专业论文写作-降AI率 
Ai应用
Ai资讯
漫剧一条龙
爆单神器-绘蛙
字节龙虾ArkClaw
MiroFish
MiroFish 简介
MiroFish 是近期在 GitHub 全球趋势榜排名靠前的开源 ai 预测引擎，由中国科学技术大学一名 20 岁的大四学生 BaiFu（郭航江）开发，还获得了盛大集团创始人陈天桥 3000 万元人民币的投资。
MiroFish 是一款借助多智能体技术的AI预测引擎，定位是“简洁通用的群体智能引擎，能预测各类事物”。
它核心的设计思路是搭建“平行数字世界”：从现实世界里提取“种子信息”，像突发新闻、政策草案、金融信号或者小说文本这些内容，然后自动构建出高保真的虚拟数字世界。在这个虚拟空间中，有成千上万个拥有独立人格、长期记忆以及行为逻辑的智能体，它们会自由地相互交往、发展社会关系，用户可以从类似“上帝视角”的位置动态地添加一些变量，从而比较精准地推测未来的发展方向。
这个项目在 2025 年 12 月正式对外发布，采用的是 AGPL - 3.0 开源协议，目前在 GitHub 上获得的 Star 数已经超过了 10K。
MiroFish功能特点
图谱构建方面：运用时序 GraphRAG 技术，从作为种子的材料里提取关键实体以及它们之间的关系，进而构建出动态的知识图谱。例如在《红楼梦》这个案例中，系统依据 15 万字的原著内容，生成了 905 个实体节点以及 3822 条关系边。
智能体生成方面：基于构建好的知识图谱，自动提取实体之间的关系，生成具有独立人格、立场以及背景的智能体“人设”，并且给这些智能体赋予长期记忆。
群体智能演化方面：启动双平台同时进行模拟，让数量在数十到上百个不等的智能体，在各自独立的环境里针对某个议题展开讨论、博弈以及行动，以此来模拟现实社会中舆论发酵、群体极化等现象。
动态变量注入方面：用户在模拟过程当中，可以实时添加新的变量（比如“要是政策提前一周发布”），观察类似蝴蝶效应的情况对虚拟社会发展产生的影响。
可视化报告方面：专门的 ReportAgent 会对所有智能体的行动以及演化结果进行综合分析，输出一份包含事件发展脉络、关键节点、趋势判断以及风险预警的结构化预测报告。
深度交互探索方面：在模拟完成之后，用户能够和任意一个智能体进行一对一的对话，询问它们的观点以及决策逻辑；也可以和 ReportAgent 进行交流，灵活地了解预测结果。
MiroFish技术亮点
采用了 CAMEL - AI 团队开源的 OASIS 仿真引擎，能够支持百万级智能体同时进行交互。
集成了 Zep Cloud 技术，实现对智能体长期记忆的管理。
支持暂停以及恢复功能，方便用户灵活控制预测的进程。
MiroFish应用场景
MiroFish 适用于从严肃预测到趣味仿真的多种不同场景：
宏观决策预演
舆情危机应对：预测热点事件在舆论方面的传播路径、公众情绪的变化情况、KOL 的反应趋势以及潜在的风险点，从而帮助相关人员提前制定应对的策略。
政策效果评估：在不存在风险的环境中，模拟政策发布之后社会各方的反应，测试不同发布时间以及措辞所产生的效果。
企业战略分析：模拟上市公司出现负面消息后对股价造成的冲击，或者预测企业进行大规模融资之后在战略方面的演进以及对市场产生的影响。
微观创意探索
文学创作：推演小说剧情的分支走向以及最终结局。官方给出的演示案例中，就包括根据《红楼梦》前 80 回来预测其失传的结局。
娱乐仿真：探索各种各样新奇的“脑洞”场景，例如虚构人物在特定情境下的行为反应。
金融预测
分析金融信号对市场情绪带来的影响，模拟在不同市场条件下群体所表现出的行为。
MiroFish 优点分析
使用门槛极低：采用自然语言进行交互，用户不需要懂得代码，也不需要了解复杂的参数，“只要能够进行对话，就可以把这个软件用起来”。
模拟保真度高：智能体具有长期记忆和独立人格，它们的行为逻辑和真实人类较为接近，能够呈现出和现实社会相似的群体动态。
零风险试错：为决策者提供了一个安全的预演场所，避免了在真实世界中进行尝试所带来的高昂成本。
开源生态良好：代码是开源的（采用 AGPL - 3.0 协议），支持在本地进行部署以及二次开发，而且社区比较活跃。
部署方式灵活：提供了在线 Demo、源码部署以及 Docker 部署这三种不同的方式。
MiroFish使用方法
1. 在线体验
直接访问官方 Demo 地址体验预置案例（如武汉大学舆情推演、《红楼梦》续写）：
https://666ghj.github.io/mirofish-demo/
2. 本地部署
环境要求：Node.js 18+、Python 3.11-3.12、uv 包管理器
# 克隆仓库 git clone https://github.com/666ghj/MiroFish # 配置密钥 cp .env.example .env # 编辑 .env 填入 LLM API Key 和 Zep API Key # 一键安装依赖 npm run setup:all # 启动服务 npm run dev # 前端访问 localhost:3000，后端 API 运行在 localhost:5001
3. Docker 部署
完成 .env 文件配置后执行：
docker compose up -d
MiroFish使用流程
上传种子材料：把分析报告、小说文本或者新闻等原始资料上传上去。
描述预测需求：用自然语言清楚地说明想要推演的问题（例如“这个事件发布之后，公众主要的反对声音会集中在哪些方面”）。
等待系统构建：系统会自动完成知识图谱构建、智能体生成以及环境配置等工作。
运行模拟：设定好模拟的轮数，观察智能体之间的互动以及社会的演化情况。
查看报告与交互：阅读预测报告，或者和特定的智能体深入对话，进一步探索细节内容。
常见问题（FAQ）
Q：MiroFish 是免费的吗？
A：是的，MiroFish 采用的是 AGPL - 3.0 开源协议，代码是完全免费的。不过在使用的时候，需要自己准备好大模型 API Key（例如阿里云百炼等），可能会产生 API 调用的费用。
Q：MiroFish 和 BettaFish 有什么关系？
A：BettaFish（微舆）是作者之前开发的作品，主要专注于舆情分析（也就是分析过去发生的事情）；MiroFish 是它的升级版本，主要侧重于预测推演（也就是预测未来的事情）。两者的关系被比喻成“后视镜”和“望远镜”。
Q：需要编程基础才能使用吗？
A：不需要。这个产品的设计理念就是追求极致的简单，用户只需要用自然语言描述自己的需求，所有复杂的配置都由 AI 在后台自动完成。
Q：支持哪些大模型？
A：理论上来说，支持所有符合 OpenAI SDK 格式的 LLM API，官方给出的示例中，默认推荐使用阿里百炼平台的 qwen - plus。
Q：可以预测哪些内容？
A：目前官方给出的示例涵盖了热点舆情、校园事件、小说结局推演等方面。金融方向、时政要闻等更多场景的推演功能将会陆续进行更新。
Q：模拟过程可以中断吗？
A：可以的，MiroFish 支持模拟的暂停以及恢复功能，用户能够灵活地控制预测的进程。
MiroFish项目资源
GitHub 仓库：https://github.com/666ghj/MiroFish
在线 Demo：https://666ghj.github.io/mirofish-demo/
