MiroFish，平行世界模拟AI引擎，群体智能神器

上传一份文件，它构建一个平行世界，预测万物。

01 传统预测的困境

我们每天面对各种需要预判未来的场景：一个舆情事件会如何发酵？一项新政策落地后公众会怎么反应？《红楼梦》失传的结局究竟是什么？

传统的预测方法——无论是统计模型还是单一 AI 对话——都有一个根本缺陷：它们把世界简化成了一条线性轨迹。现实世界中，无数个体的互动才是推动历史走向的真正力量。

传统 AI 的困境在于：它是孤独的对话框。而现实世界的演化，是成千上万人在博弈、传播、决策的群体涌现。MiroFish 要解决的，就是这个鸿沟。

当单个 AI 准确率只有 30%，一百万个放在一起能预测什么？

02 MiroFish 是什么

MiroFish 是一款基于多智能体技术的新一代 AI 预测引擎，在 GitHub 开源，由盛大集团孵化。项目于 2025 年 12 月正式发布，上线后迅速登上 GitHub Trending 榜单。

它的核心思路是：用现实世界的信息作为”种子”，自动构建一个高保真的平行数字世界。在这个世界里，成千上万个具备独立人格、长期记忆与行为逻辑的智能体自由交互，涌现出复杂的社会动态。

核心能力一览：

🌱 种子驱动：上传任意材料，从新闻报告到小说章节，皆可作为平行世界的起点
🧠 长期记忆：GraphRAG + Zep Cloud 技术，每个智能体都有独立的社交记忆与行为逻辑
🔭 上帝视角：动态注入变量，观察蝴蝶效应如何在虚拟社会中扩散演化
📊 深度报告：ReportAgent 汇总模拟结果，输出结构化详尽的预测分析报告

MiroFish 的仿真引擎由 CAMEL-AI 团队开源的 OASIS 框架驱动，该框架支持百万级智能体并发交互，已在学术界用于研究误信息传播、推荐算法影响等社会现象。

03 怎么用

MiroFish 的使用流程分为两步：本地部署和发起预测。整体上手门槛不高，支持 Docker 一键启动。

环境要求： Node.js 18+、Python 3.11+，以及一个大模型 API Key（官方推荐阿里百炼，也支持其他主流大模型）。

# 1. 克隆项目
git clone https://github.com/666ghj/MiroFish
cd MiroFish

# 2. 配置 API Key
cp .env.example .env
# 编辑 .env，填入你的大模型 API Key

# 3. Docker 一键启动（推荐）
docker compose up -d

# 访问 http://localhost:3000

部署成功后，打开浏览器进入 Web 界面，整个预测流程自动化运行，共分为四个阶段：

第一阶段：图谱构建
系统从上传的种子材料中提取实体与关系，使用时序 GraphRAG 技术构建动态知识图谱，精准还原事件背景与人物关系网络。

第二阶段：环境搭建
自动抽取实体关系，生成具有不同立场与背景的智能体人设，并通过 Agent 注入仿真参数，完成虚拟社会的”世界观设定”。

第三阶段：双世界并行模拟
智能体基于大模型决策，在双平台中并行运行，自动产生发帖、点赞、访谈等社交行为，动态更新时序记忆。

第四阶段：报告生成与深度互动
ReportAgent 深度分析模拟结果，输出详尽预测报告；用户还可直接进入数字世界，与任意智能体对话。

⚠️ 注意成本：MiroFish 运行一次完整模拟对大模型 Token 消耗较大，建议先用免费额度小规模测试（< 40 轮）。各大模型免费额度可能不足以完成完整预测，需注意控制成本。

你只需要做两件事：上传种子材料（一份数据报告、一篇新闻、甚至是小说文本），然后用自然语言描述你想预测的问题。其余的交给 MiroFish。

项目还配套了 BettaFish（微舆） 工具，可用于从小红书、抖音、微博等 30+ 平台自动爬取舆情数据，生成分析报告后直接导入 MiroFish 进行预测，构成完整的”数据采集 → 智能预测”闭环。

典型使用场景：

场景	做法
📰 舆情预测	上传舆情报告，推演事件如何在各圈层传播、舆论风向如何转变
📈 金融决策沙盘	注入市场信号与政策草案，预演不同路径下的市场反应
🏛️ 政策预演	在零风险环境中测试政策落地效果，观察公众情绪的演化
📖 小说结局推演	输入《红楼梦》前 80 回，让 AI 群体推断失传的后半部结局