 OpenAI SDK 格式的任意服务均可README 推荐百炼 qwen-plus和 Zep Cloud 密钥每月免费额度够轻度使用。npm run dev同时拉起前后端浏览器打开http://localhost:3000就是操作界面后端 API 在http://localhost:5001。提醒一点模拟走大模型调用消耗不小官方建议先跑少于 40 轮的小规模模拟试水。启动后的界面长这样运行截图 3环境配置与智能体生成步骤界面适用场景舆情研究者要判断一个热点事件的后续走向手头的公开分析不足以覆盖各立场反应。用一份舆情报告做种子跑完整模拟后拿到一份关于舆情演化的预测报告还能直接追问模拟中持不同观点的账号。仓库附带的武汉大学舆情推演演示就是这个用法。运行截图 5舆情模拟的预测报告与智能体对话内容创作者想给一部作品补一个如果式的结局。把《红楼梦》前 80 回的文本喂进去MiroFish 基于人物关系与性格做失传结局的推演官方演示视频就是这个案例。政策与产品研究者一份草案上线前看不到真实反馈。上传草案文本描述预测需求模拟跑起来后注入不同变量对比群体态度分布的变化把可能翻车的环节提前标出来。部署方式方式操作适合谁源码部署官方推荐npm run setup:all后npm run dev要调试、看日志、改代码的人Dockerdocker compose up -d要稳定长期服务、不想管环境的人推荐源码起步前后端进程可见、日志直接输出排查问题最快确认流程稳定后用 docker-compose.yml 里现成的容器配置映射 3000/5001 端口、挂载上传目录转 Docker 长期跑。克隆仓库填好.env里两个密钥用一份你手边就有的新闻报告跑通第一轮模拟看看报告里的结论你敢不敢信——这比读十篇介绍都直接。【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFish创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考