拓冰网站定制 
MiroFish上传一份报告120个智能体帮你预测舆情走向【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/MiroFishMiroFish 是一款群体智能预测引擎。你上传一份报告甚至几段文字它就能自动搭建一个平行数字世界成百上千个带有独立人格和长期记忆的智能体在其中自由交互、演化最后交给你一份预测报告外加一个可以深挖着聊的数字世界。它适合想在决策前预演一遍趋势的人——做舆情研判、政策推演或者干脆好奇一本小说的结局会怎么走。它帮你省掉的是什么 你可能遇到过这种情况一份舆情报告摆在桌上但接下来会发酵到什么程度没人敢拍板。手工推演只能覆盖最主流的剧本漏掉的那条支线往往最要命。MiroFish 的做法是让 120 个或更多智能体各自带着不同立场去过一遍这件事群体互动自然把多种走向跑出来。你可能还遇到过报告里的实体、关系、立场散落在几百段文字里想看清谁在推动谁只能一页页翻。MiroFish 会自动从文本里抽实体、抽关系拼成一张可视化图谱点开任意节点就能看到它的画像和关联。你可能试过别的模拟工具跑完就是一次性结果想追问如果换个干预手段呢就得从头再来。MiroFish 模拟结束后世界还在你可以直接向 ReportAgent 或世界里任意一个智能体提问继续推演。靠一套种子提取 → 图谱构建 → 多智能体模拟 → 报告生成的流水线这些事都被接住了。核心能力速览 能力一句话说明对应模块图谱构建从非结构化文本中抽取实体与关系构建知识网络backend/app/services/graph_builder.py人设生成为每个实体生成性格、立场、行为偏好等画像backend/app/services/oasis_profile_generator.py模拟执行双平台并行模拟动态更新时序记忆backend/app/services/simulation_runner.py报告生成ReportAgent 携工具集自动产出结构化预测报告backend/app/services/report_agent.py深度交互与模拟世界中的报告 Agent 或任意智能体对话frontend/src/views/InteractionView.vue跑起来最快部署路径 方式一Docker最快适合先跑通看看效果的用户两条命令git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env然后编辑.env填好密钥# 支持 OpenAI SDK 格式的任意 LLM API LLM_API_KEYyour_api_key LLM_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1 LLM_MODEL_NAMEqwen-plus # Zep Cloud每月免费额度即可支撑简单使用 ZEP_API_KEYyour_zep_api_key改完这几行就能跑docker compose up -d方式二源码部署README 推荐源码方式方便二次开发。前置要求Node.js 18、Python 3.11–3.12、uv。环境配好后执行npm run setup:all # 一键安装全部依赖 npm run dev # 同时启动前后端两种方式启动后浏览器访问http://localhost:3000即可进入操作界面后端 API 在http://localhost:5001。首页会显示准备就绪下方有一个文件上传区和预测需求输入框等你的种子材料。完整工作流从输入到输出 图谱构建上传种子文件PDF、PPT、TXT 均可并写一句预测需求 → 系统提取实体与关系注入个体与群体记忆构建 GraphRAG 知识图谱。环境搭建设置智能体数量、模拟时长等仿真参数 → 界面右侧给出每个实体的 LLM 人设卡片可直接核对。开始模拟双平台并行运行系统自动解析预测需求按时间步动态更新记忆。关键参数智能体数量与模拟时长界面默认展示为 120 个智能体、60 分钟。报告生成模拟结束后 ReportAgent 自动规划大纲、逐节撰写 → 产出一份带章节结构的预测报告右侧面板实时展示 Planning、Writing 等进度状态。深度互动进入交互页左侧是完整报告右侧可以直接与 ReportAgent 对话也能切换去和世界里的任意一个智能体单聊 → 每个如果都可以当场追问下去。效果长什么样一个实战切片 场景高校突发事件后的舆情研判。输入是 BettaFish 生成的一份《武大舆情报告》用自然语言描述预测需求后按界面默认参数120 个智能体、模拟时长 60 分钟跑一轮模拟。输出是一份《舆情演化预测报告》报告按舆情爆发 → 公信力瓦解 → 程序正义引发质疑等阶段逐段展开每段结论都标注了触发条件与关键节点而不是给一句笼统的会持续发酵。跑完之后世界不关闭——你可以直接问 ReportAgent情绪接下来会怎么走也可以点名某个智能体听它用自己的立场复述经过。据项目 README 描述同一流程也曾用于《红楼梦》前 80 回数十万字文本的失传结局推演。踩坑备忘与参数参考 ⚙️如果你发现 LLM 账单涨得比模拟进度还快先降轮次。README 明确提示消耗较大可先进行小于 40 轮的模拟尝试跑通了再加量。如果你装依赖时报 Python 相关错误先核对版本后端要求 Python ≥3.11 且 ≤3.12低了高了都不行前端要 Node.js 18。如果你只拿来做轻量体验Zep 的每月免费额度就够用ZEP_API_KEY 不填的话记忆存储环节会卡住这是最常见的启动失败原因之一。场景推荐值备注初次试跑模拟轮次 40README 官方提示先验证链路再加大规模常规推演120 智能体 / 60 分钟界面默认配置可直接使用精细研判智能体数量上调、时长拉长按需求调整注意 LLM 消耗同步增长适合谁 三步开跑 适合想把拍脑袋预测换成跑一遍再下结论的分析师、决策辅助人员以及单纯想拿小说结局练手的技术爱好者。拉代码git clone https://gitcode.com/GitHub_Trending/mi/MiroFish配密钥复制.env.example为.env填 LLM 与 Zep 两组 key起服务docker compose up -d或npm run dev打开http://localhost:3000上传第一份报告的那一刻起每一个如果都有了可以对照的出口。【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 MiroFish｜上传一份报告，120个智能体帮你预测舆情走向
MiroFish上传一份报告120个智能体帮你预测舆情走向【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/MiroFishMiroFish 是一款群体智能预测引擎。你上传一份报告甚至几段文字它就能自动搭建一个平行数字世界成百上千个带有独立人格和长期记忆的智能体在其中自由交互、演化最后交给你一份预测报告外加一个可以深挖着聊的数字世界。它适合想在决策前预演一遍趋势的人——做舆情研判、政策推演或者干脆好奇一本小说的结局会怎么走。它帮你省掉的是什么 你可能遇到过这种情况一份舆情报告摆在桌上但接下来会发酵到什么程度没人敢拍板。手工推演只能覆盖最主流的剧本漏掉的那条支线往往最要命。MiroFish 的做法是让 120 个或更多智能体各自带着不同立场去过一遍这件事群体互动自然把多种走向跑出来。你可能还遇到过报告里的实体、关系、立场散落在几百段文字里想看清谁在推动谁只能一页页翻。MiroFish 会自动从文本里抽实体、抽关系拼成一张可视化图谱点开任意节点就能看到它的画像和关联。你可能试过别的模拟工具跑完就是一次性结果想追问如果换个干预手段呢就得从头再来。MiroFish 模拟结束后世界还在你可以直接向 ReportAgent 或世界里任意一个智能体提问继续推演。靠一套种子提取 → 图谱构建 → 多智能体模拟 → 报告生成的流水线这些事都被接住了。核心能力速览 能力一句话说明对应模块图谱构建从非结构化文本中抽取实体与关系构建知识网络backend/app/services/graph_builder.py人设生成为每个实体生成性格、立场、行为偏好等画像backend/app/services/oasis_profile_generator.py模拟执行双平台并行模拟动态更新时序记忆backend/app/services/simulation_runner.py报告生成ReportAgent 携工具集自动产出结构化预测报告backend/app/services/report_agent.py深度交互与模拟世界中的报告 Agent 或任意智能体对话frontend/src/views/InteractionView.vue跑起来最快部署路径 方式一Docker最快适合先跑通看看效果的用户两条命令git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish cp .env.example .env然后编辑.env填好密钥# 支持 OpenAI SDK 格式的任意 LLM API LLM_API_KEYyour_api_key LLM_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1 LLM_MODEL_NAMEqwen-plus # Zep Cloud每月免费额度即可支撑简单使用 ZEP_API_KEYyour_zep_api_key改完这几行就能跑docker compose up -d方式二源码部署README 推荐源码方式方便二次开发。前置要求Node.js 18、Python 3.11–3.12、uv。环境配好后执行npm run setup:all # 一键安装全部依赖 npm run dev # 同时启动前后端两种方式启动后浏览器访问http://localhost:3000即可进入操作界面后端 API 在http://localhost:5001。首页会显示准备就绪下方有一个文件上传区和预测需求输入框等你的种子材料。完整工作流从输入到输出 图谱构建上传种子文件PDF、PPT、TXT 均可并写一句预测需求 → 系统提取实体与关系注入个体与群体记忆构建 GraphRAG 知识图谱。环境搭建设置智能体数量、模拟时长等仿真参数 → 界面右侧给出每个实体的 LLM 人设卡片可直接核对。开始模拟双平台并行运行系统自动解析预测需求按时间步动态更新记忆。关键参数智能体数量与模拟时长界面默认展示为 120 个智能体、60 分钟。报告生成模拟结束后 ReportAgent 自动规划大纲、逐节撰写 → 产出一份带章节结构的预测报告右侧面板实时展示 Planning、Writing 等进度状态。深度互动进入交互页左侧是完整报告右侧可以直接与 ReportAgent 对话也能切换去和世界里的任意一个智能体单聊 → 每个如果都可以当场追问下去。效果长什么样一个实战切片 场景高校突发事件后的舆情研判。输入是 BettaFish 生成的一份《武大舆情报告》用自然语言描述预测需求后按界面默认参数120 个智能体、模拟时长 60 分钟跑一轮模拟。输出是一份《舆情演化预测报告》报告按舆情爆发 → 公信力瓦解 → 程序正义引发质疑等阶段逐段展开每段结论都标注了触发条件与关键节点而不是给一句笼统的会持续发酵。跑完之后世界不关闭——你可以直接问 ReportAgent情绪接下来会怎么走也可以点名某个智能体听它用自己的立场复述经过。据项目 README 描述同一流程也曾用于《红楼梦》前 80 回数十万字文本的失传结局推演。踩坑备忘与参数参考 ⚙️如果你发现 LLM 账单涨得比模拟进度还快先降轮次。README 明确提示消耗较大可先进行小于 40 轮的模拟尝试跑通了再加量。如果你装依赖时报 Python 相关错误先核对版本后端要求 Python ≥3.11 且 ≤3.12低了高了都不行前端要 Node.js 18。如果你只拿来做轻量体验Zep 的每月免费额度就够用ZEP_API_KEY 不填的话记忆存储环节会卡住这是最常见的启动失败原因之一。场景推荐值备注初次试跑模拟轮次 40README 官方提示先验证链路再加大规模常规推演120 智能体 / 60 分钟界面默认配置可直接使用精细研判智能体数量上调、时长拉长按需求调整注意 LLM 消耗同步增长适合谁 三步开跑 适合想把拍脑袋预测换成跑一遍再下结论的分析师、决策辅助人员以及单纯想拿小说结局练手的技术爱好者。拉代码git clone https://gitcode.com/GitHub_Trending/mi/MiroFish配密钥复制.env.example为.env填 LLM 与 Zep 两组 key起服务docker compose up -d或npm run dev打开http://localhost:3000上传第一份报告的那一刻起每一个如果都有了可以对照的出口。【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