让 MiroFish 替你推演接下来的 72 小时从部署到第一次智能体舆情推演【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手里有一份舆情报告想看看它接下来 72 小时会怎么发酵你可以用 MiroFish。MiroFish 是一个多智能体群体智能推演引擎你上传报告作为种子材料AI 智能体自动搭出模拟社交网络并交互演化最后输出一份预测报告和一个可交互的数字世界。适合做舆情分析、内容策划、以及想在低成本环境里验证假设的人。⚙️ 跑起来之前环境准备与依赖仓库未给出具体硬件要求真实的依赖清单是这几项Node.js 18前端运行环境含 npmnode -v可检查Python 3.11–3.12后端运行环境python --version可检查uvPython 包管理器最新版LLM API任意兼容 OpenAI SDK 格式的接口仓库推荐阿里百炼平台的 qwen-plus 模型Zep Cloud承载智能体记忆图谱每月免费额度即可支撑简单使用先克隆仓库并生成配置文件git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env然后编辑.env填入两组密钥LLM 与 ZepLLM_API_KEYyour_api_key LLM_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1 LLM_MODEL_NAMEqwen-plus ZEP_API_KEYyour_zep_api_key仓库提醒 LLM 消耗较大建议先跑小于 40 轮的模拟。两种启动方式。Docker 方式一条命令即可docker compose up -d源码方式在根目录执行npm run setup:all一次性安装前端与后端依赖再执行npm run dev启动。默认前端在http://localhost:3000后端 API 在http://localhost:5001。 第一次推演一次完整走查启动后打开http://localhost:3000整个流程是 5 步页面上方有 Step 1/5 的进度指示。上传种子材料Step 1 图谱构建选择 pdf、md、txt 或 markdown 文件单文件上限 50MB并用自然语言描述预测需求。上传后页面先生成领域本体再开始构建知识图谱左侧实时渲染图谱右侧日志面板滚动显示进度。环境搭建Step 2系统从图谱中读取实体为每个实体生成人设与活动配置活跃时段、响应延迟、立场、影响力等。你会看到人设列表和已生成的模拟配置这里还有一个模拟轮数滑杆默认使用自动生成的轮数推荐值 40。确认后点击开始模拟。开始模拟Step 3页面进入双平台并行模拟分别显示两个模拟平台的动态与轮次进度当前轮/总轮数每轮默认推进 1 小时模拟时间。报告生成Step 4模拟结束后ReportAgent 调用工具集回看模拟后的环境产出预测报告页面分节展示报告内容。深度互动Step 5你可以与世界中任意一位智能体直接对话也可以继续追问 ReportAgent 对报告结论的解释。全程自动化你只需要传文件、写需求、点两次开始。它凭什么能推演三个关键机制剥掉界面MiroFish 就是三个阶段选角、演出、总结。选角种子材料变成智能体。系统先读种子材料借助 Zep 记忆图谱抽出真实实体个人、机构、媒体等再为每个实体生成一个人格。每个智能体都会拿到一份简历作息表活跃度、发帖频率、活跃时段、响应延迟、立场支持/反对/中立/观察、影响力权重。官方机构被设定为低活跃、慢响应、高影响普通用户则高活跃、响应快。演出按社会节律交互。智能体不是一次性发言而是按轮次推进时间默认每轮 1 小时、总时长默认 72 小时活跃度遵循凌晨沉寂、早间渐起、晚间高峰的节律。它们在模拟平台上发帖、点赞、评论、关注记忆随每轮动态更新后面的行为会受前面交互的影响。总结报告是问出来的。报告不是直接套模板而是 ReportAgent 拿着工具回到模拟环境里取证后写成的工具调用次数与反思轮数由参数限制见下文参数表。 一个例子讲透武大舆情演化推演复盘仓库提供了一个完整的舆情推演演示可作为你第一次跑通的参照。背景武汉大学舆情事件。输入材料是一份舆情报告由微舆 BettaFish 工具生成包含事件的涉事主体、时间线与舆论现状。输入上传该报告作为种子材料用自然语言描述预测事件后舆论如何演化。配置走与上文相同的 5 步流程系统自动生成时间配置模拟时长、活跃时段、事件配置初始帖子、热点话题与智能体配置每个实体一组活动参数三套配置。产出一份舆情演化预测报告加上一个可交互的模拟世界——你可以点进世界里任意一位智能体直接问它你当时为什么那样反应。这次推演的具体结论文据仓库未给出数值仅保留封面与演示说明详见 README-ZH.md 的演示部分。进阶值得动的 4 个参数仓库把大部分配置交给 LLM 自动生成不需要手工调。想控制成本或报告质量时重点看这 4 个参数默认值作用位置模拟轮数max_rounds自动生成默认 72推荐 40界面滑杆范围 10 到自动上限直接决定时长与消耗frontend/src/components/Step2EnvSetup.vueOASIS_DEFAULT_MAX_ROUNDS10环境变量OASIS 模拟的轮数兜底backend/app/config.pyREPORT_AGENT_MAX_TOOL_CALLS5报告智能体最多调用工具次数调大则报告取证更充分、消耗更高backend/app/config.pyREPORT_AGENT_TEMPERATURE0.5报告生成的随机度调低让表述更稳定backend/app/config.py模拟轮数是日常最常碰的开关前端按每轮约 0.6 分钟估算耗时40 轮约 25 分钟LLM 消耗也随轮数大致等比增长。❓ 常见问题QLLM 可以用别的吗没有百炼平台怎么办任意兼容 OpenAI SDK 格式的 LLM API 都可以改.env里的LLM_BASE_URL与LLM_MODEL_NAME即可也可选填 LLM_BOOST 加速通道见 .env.example。Q种子文件最多多大单文件 50MB格式限 pdf、md、txt、markdownbackend/app/config.py 中的ALLOWED_EXTENSIONS。Q模拟轮数加到 100 会怎样滑杆上限是自动生成的轮数默认 72100 超出上限需先在环境配置里调大模拟总时长。按每轮 0.6 分钟估算100 轮约 1 小时墙钟时间token 消耗等比上升。Q能跑多少个智能体、硬件要求是多少仓库未给出硬件要求与智能体数量上限的具体数值官方建议是先用低轮数小于 40 轮控制消耗。MiroFish 把如果变成了可观察的推演部署三条命令第一次舆情模拟走五步流程。先读 README-ZH.md 跑通一遍想深入时再看 backend/app/config.py。【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