MiroFish 完整指南上传一份报告用多智能体模拟推演未来走向【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做重要决策前你有没有想过先问一句如果这样会怎样MiroFish 是一款简洁通用的群体智能引擎你只需上传报告、小说这类种子材料用自然语言描述预测需求它就能自动构建一个有数千个智能体的平行数字世界替你把未来走向推演出来并交给你一份预测报告。快速上手四步跑通第一次推演开始前检查环境Node.js 18、Python 3.11–3.12、uv。第 1 步克隆仓库并配置密钥git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env # 填入 LLM 与 Zep Cloud 的 API 密钥第 2 步一键安装依赖npm run setup:all # 一次装完前端与后端依赖第 3 步启动服务npm run dev # 前后端同时启动打开http://localhost:3000系统按五步推进图谱构建、环境搭建、开始模拟、报告生成、深度互动。第 4 步上传种子材料开始推演在首页拖入文件报告、文章或小说下方输入框写一句预测需求即可启动。系统先构建知识图谱再生成智能体人设并自动跑模拟。提醒一句LLM 消耗较大第一次建议模拟轮数选 40 轮以内。原理拆解推演能力从何而来上面全程没有手写任何脚本靠的是三个核心环节的自动配合。1. 把文本变成一张地图GraphRAG 知识图谱开拍前要画人物关系图谁是谁、谁和谁什么关系。MiroFish 对文本做的事类似——先按 500 字一段重叠 50 字切块再用 GraphRAG 方式抽取实体与关系写入 Zep 图谱。平面长文由此变成一张可查询的关系地图后续智能体的行为都有据可依而不是凭空发挥。[图谱构建模块]backend/app/services/graph_builder.py2. 给每个智能体发一张人设卡Persona 生成接着系统开始选角。图谱里的实体无论个人还是组织生成器都会读取它的摘要、属性和周边关系用 LLM 写出完整人设性格、背景、说话风格、行为倾向相当于每个演员拿着一份角色小传进场。输出会自动转成 Twitter 与 Reddit 两个社交平台格式模拟时在双平台并行运行。[智能体人设生成模块]backend/app/services/oasis_profile_generator.py3. 跑完模拟记者写复盘并行模拟与报告生成模拟由开源引擎 OASIS 驱动智能体在双平台上发帖、评论、关注按轮次推进记忆随时间动态更新。演出结束后由 ReportAgent 接手——先规划报告大纲再调用工具逐节查询模拟数据行为统计、事件时间线等分节写出内容。完成后你还能采访任意一位智能体直接问它为什么这么做。[报告生成模块]backend/app/services/report_agent.py实战验证两个跑通的真实案例武大舆情推演看见传播全过程输入以 BettaFish 生成的《武大舆情报告》作为种子材料过程系统构建图谱、生成智能体后并行模拟舆情沿关系链一轮轮扩散结果抓住了爆发期0–24 小时、发酵期24–72 小时、衰退期72 小时后三个阶段再注入不同的应对策略变量就能提前看到每种干预措施对舆情走向的影响《红楼梦》结局推演尊重人物逻辑的预测输入《红楼梦》前 80 回数十万字文本过程基于人物关系网络构建平行世界每个角色按性格与关系行动结果推演出失传的结局主要角色命运走向与红学研究的主流方向一致说明这套方法不只适用于现实事件也扛得住长文本文学场景部署两种方式任选其一方式 A源码部署推荐git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env npm run setup:all npm run dev前端在 3000 端口后端 API 在 5001 端口也可用npm run backend或npm run frontend单独启动。方式 BDocker 部署cp .env.example .env # 配置同源码部署 docker compose up -d默认读取根目录.env映射同样的两个端口镜像拉取慢时docker-compose.yml 里留有加速地址注释替换即可。如果你需要反复测试某个决策舆情、政策、市场的影响或者只是想给一部小说推个结局MiroFish 都值得跑一次。现在克隆仓库、填好两个 API 密钥今天下午就能开始第一次平行世界推演。【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 完整指南：上传一份报告，用多智能体模拟推演未来走向
MiroFish 完整指南上传一份报告用多智能体模拟推演未来走向【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做重要决策前你有没有想过先问一句如果这样会怎样MiroFish 是一款简洁通用的群体智能引擎你只需上传报告、小说这类种子材料用自然语言描述预测需求它就能自动构建一个有数千个智能体的平行数字世界替你把未来走向推演出来并交给你一份预测报告。快速上手四步跑通第一次推演开始前检查环境Node.js 18、Python 3.11–3.12、uv。第 1 步克隆仓库并配置密钥git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env # 填入 LLM 与 Zep Cloud 的 API 密钥第 2 步一键安装依赖npm run setup:all # 一次装完前端与后端依赖第 3 步启动服务npm run dev # 前后端同时启动打开http://localhost:3000系统按五步推进图谱构建、环境搭建、开始模拟、报告生成、深度互动。第 4 步上传种子材料开始推演在首页拖入文件报告、文章或小说下方输入框写一句预测需求即可启动。系统先构建知识图谱再生成智能体人设并自动跑模拟。提醒一句LLM 消耗较大第一次建议模拟轮数选 40 轮以内。原理拆解推演能力从何而来上面全程没有手写任何脚本靠的是三个核心环节的自动配合。1. 把文本变成一张地图GraphRAG 知识图谱开拍前要画人物关系图谁是谁、谁和谁什么关系。MiroFish 对文本做的事类似——先按 500 字一段重叠 50 字切块再用 GraphRAG 方式抽取实体与关系写入 Zep 图谱。平面长文由此变成一张可查询的关系地图后续智能体的行为都有据可依而不是凭空发挥。[图谱构建模块]backend/app/services/graph_builder.py2. 给每个智能体发一张人设卡Persona 生成接着系统开始选角。图谱里的实体无论个人还是组织生成器都会读取它的摘要、属性和周边关系用 LLM 写出完整人设性格、背景、说话风格、行为倾向相当于每个演员拿着一份角色小传进场。输出会自动转成 Twitter 与 Reddit 两个社交平台格式模拟时在双平台并行运行。[智能体人设生成模块]backend/app/services/oasis_profile_generator.py3. 跑完模拟记者写复盘并行模拟与报告生成模拟由开源引擎 OASIS 驱动智能体在双平台上发帖、评论、关注按轮次推进记忆随时间动态更新。演出结束后由 ReportAgent 接手——先规划报告大纲再调用工具逐节查询模拟数据行为统计、事件时间线等分节写出内容。完成后你还能采访任意一位智能体直接问它为什么这么做。[报告生成模块]backend/app/services/report_agent.py实战验证两个跑通的真实案例武大舆情推演看见传播全过程输入以 BettaFish 生成的《武大舆情报告》作为种子材料过程系统构建图谱、生成智能体后并行模拟舆情沿关系链一轮轮扩散结果抓住了爆发期0–24 小时、发酵期24–72 小时、衰退期72 小时后三个阶段再注入不同的应对策略变量就能提前看到每种干预措施对舆情走向的影响《红楼梦》结局推演尊重人物逻辑的预测输入《红楼梦》前 80 回数十万字文本过程基于人物关系网络构建平行世界每个角色按性格与关系行动结果推演出失传的结局主要角色命运走向与红学研究的主流方向一致说明这套方法不只适用于现实事件也扛得住长文本文学场景部署两种方式任选其一方式 A源码部署推荐git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env npm run setup:all npm run dev前端在 3000 端口后端 API 在 5001 端口也可用npm run backend或npm run frontend单独启动。方式 BDocker 部署cp .env.example .env # 配置同源码部署 docker compose up -d默认读取根目录.env映射同样的两个端口镜像拉取慢时docker-compose.yml 里留有加速地址注释替换即可。如果你需要反复测试某个决策舆情、政策、市场的影响或者只是想给一部小说推个结局MiroFish 都值得跑一次。现在克隆仓库、填好两个 API 密钥今天下午就能开始第一次平行世界推演。【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