MiroFish多智能体模拟预测：10分钟搭一个平行世界预演未来，完整指南

MiroFish多智能体模拟预测10分钟搭一个平行世界预演未来完整指南【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公关负责人把一份三千字的公告草案丢进MiroFish——一个多智能体模拟预测引擎。二十分钟后她拿到三版如果这样回应舆情会怎么演化的报告每版都标出了可能的引爆点。她改了一个措辞重跑第二版的引爆点已经变了。说白了它的逻辑不复杂把你上传的文本变成一群有性格、有记忆的虚拟人让两个虚拟社交平台里自由互动群体演化出的轨迹就是你的预测。它是怎么工作的一段文本进去一个世界出来输入很随意一份PDF、TXT或Markdown报告加一句自然语言需求比如预测这篇公告发布后的舆情走势。中间的黑箱分四步走先是图谱构建从文本里抽出人物、事件、关系作为群体记忆注入再是环境搭建给每个实体生成人设和作息接着开始模拟虚拟人在仿微博和仿论坛两个平台上发帖、点赞、评论最后报告生成一个带工具的ReportAgent回到模拟环境里取数、核对写成报告。输出是一份预测报告外加一个可以直接对话的数字世界。常规分析MiroFish多智能体模拟数据结构化表格任意非结构化文本逻辑线性因果推断个体交互涌现群体演化结果静态报告可交互的数字世界几个值得记住的能力点种子材料不限文体PDF、纯文本都行舆情报告和小说都可以丢进去。模拟后能玩你可以直接跟任意一个虚拟人对话问他你为什么转发了这条。双平台并行仿微博的快传播和仿论坛的慢讨论同时跑两条舆情路径都覆盖。报告会自我核实ReportAgent带工具集生成结论前会回模拟环境查证数据。跑起来从克隆到第一次出结果的完整路径环境要求三样Node.js 18以上、Python 3.11到3.12、uv包管理器分别用node -v和python --version检查。git clone https://gitcode.com/GitHub_Trending/mi/MiroFish.git cd MiroFish cp .env.example .env npm run setup:all npm run dev不想装环境的话配好.env后一行docker compose up -d也行。.env里真正要填的核心配置就这几项全部定义见config.pyLLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME大模型API任何OpenAI兼容接口都行官方推荐阿里百炼的qwen-plus。ZEP_API_KEYZep Cloud的密钥负责虚拟人的长期记忆每月免费额度够轻度使用。OASIS_DEFAULT_MAX_ROUNDS模拟轮数默认10轮调优章节会再讲。启动后打开http://localhost:3000出现带上传框的主页就是部署成功了。上传第一份文本用一句话描述预测需求然后等报告。能做什么三个真实场景一场舆情的24小时预演输入一份武汉大学舆情分析报告包含事件时间线和各方初步态度。系统内部把媒体、公众、校方等五十多个实体变成立场不同的智能体让它们在两个模拟平台上转发、争论、观望。输出报告指出了舆情引爆点出现在哪个阶段、正面情感占比如何下滑。这场模拟里正面情感从开局约15%掉到6%上下仿微博平台被识别为传播引爆点团队说这和事件实际后续基本对得上。《红楼梦》失传结局推演输入前八十回全文数十万字。系统内部抽出数百个人物实体和关系网逐一生成符合原著性格的人设然后按人设让他们继续互动下去。输出多个不违背前文逻辑的结局版本每个都有完整因果链。有意思的地方在于你可以追问任何一个角色你为什么这么做答出来的话基本不离人设。政策或公关方案发布前预演输入一份政策草案或产品公告计划。系统内部把不同利益相关方拆成不同虚拟人群各自按活跃度发帖、站队、发酵。输出最可能被吐槽的点以及每条吐槽的传播路径。发布前你可以像在沙盘里挪一枚棋子那样改草案里的一个句子重跑一遍看整盘反应怎么跟着变。模拟里的大规模关系网络还能直接可视化方便你提前找到关键节点。深入调优让结果更准的三件事平时不用动代码按影响力排序最有效的就三个旋钮种子材料质量。引擎只能基于你给的东西演化报告里实体和时间线越清晰构建出的图谱越干净。模拟轮数。默认10轮太少社会演化没收敛太多则LLM调用费用成倍上涨。智能体人设与活跃度。觉得虚拟人太乖可以改生成的画像配置。前两个直接在.env里改OASIS_DEFAULT_MAX_ROUNDS40 REPORT_AGENT_MAX_TOOL_CALLS8什么时候需要调报告结论全是笼统判断、没有具体数字多半是轮数不够怀疑人设太单一去看oasis_profile_generator.py的生成逻辑想注入热点话题、定制时间段这类深度配置看simulation_config_generator.py。你会碰到的三个问题我的笔记本跑不动怎么办后端本身不重开销大头在LLM API调用。笔记本能跑建议先跑十轮以内的小规模模拟试水大规模模拟再上云服务器。一次模拟太费钱怎么省两个办法把OASIS_DEFAULT_MAX_ROUNDS调小先跑默认10轮找感觉或者换一个更便宜的模型填进LLM_MODEL_NAME。为什么跑出来的结果很拉九成是种子材料问题原文太短、实体模糊构建出的世界必然模糊。换一份信息量更大的报告再试别急着改参数。你的下一步今晚就克隆下来填好.env里的两把密钥跑通第一次模拟。第一次结果不满意很正常先换种子材料再调轮数。docker compose up -d或npm run dev把报告丢进去让一群虚拟人先把未来吵给你看。【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