1. 项目定位与用途
MiroFish 定位为简洁通用的群体智能预测引擎，旨在通过多智能体技术预测万物。其核心用途是：用户上传种子材料（如数据分析报告或故事文本）并用自然语言描述预测需求，系统自动构建高保真平行数字世界，模拟智能体交互演化，最终返回详尽的预测报告与可深度交互的数字世界，实现未来轨迹的推演与决策支持。
项目档案开源项目
666ghj/MiroFish 是什么？用途、安装与使用指南
666ghj/MiroFish：MiroFish 是一款基于多智能体技术的群体智能预测引擎，通过构建高保真平行数字世界模拟复杂系统演化，支持动态变量注入以推演未来轨迹，适用于政本页整理它解决什么问题、适用场景、安装方式和使用方法。
AI 总结
MiroFish 是一款基于多智能体技术的群体智能预测引擎，通过构建高保真平行数字世界模拟复杂系统演化，支持动态变量注入以推演未来轨迹，适用于政策预演、舆情分析等场景。
中文项目介绍
MiroFish 是下一代 AI 预测引擎，核心是通过提取现实种子信息（如新闻、政策、金融信号）自动构建平行数字世界，在其中部署大量具备独立人格、长期记忆与行为逻辑的智能体，使其自由交互并引发社会演化。用户可从上帝视角动态注入变量，精准推演未来走向，实现未来在数字沙盘中的预演。
该项目解决传统预测方法难以捕捉个体互动导致的群体涌现问题，提供可交互、可重复的仿真环境，突破宏观与微观预测的局限。
适用场景涵盖政策与公关的零风险预演测试、热点舆情事件的演化模拟、小说或故事结局的创意推演，以及金融信号或市场趋势的模拟预测。
技术特征上，项目采用前后端分离架构：后端基于 Python（通过 uv 管理依赖）处理智能体仿真与 LLM 交互，前端基于 Node.js 提供交互界面；依赖 LLM API 驱动智能体决策，并集成 ZEP 记忆图谱存储知识；支持 Docker 部署，许可证为 AGPL-3.0。
详细信息与使用说明
2. 解决的问题
传统预测方法在复杂系统（如社会舆论、市场反应）中难以捕捉个体互动引发的群体涌现现象。MiroFish 通过大规模智能体仿真，在平行数字世界中重现并扩展现实交互，从而突破这一局限，提供可观察、可干预、可重复的未来推演沙盘，使预测从静态分析转向动态演化模拟。
3. 适用场景
主要适用场景包括：政策与公关方案的零风险预演测试，帮助决策者在虚拟环境中评估政策效果；热点舆情事件的演化模拟与应对策略分析，预测舆论走向；小说或故事结局的创意推演与脑洞探索，满足娱乐与创作需求；金融信号或市场趋势的模拟预测，辅助风险研判。从严肃预测到趣味仿真，覆盖多种需求。
4. 安装方式
安装需先配置环境变量：复制 .env.example 为 .env，并填写 LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME 及 ZEP_API_KEY 等必要信息（可选配置 LLM 加速参数）。然后运行 npm run setup:all 自动安装前后端依赖（后端使用 uv sync，前端使用 npm install）。此外，项目提供 Dockerfile 与 docker-compose.yml，支持通过 Docker 构建运行。
5. 使用方式
本地启动可通过 npm run dev 同时运行后端（uv run python run.py）与前端（npm run dev），或直接使用 Docker。通过前端界面上传种子材料（数据分析报告或故事文本），用自然语言描述预测需求（如预测某事件演化）。系统将生成预测报告与可交互的高保真数字世界，并支持从上帝视角动态注入变量进行多轮模拟推演。也可访问在线 Demo 体验预设的舆情推演。
6. 补充说明与实现特点
前端位于 front
思维导图
当前仓库信息不足，或结构不够稳定，暂时没有生成可靠的思维导图。
常见问题
666ghj/MiroFish 是做什么的？
MiroFish 是一款基于多智能体技术的群体智能预测引擎，通过构建高保真平行数字世界模拟复杂系统演化，支持动态变量注入以推演未来轨迹，适用于政策预演、舆情分析等场景。
666ghj/MiroFish 适合用在什么场景？
MiroFish 定位为简洁通用的群体智能预测引擎，旨在通过多智能体技术预测万物。其核心用途是：用户上传种子材料（如数据分析报告或故事文本）并用自然语言描述预测需求，系统自动构建高保真平行数字世界，模拟智能体交互演化，最终返回详尽的预测报告与可深度交互的数字世界，实现未来轨迹的推演与决策支持。
666ghj/MiroFish 如何安装？
安装需先配置环境变量：复制 .env.example 为 .env，并填写 LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME 及 ZEP_API_KEY 等必要信息（可选配置 LLM 加速参数）。然后运行 npm run setup:all 自动安装前后端依赖（后端使用 uv sync，前端使用 npm install）。此外，项目提供 Dockerfile 与 docker-compose.yml，支持通过 Docker 构建运行。
666ghj/MiroFish 如何开始使用？
本地启动可通过 npm run dev 同时运行后端（uv run python run.py）与前端（npm run dev），或直接使用 Docker。通过前端界面上传种子材料（数据分析报告或故事文本），用自然语言描述预测需求（如预测某事件演化）。系统将生成预测报告与可交互的高保真数字世界，并支持从上帝视角动态注入变量进行多轮模拟推演。也可访问在线 Demo 体验预设的舆情推演。