MiroFish：三步把任意文档跑成推演预演的入门指南

MiroFish三步把任意文档跑成推演预演的入门指南【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假设你手里有一份舆情分析报告的 PDF想在正式发布前知道它在社区里会如何传播、引发哪些次生反应。MiroFish 就是面向这类场景的群体智能引擎它从你上传的材料中提取实体与关系构建知识图谱再生成一批拥有独立人格与记忆的智能体让它们在模拟的 Twitter 和 Reddit 双平台环境中自由交互。模拟跑完后报告 Agent 会对照过程数据输出一份预测报告你之后还可以和场景中任意一个智能体继续对话。全程不需要写推演代码上传材料并用自然语言描述预测需求即可。图 1主界面上传种子材料MiroFish 自动进入图谱构建流程它如何工作从文档到报告的五个环节本节回答上传一份文档后数据在系统里依次经过哪些环节。一句话讲清原理把文档里的静态结论变成可观察的动态过程。一次推演按五个环节推进图谱构建图谱构建模块 调用 Zep 服务从文本中提取实体与关系生成独立知识图谱并注入 GraphRAG 记忆环境搭建人设生成器 把图谱实体转化为带性格与记忆的智能体配置生成器 用 LLM 自动产出时间范围、事件注入等仿真参数无需手工调参并行模拟模拟管理器 在 Twitter/Reddit 双平台并行运行逐轮记录每个智能体的发帖、点赞等动作报告生成报告 Agent 先规划目录结构再分段交叉核对模拟数据生成报告深度互动模拟结束后你可以继续向任意智能体或 ReportAgent 提问。关键结论仿真参数由 LLM 自动生成你只需提供材料和一句预测需求。界面里看到什么推演流程的四个页面本节回答推演过程中会出现哪些页面每个页面该看什么。 实际跑通一次后你会发现界面按流程分为图谱构建、环境搭建、模拟、报告四步与后端工作流一一对应。图 2知识图谱页面展示从种子文档提取出的实体关系是推演世界的骨架图谱页能直接看到材料里被提取了哪些节点和边适合在这里做第一轮质量检查——判断引擎是否读懂了你的材料。图 3模拟运行界面智能体在双平台并行发帖、互动过程可实时暂停模拟页会实时展示每轮进度与各智能体的动作记录。除了舆情这类严肃场景官方演示也用它做过创意推演——基于《红楼梦》前 80 回数十万字推演失传结局说明同一套多智能体推演流程对虚构材料同样适用。图 4《红楼梦》结局推演示例长文档作为种子材料构建平行推演世界从零启动要多久本地跑通的三个动作本节回答需要准备什么环境、克隆之后执行哪几条命令。前置要求Node.js 18、Python 3.11~3.12、uv。账号方面需要准备两把密钥一把 LLM API Key兼容 OpenAI SDK 格式的任意服务官方推荐阿里百炼 qwen-plus一把 Zep Cloud Key每月免费额度可支撑简单使用。git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env在.env中填入LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME与ZEP_API_KEY后执行npm run setup:all npm run dev启动后前端位于http://localhost:3000后端 API 位于http://localhost:5001使用 Docker 的话配好.env后一条docker compose up -d即可。开始之前先知道四条能力边界本节回答MiroFish 不适合什么避免形成错误预期。LLM 消耗是主要成本每个智能体的每次动作都要过大模型README 明确建议先跑 40 轮以内的短模拟熟悉流程是推演不是确定预言报告给出的是群体可能如何演化的概率性判断适合做决策参考而非对现实结果的保证依赖 Zep Cloud 服务知识图谱与智能体长期记忆存储在 Zep目前没有纯本地离线模式规模受预算约束智能体数量与轮次越多token 消耗越大小材料建议从几十个体量起步。快速开始三步到你的第一份推演报告克隆仓库并复制.env.example填入 LLM 与 Zep 两把密钥配置项说明见 .env.example执行npm run setup:all安装依赖再npm run dev启动浏览器打开localhost:3000上传一份小型报告先跑一轮 40 轮以内的模拟查看图谱、模拟与报告三步的完整产出。【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