MiroFish 实战教程如何本地 5 分钟跑通多智能体群体智能推演数字世界【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/MiroFishMiroFish 是一个群体智能推演引擎上传一份种子材料用自然语言说一句预测需求它就会自动构建一个由上千个多智能体组成的平行数字世界推演出详细预测报告。你不需要写代码也不需要自己搭仿真模型看数字社会把未来演出来中途还能插手改变走向。本文按本地跑起来 → 看它怎么工作 → 做两个真实案例的顺序展开全程 5 分钟就能上手。一个如果问题能不能真的做实验公告发布后舆情会倒向哪边主角遇到某个人结局会变成什么这类如果问题没有标准答案但可以做实验。MiroFish 的思路是把问题变成实验先从真实世界里抓一份种子材料在里面长出一个平行的数字社会然后以观察者身份往里面推变量看整个社会怎么反应。不用拍脑袋预测直接看模拟结果。上传一份文档MiroFish 替你造一个平行世界用法很直接上传种子材料——舆情报告、政策草案、小说章节都行——再用一句自然语言描述要预测什么。MiroFish 从材料里抽取实体和关系生成上千个拥有独立人格、长期记忆和行为逻辑的虚拟个体让它们在模拟社会空间里自由互动。信息传播、站队、冲突、观点分化全部从个体交互中涌现没人提前写脚本。模拟过程中你还可以介入以俯视的上帝视角注入一次政策调整、一条突发消息或一个市场信号观察涟漪如何扩散。对决策者这是一间零风险的预演室对普通用户是验证脑洞的创意沙盘。推演是怎么发生的一份文档变数字社会的完整链路它像先选角、再搭景然后让演员自由演出最后由记者来写总结。整条链路分五段图谱构建种子材料被切块逐批写入用 Zep 构建 GraphRAG 知识图谱个体与群体记忆一并注入图中环境搭建从图谱读出实体与关系由 LLM 为每个实体生成一份智能体人设——性格、立场、说话风格双平台并行模拟由 OASIS 引擎驱动同时模拟推特与 Reddit 两个社交平台智能体每轮发帖、点赞、关注、评论、搜索记忆随时序滚动更新报告生成ReportAgent 带着深度推理、全景搜索、快速检索、智能体采访四类工具对模拟后的世界做调查逐节写出报告深度互动报告产出后你还能直接采访任意一个智能体问它你当时为什么这么做。核心逻辑是群体涌现终局状态不是任何人编程出来的而是个体交互算出来的。具体实现可以翻 后端服务层其中 ReportAgent 源码 能看到报告是怎么一步步写成的。本地部署三步完成5 分钟装好并启动 MiroFish先确认环境工具版本要求用途Node.js18前端运行环境含 npmPython3.11–3.12后端运行环境uv最新版Python 依赖管理然后三件事拿代码、填密钥、装依赖启动。git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env.env里需要填两组密钥LLM 密钥支持 OpenAI 格式的任意大模型 API官方推荐阿里百炼 qwen-plus和 Zep Cloud 密钥每月免费额度就够体验LLM_API_KEYyour_api_key LLM_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1 LLM_MODEL_NAMEqwen-plus ZEP_API_KEYyour_zep_api_keynpm run setup:all # 一次性安装前端与后端全部依赖 npm run dev # 同时启动前后端浏览器打开http://localhost:3000即可使用后端 API 在 5001 端口。想省事的话填好.env后docker compose up -d一行搞定端口映射相同。提醒一句每轮模拟都在调大模型消耗随智能体数量和轮数上涨建议先跑 40 轮以内的小模拟试试水。如何注入变量、读出报告五步使用流程部署完成后页面是一个五步向导上传种子并写需求上传文件用一句话描述要推演什么例如推演公告发布后 48 小时的舆情走势检查环境图谱构建完后可编辑预览实体关系图和智能体人设注入变量并启动在初始场景铺垫环节设定开场事件指定由哪些智能体先发声——这正是变量注入的入口注入什么、何时生效、影响谁都可以调等报告模拟结束后 ReportAgent 自动开工逐节输出带调查过程的推演报告深度互动点开任意智能体提问或让 ReportAgent 把结论解释得更透。两个真实推演案例舆情事件与红楼梦结局官方给了两个可参照的完整案例一正一趣武汉大学舆情推演以 BettaFish 生成的《武大舆情报告》为种子材料推演处分公告撤销后的舆论走向验证舆情在爆发点、分化阶段和回落趋势上的表现为舆情应对节奏提供参考。《红楼梦》失传结局推演把前 80 回数十万字喂进去让角色智能体沿人物关系互动推演失传的结局给读者和文学研究者一个不同的视角。MiroFish 的本质是把预测未来从一次性的判断变成可重复的实验跑一遍、改一个变量、再跑一遍对比两次结果答案会更清楚。下一个你想看见的如果是什么【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 实战教程：如何本地 5 分钟跑通多智能体群体智能推演数字世界
MiroFish 实战教程如何本地 5 分钟跑通多智能体群体智能推演数字世界【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/MiroFishMiroFish 是一个群体智能推演引擎上传一份种子材料用自然语言说一句预测需求它就会自动构建一个由上千个多智能体组成的平行数字世界推演出详细预测报告。你不需要写代码也不需要自己搭仿真模型看数字社会把未来演出来中途还能插手改变走向。本文按本地跑起来 → 看它怎么工作 → 做两个真实案例的顺序展开全程 5 分钟就能上手。一个如果问题能不能真的做实验公告发布后舆情会倒向哪边主角遇到某个人结局会变成什么这类如果问题没有标准答案但可以做实验。MiroFish 的思路是把问题变成实验先从真实世界里抓一份种子材料在里面长出一个平行的数字社会然后以观察者身份往里面推变量看整个社会怎么反应。不用拍脑袋预测直接看模拟结果。上传一份文档MiroFish 替你造一个平行世界用法很直接上传种子材料——舆情报告、政策草案、小说章节都行——再用一句自然语言描述要预测什么。MiroFish 从材料里抽取实体和关系生成上千个拥有独立人格、长期记忆和行为逻辑的虚拟个体让它们在模拟社会空间里自由互动。信息传播、站队、冲突、观点分化全部从个体交互中涌现没人提前写脚本。模拟过程中你还可以介入以俯视的上帝视角注入一次政策调整、一条突发消息或一个市场信号观察涟漪如何扩散。对决策者这是一间零风险的预演室对普通用户是验证脑洞的创意沙盘。推演是怎么发生的一份文档变数字社会的完整链路它像先选角、再搭景然后让演员自由演出最后由记者来写总结。整条链路分五段图谱构建种子材料被切块逐批写入用 Zep 构建 GraphRAG 知识图谱个体与群体记忆一并注入图中环境搭建从图谱读出实体与关系由 LLM 为每个实体生成一份智能体人设——性格、立场、说话风格双平台并行模拟由 OASIS 引擎驱动同时模拟推特与 Reddit 两个社交平台智能体每轮发帖、点赞、关注、评论、搜索记忆随时序滚动更新报告生成ReportAgent 带着深度推理、全景搜索、快速检索、智能体采访四类工具对模拟后的世界做调查逐节写出报告深度互动报告产出后你还能直接采访任意一个智能体问它你当时为什么这么做。核心逻辑是群体涌现终局状态不是任何人编程出来的而是个体交互算出来的。具体实现可以翻 后端服务层其中 ReportAgent 源码 能看到报告是怎么一步步写成的。本地部署三步完成5 分钟装好并启动 MiroFish先确认环境工具版本要求用途Node.js18前端运行环境含 npmPython3.11–3.12后端运行环境uv最新版Python 依赖管理然后三件事拿代码、填密钥、装依赖启动。git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env.env里需要填两组密钥LLM 密钥支持 OpenAI 格式的任意大模型 API官方推荐阿里百炼 qwen-plus和 Zep Cloud 密钥每月免费额度就够体验LLM_API_KEYyour_api_key LLM_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1 LLM_MODEL_NAMEqwen-plus ZEP_API_KEYyour_zep_api_keynpm run setup:all # 一次性安装前端与后端全部依赖 npm run dev # 同时启动前后端浏览器打开http://localhost:3000即可使用后端 API 在 5001 端口。想省事的话填好.env后docker compose up -d一行搞定端口映射相同。提醒一句每轮模拟都在调大模型消耗随智能体数量和轮数上涨建议先跑 40 轮以内的小模拟试试水。如何注入变量、读出报告五步使用流程部署完成后页面是一个五步向导上传种子并写需求上传文件用一句话描述要推演什么例如推演公告发布后 48 小时的舆情走势检查环境图谱构建完后可编辑预览实体关系图和智能体人设注入变量并启动在初始场景铺垫环节设定开场事件指定由哪些智能体先发声——这正是变量注入的入口注入什么、何时生效、影响谁都可以调等报告模拟结束后 ReportAgent 自动开工逐节输出带调查过程的推演报告深度互动点开任意智能体提问或让 ReportAgent 把结论解释得更透。两个真实推演案例舆情事件与红楼梦结局官方给了两个可参照的完整案例一正一趣武汉大学舆情推演以 BettaFish 生成的《武大舆情报告》为种子材料推演处分公告撤销后的舆论走向验证舆情在爆发点、分化阶段和回落趋势上的表现为舆情应对节奏提供参考。《红楼梦》失传结局推演把前 80 回数十万字喂进去让角色智能体沿人物关系互动推演失传的结局给读者和文学研究者一个不同的视角。MiroFish 的本质是把预测未来从一次性的判断变成可重复的实验跑一遍、改一个变量、再跑一遍对比两次结果答案会更清楚。下一个你想看见的如果是什么【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