MiroFish 完整部署指南从一条命令到第一次预测【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/MiroFishMiroFish 是一个基于多智能体的群体智能预测引擎你上传报告或种子材料它在模拟环境里推演群体演化最后输出一份预测报告。这篇指南把部署拆成了明确步骤看完你能用 Docker 一条命令把系统跑起来上传第一份文档拿到第一次预测结果。选路三种方式各一句话判断路线适合谁一句话判断Docker 一键想体验功能、正式使用只要用不碰本地依赖源码部署想定制后端行为要改代码在本地环境里跑开发环境想贡献代码、深度定制前后端同时起、改完即生效前两条路线不互斥它们共用同一个 .env 配置和同一套端口差别只在代码跑在容器里还是跑在你机器上。MiroFish Docker 部署步骤四步启动前提是机器上已经装好 Docker 和 Docker Compose没有的话先通过系统包管理器或官网装上。1. 拿到代码git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish克隆完成后部署相关的配置都集中在根目录的 docker-compose.yml 里不需要任何构建动作。2. 创建配置文件cp .env.example .env这是唯一的手工步骤也是 MiroFish 环境变量配置的关键点。.env 里必填四项LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME 指向一个 OpenAI 兼容格式的 LLM 服务ZEP_API_KEY 给记忆图谱服务用。示例文件里还有一段可选的 LLM 加速配置不用就整段删掉不要留着空值。3. 启动容器docker compose up -d服务在后台运行镜像已经预构建好本地不用装 Python 和 Node。容器对外暴露 3000前端和 5001后端两个端口并把 ./backend/uploads 挂载进容器上传的文件能持久保存。拉镜像慢的话docker-compose.yml 的注释里有一个加速地址按需替换。4. 确认进程docker compose logs -f看到日志没有报错、两个端口都绑定成功部署就算完成。源码部署与开发环境定制和贡献时额外做的事只想用功能的话这一节可以跳过。它只讲相对 Docker 路线多出来的部分本地运行环境加依赖安装。前置要求组件版本检查命令Node.js18node -vPython≥3.11 且 ≤3.12python --versionuv最新版uv --version安装依赖npm run setup:all一条命令覆盖根目录、前端 Node 依赖和后端 Python 依赖虚拟环境自动创建。想拆开来的话npm run setup 装前端npm run setup:backend 装后端。启动服务npm run dev前后端同时拉起各自带独立日志。调试时只想动一边就用 npm run backend 或 npm run frontend 单独启动配置改动立刻生效方便打断点。代码结构值得先认识后端在 backend/app/api/ 是接口层services/ 是核心逻辑前端组件在 frontend/src/components/。跑起来后的第一次使用打开页面到拿到第一份预测服务启动后不管走哪条路线流程都一样1. 访问浏览器打开 http://localhost:3000能看到欢迎页后端 API 在 http://localhost:5001页面会自己调不用你管。2. 上传在上传区放入一份文档PDF、TXT 都行比如一份舆情报告或一段小说文本。3. 发起用自然语言写清需求例如“推演这个舆情事件未来一个月的演化走向”然后点开始。4. 看结果模拟跑完你会得到一张关系图谱、一份预测报告和一个对话入口可以直接向模拟世界里的实体提问。消耗上有个提醒每轮模拟都调用 LLM成本不低。第一次先跑少于 40 轮确认效果后再放开规模。排障速查现象、原因、解法一张表遇到问题大概率是下面四种之一碰上 MiroFish 端口冲突直接看第一行。现象原因解法页面打不开提示端口被占用3000 或 5001 被其他进程占了docker-compose.yml 里把宿主机侧改成 3001:3000、5002:5001重启容器容器起来后立刻退出.env 少了必填项核对 LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME、ZEP_API_KEY 四项拉镜像极慢默认镜像源距离远换 docker-compose.yml 注释里的加速地址模拟时内存不足并发智能体太多在 docker-compose.yml 加资源限制、减少模拟轮数或换更轻量的模型进阶内存限制、扩展配置与适用场景内存限制在 docker-compose.yml 给服务加一个上限比如 4G避免大模拟占满整机。模拟规模轮数先小后大熟悉系统节奏再放大Zep Cloud 每月免费额度足够支撑简单使用。可扩展点自定义智能体类型、加数据源适配器、接第三方分析工具都可以在 backend/app/services/ 的服务层上做。适用场景金融趋势推演、舆情演化模拟、小说情节发展、政策影响评估——凡是用“种子信息 一个未来问题”能描述的都可以试。写在最后容器跑起来部署里最重的部分就结束剩下的是不断上传下一份文档。真到了要改行为的阶段再切到源码路线配置文件和端口规划都能原样带走。【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 MiroFish 完整部署指南：从一条命令到第一次预测
MiroFish 完整部署指南从一条命令到第一次预测【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/MiroFishMiroFish 是一个基于多智能体的群体智能预测引擎你上传报告或种子材料它在模拟环境里推演群体演化最后输出一份预测报告。这篇指南把部署拆成了明确步骤看完你能用 Docker 一条命令把系统跑起来上传第一份文档拿到第一次预测结果。选路三种方式各一句话判断路线适合谁一句话判断Docker 一键想体验功能、正式使用只要用不碰本地依赖源码部署想定制后端行为要改代码在本地环境里跑开发环境想贡献代码、深度定制前后端同时起、改完即生效前两条路线不互斥它们共用同一个 .env 配置和同一套端口差别只在代码跑在容器里还是跑在你机器上。MiroFish Docker 部署步骤四步启动前提是机器上已经装好 Docker 和 Docker Compose没有的话先通过系统包管理器或官网装上。1. 拿到代码git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish克隆完成后部署相关的配置都集中在根目录的 docker-compose.yml 里不需要任何构建动作。2. 创建配置文件cp .env.example .env这是唯一的手工步骤也是 MiroFish 环境变量配置的关键点。.env 里必填四项LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME 指向一个 OpenAI 兼容格式的 LLM 服务ZEP_API_KEY 给记忆图谱服务用。示例文件里还有一段可选的 LLM 加速配置不用就整段删掉不要留着空值。3. 启动容器docker compose up -d服务在后台运行镜像已经预构建好本地不用装 Python 和 Node。容器对外暴露 3000前端和 5001后端两个端口并把 ./backend/uploads 挂载进容器上传的文件能持久保存。拉镜像慢的话docker-compose.yml 的注释里有一个加速地址按需替换。4. 确认进程docker compose logs -f看到日志没有报错、两个端口都绑定成功部署就算完成。源码部署与开发环境定制和贡献时额外做的事只想用功能的话这一节可以跳过。它只讲相对 Docker 路线多出来的部分本地运行环境加依赖安装。前置要求组件版本检查命令Node.js18node -vPython≥3.11 且 ≤3.12python --versionuv最新版uv --version安装依赖npm run setup:all一条命令覆盖根目录、前端 Node 依赖和后端 Python 依赖虚拟环境自动创建。想拆开来的话npm run setup 装前端npm run setup:backend 装后端。启动服务npm run dev前后端同时拉起各自带独立日志。调试时只想动一边就用 npm run backend 或 npm run frontend 单独启动配置改动立刻生效方便打断点。代码结构值得先认识后端在 backend/app/api/ 是接口层services/ 是核心逻辑前端组件在 frontend/src/components/。跑起来后的第一次使用打开页面到拿到第一份预测服务启动后不管走哪条路线流程都一样1. 访问浏览器打开 http://localhost:3000能看到欢迎页后端 API 在 http://localhost:5001页面会自己调不用你管。2. 上传在上传区放入一份文档PDF、TXT 都行比如一份舆情报告或一段小说文本。3. 发起用自然语言写清需求例如“推演这个舆情事件未来一个月的演化走向”然后点开始。4. 看结果模拟跑完你会得到一张关系图谱、一份预测报告和一个对话入口可以直接向模拟世界里的实体提问。消耗上有个提醒每轮模拟都调用 LLM成本不低。第一次先跑少于 40 轮确认效果后再放开规模。排障速查现象、原因、解法一张表遇到问题大概率是下面四种之一碰上 MiroFish 端口冲突直接看第一行。现象原因解法页面打不开提示端口被占用3000 或 5001 被其他进程占了docker-compose.yml 里把宿主机侧改成 3001:3000、5002:5001重启容器容器起来后立刻退出.env 少了必填项核对 LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME、ZEP_API_KEY 四项拉镜像极慢默认镜像源距离远换 docker-compose.yml 注释里的加速地址模拟时内存不足并发智能体太多在 docker-compose.yml 加资源限制、减少模拟轮数或换更轻量的模型进阶内存限制、扩展配置与适用场景内存限制在 docker-compose.yml 给服务加一个上限比如 4G避免大模拟占满整机。模拟规模轮数先小后大熟悉系统节奏再放大Zep Cloud 每月免费额度足够支撑简单使用。可扩展点自定义智能体类型、加数据源适配器、接第三方分析工具都可以在 backend/app/services/ 的服务层上做。适用场景金融趋势推演、舆情演化模拟、小说情节发展、政策影响评估——凡是用“种子信息 一个未来问题”能描述的都可以试。写在最后容器跑起来部署里最重的部分就结束剩下的是不断上传下一份文档。真到了要改行为的阶段再切到源码路线配置文件和端口规划都能原样带走。【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