MiroFish 是什么
MiroFish 是一款基于多智能体技术的 AI 预测引擎，用户只需上传种子材料并用自然语言描述预测需求，系统就会返回一份详尽的预测报告，以及一个可深度交互的高保真数字世界。项目希望通过“群体智能镜像”映射现实，既服务于政策、公关、舆情等宏观预演，也支持小说结局推演、创意脑洞等微观仿真。项目已在 GitHub 开源，采用 AGPL-3.0 许可证，并提供在线 Demo。
该项目已获得盛大公司3000万投资。下面是00后开发者的演示视频，非常有意思。
MiroFish 的主要功能
- 种子信息驱动预测： 支持从突发新闻、政策草案、金融信号、数据分析报告或小说故事中提取种子信息，生成预测任务输入。
- 平行数字世界构建： 自动搭建高保真的仿真环境，让具备独立人格、长期记忆与行为逻辑的智能体在其中自由交互和演化。
- 自然语言预测交互： 用户可直接用自然语言描述预测需求，无需手工编排复杂规则。
- 预测报告生成： 模拟完成后可输出详尽的预测报告，并由 ReportAgent 与仿真环境进行深度交互。
- 模拟世界深度对话： 支持与模拟世界中的任意角色对话，也可以与报告代理继续追问。
- 开源部署能力： 提供源码部署和 Docker 部署方式，支持 OpenAI SDK 格式兼容的任意 LLM API。
MiroFish 的预测流程
MiroFish 将预测过程拆分为 5 个步骤，从现实信息提取到仿真交互，形成一个完整的端到端预测闭环。
- 图谱构建： 从现实种子信息中提取关键事实、关系和记忆，构建个体与群体层面的知识图谱，并结合 GraphRAG 形成预测基础。
- 环境搭建： 提取实体关系，生成人物设定与环境配置，将仿真参数注入系统，构建可运行的多智能体模拟环境。
- 启动仿真： 通过双平台并行模拟机制运行预测过程，自动解析预测需求，并在仿真中动态更新时序记忆。
- 报告生成： 仿真结束后，由 ReportAgent 基于丰富工具集深入分析模拟结果，输出预测报告。
- 深度交互： 用户不仅可以查看预测结果，还可以与模拟世界中的任意个体对话，或继续与 ReportAgent 深入追问。
MiroFish 的应用场景
- 舆情推演： 适合对热点事件、校园舆情、品牌公关风险等进行动态模拟与走势预测。
- 政策与决策预演： 可用于在零风险环境中对政策、公关方案或复杂决策进行试错和预演。
- 金融与时政预测： 官方已说明金融方向推演预测、时政要闻推演预测等示例将持续更新。
- 文学与创意仿真： 可用于小说剧情延展、结局推演，例如 README 中展示了《红楼梦》失传结局预测示例。
- 多智能体研究： 适合研究者和开发者用来探索群体涌现、社会仿真和多智能体交互机制。
MiroFish 的适合人群
- 舆情与策略团队： 适合需要对热点事件、公关风险、政策方案进行预演分析的团队。
- 内容创作者： 适合用来推演故事走向、小说结局和创意脑洞的写作者与创意工作者。
- 开发者： 适合希望部署和改造多智能体仿真系统、研究 Agent 工作流与预测引擎的技术用户。
- 研究人员： 适合关注群体智能、社会仿真、GraphRAG、未来推演等方向的研究者。
- AI 爱好者： 适合想体验“预测万物”式多智能体模拟的前沿产品用户。
MiroFish 的产品定价
MiroFish 目前以开源项目形式提供，GitHub 仓库采用 AGPL-3.0 许可证。官方提供在线 Demo 供体验，但仓库未公布商业订阅定价。源码部署需要用户自行配置 LLM API、Zep Cloud 等依赖服务，因此实际使用成本主要取决于所接入的大模型和云服务。
如何体验 MiroFish
- 在线体验： 直接访问官方 Demo，体验热点舆情事件的推演预测。
- 准备环境： 本地部署（GitHub开源项目）需要 Node.js 18+、Python 3.11~3.12 和 uv。
- 配置密钥： 复制
.env.example，填入兼容 OpenAI SDK 格式的 LLM API、Zep Cloud 等必要配置。 - 启动服务： 可通过源码方式使用
npm run dev启动前后端，也可使用 Docker Compose 部署。 - 上传种子材料并提出预测需求： 上传数据报告、新闻材料或故事文本后，用自然语言发起预测任务，系统将返回报告与可交互仿真世界。
常见问题
Q：MiroFish 是做什么的？
A：它是一款开源的群体智能预测引擎，核心是通过多智能体构建平行数字世界，对现实或虚构场景进行推演预测。
Q：MiroFish 可以预测哪些内容？
A：官方示例覆盖热点舆情、校园事件、小说结局，README 还提到金融方向和时政要闻推演预测会陆续更新。
Q：MiroFish 是开源的吗？
A：是，GitHub 仓库采用 AGPL-3.0 开源许可证。
Q：需要本地部署吗？
A：不一定。官方提供了在线 Demo；开发者也可以选择源码部署或 Docker 部署。
Q：支持哪些大模型？
A：README 写明支持 OpenAI SDK 格式的任意 LLM API，默认示例推荐阿里百炼平台的 qwen-plus。
产品点评
亮点：
MiroFish 最突出的地方在于，它不是简单做“结果预测”，而是试图先构建一个可交互、可注入变量、可持续演化的群体智能数字世界，再在其中观察未来走势。这种“数字沙盘 + 多智能体 + 报告生成”的组合，让它同时具备研究价值和产品想象力。项目还已开源，并提供了 Demo、演示视频与完整部署方式，门槛相对清晰。
不足：
从 README 来看，项目对模型与云服务依赖较重，官方也提醒模拟消耗较大，建议先做小于 40 轮的模拟尝试。这意味着它更适合有一定技术基础或预算的用户，而不是完全零门槛的普通消费工具。
