666ghj/MiroFish
GitHub: 666ghj/MiroFish
基于多智能体的群体智能预测引擎，通过构建数字沙盘模拟现实世界中的社会交互和群体涌现，实现舆情、政策、创意等多领域的未来推演。
Stars: 4479 | Forks: 549
简洁通用的群体智能引擎，预测万物
A Simple and Universal Swarm Intelligence Engine, Predicting Anything
[](https://github.com/666ghj/MiroFish/stargazers)
[](https://github.com/666ghj/MiroFish/watchers)
[](https://github.com/666ghj/MiroFish/network)
[](https://hub.docker.com/)
[](https://deepwiki.com/666ghj/MiroFish)
[](https://discord.com/channels/1469200078932545606/1469201282077163739)
[](https://x.com/mirofish_ai)
[](https://www.instagram.com/mirofish_ai/)
[English](./README-EN.md) | [中文文档](./README.md)
## ⚡ 项目概述
**MiroFish** 是一款基于多智能体技术的新一代 AI 预测引擎。通过提取现实世界的种子信息（如突发新闻、政策草案、金融信号），自动构建出高保真的平行数字世界。在此空间内，成千上万个具备独立人格、长期记忆与行为逻辑的智能体进行自由交互与社会演化。你可透过「上帝视角」动态注入变量，精准推演未来走向——**让未来在数字沙盘中预演，助决策在百战模拟后胜出**。
### 我们的愿景
MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：
- **于宏观**：我们是决策者的预演实验室，让政策与公关在零风险中试错
- **于微观**：我们是个人用户的创意沙盘，无论是推演小说结局还是探索脑洞，皆可有趣、好玩、触手可及
从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。
## 🌐 在线体验
欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：[mirofish-live-demo](https://666ghj.github.io/mirofish-demo/)
## 📸 系统截图
## 🎬 演示视频
### 1. 武汉大学舆情推演预测 + MiroFish项目讲解
点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频
### 2. 《红楼梦》失传结局推演预测
点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局
## 🔄 工作流程
1. **图谱构建**：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
2. **环境搭建**：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
3. **开始模拟**：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
4. **报告生成**：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
5. **深度互动**：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
## 🚀 快速开始
### 一、源码部署（推荐）
#### 前置要求
| 工具 | 版本要求 | 说明 | 安装检查 |
|------|---------|------|---------|
| **Node.js** | 18+ | 前端运行环境，包含 npm | `node -v` |
| **Python** | ≥3.11, ≤3.12 | 后端运行环境 | `python --version` |
| **uv** | 最新版 | Python 包管理器 | `uv --version` |
#### 1. 配置环境变量
```
# 复制示例配置文件
cp .env.example .env
# 编辑 .env 文件，填入必要的 API 密钥
```
**必需的环境变量：**
```
# LLM API配置（支持 OpenAI SDK 格式的任意 LLM API）
# 推荐使用阿里百炼平台qwen-plus模型：https://bailian.console.aliyun.com/
# 注意消耗较大，可先进行小于40轮的模拟尝试
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
# 每月免费额度即可支撑简单使用：https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key
```
#### 2. 安装依赖
```
# 一键安装所有依赖（根目录 + 前端 + 后端）
npm run setup:all
```
或者分步安装：
```
# 安装 Node 依赖（根目录 + 前端）
npm run setup
# 安装 Python 依赖（后端，自动创建虚拟环境）
npm run setup:backend
```
#### 3. 启动服务
```
# 同时启动前后端（在项目根目录执行）
npm run dev
```
**服务地址：**
- 前端：`http://localhost:3000`
- 后端 API：`http://localhost:5001`
**单独启动：**
```
npm run backend # 仅启动后端
npm run frontend # 仅启动前端
```
### 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
```
默认会读取根目录下的 `.env`，并映射端口 `3000（前端）/5001（后端）`
## 📬 更多交流
MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：**mirofish@shanda.com**
## 📄 致谢
**MiroFish 得到了盛大集团的战略支持和孵化！**
MiroFish 的仿真引擎由 **[OASIS](https://github.com/camel-ai/oasis)** 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！
## 📈 项目统计
标签：AI预测引擎, Apex, DNS解析, Docker, MiroFish, MITM代理, PyRIT, Python, 事件驱动, 人工智能, 多智能体系统, 大数据分析, 安全防御评估, 开源项目, 无后门, 时序预测, 智能决策, 机器学习, 深度学习, 用户模式Hook绕过, 盛佳, 算法交易, 群体智能, 自动化分析, 请求拦截, 跨站脚本, 逆向工具, 量化金融, 预测万物
