What’s New

MiroFish

AI

MiroFish release notes.

Latest v0.1.2 · by MiroFishWebsite666ghj/MiroFish

Changelog

v0.1.2

V0.1.2

简洁通用的群体智能引擎，预测万物 A Simple and Universal Swarm Intelligence Engine, Predicting Anything

⚡ 项目概述

MiroFish 是一款基于多智能体技术的新一代 AI 预测引擎。通过提取现实世界的种子信息（如突发新闻、政策草案、金融信号），自动构建出高保真的平行数字世界。在此空间内，成千上万个具备独立人格、长期记忆与行为逻辑的智能体进行自由交互与社会演化。你可透过「上帝视角」动态注入变量，精准推演未来走向——让未来在数字沙盘中预演，助决策在百战模拟后胜出。

你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求 MiroFish 将返回：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

我们的愿景

MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：

  • 于宏观：我们是决策者的预演实验室，让政策与公关在零风险中试错
  • 于微观：我们是个人用户的创意沙盘，无论是推演小说结局还是探索脑洞，皆可有趣、好玩、触手可及

从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。

🌐 在线体验

欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：mirofish-live-demo

📸 系统截图
🎬 演示视频
1. 武汉大学舆情推演预测 + MiroFish项目讲解

点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频

2. 《红楼梦》失传结局推演预测

点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局

金融方向推演预测、时政要闻推演预测等示例陆续更新中...

🔄 工作流程
  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
🚀 快速开始
一、源码部署（推荐）
前置要求
工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -v
Python≥3.11, ≤3.12后端运行环境python --version
uv最新版Python 包管理器uv --version
1. 配置环境变量
# 复制示例配置文件
cp .env.example .env

# 编辑 .env 文件，填入必要的 API 密钥

必需的环境变量：

# LLM API配置（支持 OpenAI SDK 格式的任意 LLM API）
# 推荐使用阿里百炼平台qwen-plus模型：https://bailian.console.aliyun.com/
# 注意消耗较大，可先进行小于40轮的模拟尝试
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus

# Zep Cloud 配置
# 每月免费额度即可支撑简单使用：https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key
2. 安装依赖
# 一键安装所有依赖（根目录 + 前端 + 后端）
npm run setup:all

或者分步安装：

# 安装 Node 依赖（根目录 + 前端）
npm run setup

# 安装 Python 依赖（后端，自动创建虚拟环境）
npm run setup:backend
3. 启动服务
# 同时启动前后端（在项目根目录执行）
npm run dev

服务地址：

  • 前端：http://localhost:3000
  • 后端 API：http://localhost:5001

单独启动：

npm run backend   # 仅启动后端
npm run frontend  # 仅启动前端
二、Docker 部署
# 1. 配置环境变量（同源码部署）
cp .env.example .env

# 2. 拉取镜像并启动
docker compose up -d

默认会读取根目录下的 .env，并映射端口 3000（前端）/5001（后端）

在 docker-compose.yml 中已通过注释提供加速镜像地址，可按需替换

📬 更多交流

 

MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com

📄 致谢

MiroFish 得到了盛大集团的战略支持和孵化！

MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！

📈 项目统计
View originalPermalink
v0.1.1

V0.1.1

简洁通用的群体智能引擎，预测万物 A Simple and Universal Swarm Intelligence Engine, Predicting Anything

⚡ 项目概述

MiroFish 是一款基于多智能体技术的新一代 AI 预测引擎。通过提取现实世界的种子信息（如突发新闻、政策草案、金融信号），自动构建出高保真的平行数字世界。在此空间内，成千上万个具备独立人格、长期记忆与行为逻辑的智能体进行自由交互与社会演化。你可透过「上帝视角」动态注入变量，精准推演未来走向——让未来在数字沙盘中预演，助决策在百战模拟后胜出。

你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求 MiroFish 将返回：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

我们的愿景

MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：

  • 于宏观：我们是决策者的预演实验室，让政策与公关在零风险中试错
  • 于微观：我们是个人用户的创意沙盘，无论是推演小说结局还是探索脑洞，皆可有趣、好玩、触手可及

从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。

📸 系统截图
🎬 演示视频
1. 武汉大学舆情推演预测 + MiroFish项目讲解

点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频

2. 《红楼梦》失传结局推演预测

点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局

金融方向推演预测、时政要闻推演预测等示例陆续更新中...

🔄 工作流程
  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
🚀 快速开始
一、源码部署（推荐）
前置要求
工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -v
Python≥3.11, ≤3.12后端运行环境python --version
uv最新版Python 包管理器uv --version
1. 配置环境变量
# 复制示例配置文件
cp .env.example .env

# 编辑 .env 文件，填入必要的 API 密钥

必需的环境变量：

# LLM API配置（支持 OpenAI SDK 格式的任意 LLM API）
# 推荐使用阿里百炼平台qwen-plus模型：https://bailian.console.aliyun.com/
# 注意消耗较大，可先进行小于40轮的模拟尝试
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus

# Zep Cloud 配置
# 每月免费额度即可支撑简单使用：https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key
2. 安装依赖
# 一键安装所有依赖（根目录 + 前端 + 后端）
npm run setup:all

或者分步安装：

# 安装 Node 依赖（根目录 + 前端）
npm run setup

# 安装 Python 依赖（后端，自动创建虚拟环境）
npm run setup:backend
3. 启动服务
# 同时启动前后端（在项目根目录执行）
npm run dev

服务地址：

  • 前端：http://localhost:3000
  • 后端 API：http://localhost:5001

单独启动：

npm run backend   # 仅启动后端
npm run frontend  # 仅启动前端
二、Docker 部署
# 1. 配置环境变量（同源码部署）
cp .env.example .env

# 2. 拉取镜像并启动
docker compose up -d

默认会读取根目录下的 .env，并映射端口 3000（前端）/5001（后端）

在 docker-compose.yml 中已通过注释提供加速镜像地址，可按需替换

📬 更多交流

 

MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com

📄 致谢

MiroFish 得到了盛大集团的战略支持和孵化！

MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！

📈 项目统计
View originalPermalink
v0.1.0

V0.1.0

Added
  • Multi-agent AI prediction engine that extracts seed information from real-world events and constructs high-fidelity parallel digital worlds for forecasting
  • Graph knowledge base construction using GraphRAG from uploaded seed materials and natural language prediction queries
  • Entity relationship extraction and character profile generation for simulating thousands of autonomous agents with independent personalities and long-term memory
  • Dual-platform parallel simulation with dynamic variable injection to model future outcomes
  • Automated prediction requirement parsing and time-series memory updates during simulation
  • Report generation agent with rich tool set for deep interaction with simulation environment
  • Interactive conversational interface to dialogue with simulated agents and report generation agent
  • Support for OpenAI SDK-compatible LLM providers with recommended Qwen-Plus model configuration
  • Zep Cloud integration for agent memory management
  • Web frontend running on Node.js 18+ and Python backend running on Python 3.11+
  • Environment variable configuration support for API keys and model selection

简洁通用的群体智能引擎，预测万物 A Simple and Universal Swarm Intelligence Engine, Predicting Anything

⚡ 项目概述

MiroFish 是一款基于多智能体技术的新一代 AI 预测引擎。通过提取现实世界的种子信息（如突发新闻、政策草案、金融信号），自动构建出高保真的平行数字世界。在此空间内，成千上万个具备独立人格、长期记忆与行为逻辑的智能体进行自由交互与社会演化。你可透过「上帝视角」动态注入变量，精准推演未来走向——让未来在数字沙盘中预演，助决策在百战模拟后胜出。

你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求 MiroFish 将返回：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

我们的愿景

MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：

  • 于宏观：我们是决策者的预演实验室，让政策与公关在零风险中试错
  • 于微观：我们是个人用户的创意沙盘，无论是推演小说结局还是探索脑洞，皆可有趣、好玩、触手可及

从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。

🎬 演示视频

使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频

红楼梦结局模拟推演演示视频、金融方向预测示例演示视频等陆续更新中...

🔄 工作流程
  1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
  2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
  3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
  4. 报告生成：ReportAgent拥有丰富的工具集与模拟后环境进行深度交互
  5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话
🚀 快速开始
前置要求
工具版本要求说明安装检查
Node.js18+前端运行环境，包含 npmnode -v
Python3.11+后端运行环境python --version
uv最新版Python 包管理器uv --version
1. 配置环境变量
# 复制示例配置文件
cp .env.example .env

# 编辑 .env 文件，填入必要的 API 密钥

必需的环境变量：

# LLM API配置（支持 OpenAI SDK 格式的任意 LLM）
# 推荐使用阿里百炼平台qwen-plus模型：https://bailian.console.aliyun.com/
# 注意消耗较大，可先进行小于40轮的模拟尝试
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus

# Zep Cloud 配置
# 每月免费额度即可支撑简单使用：https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key
2. 安装依赖
# 一键安装所有依赖（根目录 + 前端 + 后端）
npm run setup:all

或者分步安装：

# 安装 Node 依赖（根目录 + 前端）
npm run setup

# 安装 Python 依赖（自动创建虚拟环境）
npm run setup:backend
3. 启动服务
# 同时启动前后端（在项目根目录执行）
npm run dev

服务地址：

  • 前端：http://localhost:3000
  • 后端 API：http://localhost:5001

单独启动：

npm run backend   # 仅启动后端
npm run frontend  # 仅启动前端
📄 致谢

MiroFish 的核心仿真引擎由 OASIS 驱动。OASIS 是由 CAMEL-AI 团队开发的高性能社交媒体模拟框架，支持百万级智能体交互仿真，为 MiroFish 的群体智能涌现提供了坚实的技术基础。我们衷心感谢 CAMEL-AI 团队的开源贡献！

View originalPermalink