MiroFlow

MiroFlow是MiroMind 团队公开的一个高性能多 Agent 框架。它让各种大模型变成像 Openai Deep Research 那样能做深度研究的 AI 助手。简单说，它能让模型像人做研究一样，自己安排步骤、用工具、检查结果，完成多步的复杂任务。

MiroFlow核心能力

• 多工具协作：能结合网页搜索、Python 运行、读文件、调代码、画图等工具，整个流程都能用上。

• 主-子 Agent 分工：主 Agent 把任务拆开，分给会浏览、会写代码、会算数的子 Agent，最后收结果。这样能同时做不同事，也更专业。

• 高并发和容错：用异步队列加上重试、超时、回滚，就算接口卡住或者网络不稳，也能顺利做完。

• 透明可解释：有个网页面板，左边实时看模型的思路过程和用了什么工具，右边看最终答案，方便查问题和建立信任。

• 流式输出：模型的思考、工具进度、中间结果能马上看到，用起来更像 ChatGPT 的高级模式。

关键指标

• 在 GAIA 深度研究测试中，通过率是 72.2%–82.4%，这是现在能复现的最好成绩的开源 Agent 框架。

• 部署花费低：用开源的 MiroThinker 模型，一张 RTX 4090 就能跑全套服务，不用买收费的闭源模型。

MiroFlow使用场景

• 学术研究：自动找文献、抓重点、写综述，还能帮忙做实验。

• 商业分析：把财报、新闻、社交数据放一起，做出投资报告或竞争分析。

• 教育或编程：帮做作业、写代码和改错、画数据图。

MiroFlow生态系统

MiroFlow 属于 MiroMind AI 生态的一部分，这个生态还有别的东西：

• MiroThinker：开源的基础模型，本来就能配合工具推理。

• MiroVerse：有 14.7 万条高质量开源训练数据，用来研究智能体训练。

• MiroTrain / MiroRL：帮做智能体模型训练和稳定的工具。

MiroFlow快速开始

1. 克隆仓库并设置环境：

git clone https://github.com/MiroMindAI/MiroFlow && cd MiroFlow
uv sync

2. 配置 API 密钥：

cp .env.template .env
# 编辑 .env 并添加 OPENROUTER_API_KEY

3. 运行第一个智能体：

uv run main.py trace --config_file_name=agent_quickstart_reading --task="What is the first country listed in the XLSX file that have names starting with Co?" --task_file_name="data/FSI-2023-DOWNLOAD.xlsx"

GitHub 仓库： https://github.com/MiroMindAI/Miroflow

演示：https://miromindai.github.io/MiroFlow/