MiroFish：基于多智能体的群体智能预测引擎实战

核心黑科技

• GraphRAG 记忆图谱：利用 Zep Cloud 构建智能体的长期记忆。智能体不仅记得你是谁，还记得昨天和隔壁老王吵过架，行为逻辑高度拟人。
• 社会化演进：智能体之间会八卦、会结盟、会对抗。这种'群体涌现'现象是传统单一 LLM 无法模拟的。
• 多模态兼容：底层支持 OpenAI 格式的任意 LLM，官方推荐搭配 Qwen-Plus（通义千问）以获得最佳性价比。

典型应用场景

MiroFish 的野心很大，它不仅是一个玩具，更是一个决策实验室。

1. 小说/剧本推演
   • 场景：写悬疑小说卡文了？
   • 操作：把前三章上传，设定好角色性格。MiroFish 会让侦探和凶手在虚拟世界里博弈，帮你推演出最合理的结局。
2. 政策/舆情模拟
   • 场景：公司要发布一个极具争议的新产品。
   • 操作：生成 1000 个不同背景的用户智能体，发布产品公告，观察舆情发酵的方向，提前准备公关预案。
3. 金融/市场预测
   • 场景：美联储降息。
   • 操作：模拟不同类型的投资者（散户、机构、恐慌者）的交易行为，预测市场情绪的流动。

快速部署指南

MiroFish 采用了现代化的技术栈（Vue3 + Python FastAPI + uv），部署体验非常流畅。

1. 环境准备

你需要安装：

• Node.js (18+)
• Python (3.11 - 3.12)
• uv (Python 极速包管理器，强烈推荐)

2. 克隆项目与安装依赖

Bash

git clone https://github.com/666ghj/MiroFish.git
cd MiroFish
# 使用 npm 脚本一键安装前后端依赖
npm run setup:all 

3. 配置'灵魂' (.env)

复制配置文件并填入 Key：

Bash

cp .env.example .env 

打开 .env 编辑关键参数：

Ini, TOML

# LLM 配置 (推荐使用阿里百炼 Qwen-plus，便宜且强)
LLM_API_KEY=sk-xxxxxxxx
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
# Zep 记忆服务 (必填，用于存储智能体记忆，有免费额度)
# 注册地址：https://app.getzep.com/
ZEP_API_KEY=z_xxxxxxxxx 

4. 启动数字世界

Bash

# 在根目录执行，同时启动前端和后端
npm run dev 

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

打开浏览器，上传一段文本（比如《三体》的第一章），看着系统自动分析实体、创建角色，然后点击'开始模拟'，见证文明的演化吧！

注意事项

1. Token 消耗警告：多智能体交互意味着大量的 LLM 调用。如果你开 100 个智能体跑 50 轮对话，Token 消耗是指数级的。初次尝试建议使用 Qwen-Plus 或 DeepSeek 等高性价比模型，不要直接上 GPT-4。
2. Zep 配置：MiroFish 强依赖 Zep 做记忆存储，不要跳过 Zep 的配置，否则智能体会变成'金鱼记忆'。
3. Windows 用户：虽然官方主要支持 Mac，但最新版本已对 Windows 的 UTF-8 编码做了兼容，如果遇到乱码请更新到最新代码。

结语

MiroFish 让我们看到了 Agent Sim（智能体模拟）的巨大潜力。它不再是冰冷的数据分析，而是有温度的社会推演。

无论你是想做一名推演未来的'架构师'，还是想给自己写的小说找一个'虚拟试炼场'，MiroFish 都是目前开源界最好的切入点之一。