如何用 MiroFish 预测引擎，把一份报告推演成可交互的数字世界

如何用 MiroFish 预测引擎把一份报告推演成可交互的数字世界【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你刚拿到一份舆情报告负责人问如果我们明天发布声明后天舆论会怎么演化传统报告只能描述现状回答不了“接下来会怎样”。MiroFish 就是为这类问题做的群体智能预测引擎它从一份报告里自动构建平行数字世界世界里的智能体按各自的人格和记忆发帖、争论、改变态度而你全程以上帝视角围观还可以随时注入变量。全程不需要写代码。上传一份文件用一句话描述你要预测什么它会还给你两样东西一份预测报告和一个你可以逐人“采访”的数字世界。是什么一份报告能推演出什么MiroFish 把报告、新闻、小说这类材料作为种子自动搭建多智能体平行世界模拟结束后返回预测报告和可交互世界。能力速览如下维度具体内容输入.pdf / .md / .txt / .markdown单文件最大50MB工作流图谱构建 → 环境搭建 → 开始模拟 → 报告生成 → 深度互动共5步模拟平台Info Plaza广场、Topic Community论坛双平台并行报告工具4个深度洞察、全景追踪、快速检索、Agent 访谈产出预测报告Markdown 可采访任意 Agent 的世界部署源码或 Docker前端端口3000后端端口5001引擎开源 OASIS 多智能体仿真引擎 Zep 图谱记忆5 分钟跑通部署3 个命令 2 个密钥看完能力表最直接的问题是它能不能跑起来。你只需要准备两个密钥一个 LLM 密钥任何 OpenAI SDK 格式的 LLM API 都行官方推荐百炼平台的 qwen-plus一个 Zep Cloud 密钥每月有免费额度简单使用够用。剩下的就是几条命令# 克隆项目 git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish # 复制示例配置把上面两个密钥填进去 cp .env.example .env # 一键安装前后端依赖需 Node.js 18、Python 3.11–3.12、uv npm run setup:all # 同时启动前后端 npm run dev不想装源码的话配好 .env 后直接docker compose up -d即可端口映射相同。启动后打开 http://localhost:3000就是下面的上传入口MiroFish 主界面左侧是五步推演工作流右侧是种子材料上传区支持 PDF、TXT 等格式上传文件、写清预测需求系统就开始第一步图谱构建。能解决什么问题三条输入-过程-产出链路界面很好懂更值得问的是它能回答哪类问题。三条最典型的链路舆情演化先看到爆发点再决定怎么回应输入一份舆情报告。武大演示用的就是“撤销处分公告”的舆情报告。过程系统从报告里抽出实体与关系生成媒体、公众、校方等角色 Agent在两个模拟平台上发帖、转推、争论。产出《舆情演化预测报告》。武大案例把“公众信任迅速崩塌”阶段讲得很清楚正面情绪一度降至6.4%你还可以采访世界里任意 Agent核实它的立场。文学推演给失传的结局补一个合理版本输入长文本。演示项目是《红楼梦》前 80 回、数十万字。过程小说人物被转换成有独立人格的 Agent在模拟平台上继续“生活”。产出系统对失传结局做深度推演给出多个合理的结局可能。基于《红楼梦》前 80 回数十万字内容对失传结局进行的推演决策预演让政策与公关在零风险环境里试错输入政策草案、公关方案。过程Agent 在模拟世界里反应你中途注入变量看分岔。产出群体反应的演化趋势先让方案在沙盒里错完再发布到真实世界。它是怎么做到的从文本到世界再到平行社交平台这些结果不是靠一个大 prompt 变出来的关键在两步。第一步把报告变成“演员表”。系统把文本切成500字一块重叠50字避免断句喂给 Zep 图谱数据库抽出人物、组织、事件及其关系再为每个角色生成一份人设卡片——性格、背景、立场像给每个角色发了独立剧本。图谱构建的实现见 backend/app/services/graph_builder.py。左侧是实体关系图谱右侧是已生成的人设卡片与模拟参数配置第二步把角色放进两个“社交平台”。Info Plaza 像公共广场Topic Community 像论坛各自有独立动作清单发帖、点赞、转发、评论、关注等Agent 并行行动。每轮动作都会写回图谱记忆越往后 Agent 越“有阅历”。幕后还有一层细节后端和模拟进程不走网络而是“传纸条”——命令写成文件对方轮询、执行、再把响应写回文件机制在 backend/app/services/simulation_ipc.py。这样 Web 服务和模拟进程可以独立部署所有通信记录都落在磁盘上出问题可回溯。效果与边界哪些数字可信哪些场景别用机制讲完用数据说清楚它能支撑什么、不能支撑什么。站得住的数字武大案例报告把情绪演化分成阶段正面情绪一度降至6.4%红楼梦数十万字长文本可完整载入并转换成 AgentReport Agent 带4个工具深度洞察、全景追踪、快速检索、Agent 访谈报告结论引用的是模拟数据切块参数可调500字一块、重叠50字配置在 backend/app/config.py边界也要说诚实不是精确预测世界由 LLM 生成产出是趋势级推演别拿它替代正式风险评估Token 消耗每一轮模拟都消耗 LLM 调用官方 README 明确提示消耗较大建议先做40轮以内的模拟外部依赖必须配置 LLM API 与 Zep CloudZep 免费额度够简单使用输入限制4 种格式、单文件50MB超长文本按块切分处理常见问题部署、成本与文件限制边界清楚了再看新手最容易问的几个问题。需要 GPU 或高配服务器吗不需要。官方前置清单只列 Node.js18、Python3.11–3.12、uv 三项推理都交给 LLM API 完成普通电脑或 Docker 容器即可。跑一次要花多少钱大头是 LLM token。Zep Cloud 每月有免费额度LLM 部分建议按官方口径先跑 40 轮以内再放大。能上传什么文件.pdf、.md、.txt、.markdown 四种单文件最大 50MB。模拟结束还能继续提问吗能。第五步“深度互动”里你可以采访世界里任意一个 Agent比如问它“对某某声明怎么看”也可以和 Report Agent 对话追问报告细节。模拟中途挂了怎么办现场基本都在磁盘上模拟状态、每轮动作、命令与响应文件都保存在本地目录失败后仍可追查进度状态目录由配置统一管理。下一步先部署再上传第一份报告不用等准备好更多材料。克隆仓库、在 .env 里填好两个密钥用 Docker 或npm run dev启动打开 http://localhost:3000。上传你的第一份报告——第一次推演从 40 轮以内的小规模开始足够看清一份文本会怎么“演化”。【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