简洁通用的群体智能引擎，预测万物
A Simple and Universal Swarm Intelligence Engine, Predicting Anything

English | 中文文档

MiroFish 是一款基于多智能体技术的新一代 AI 预测引擎。通过提取现实世界的种子信息（如突发新闻、政策草案、金融信号），自动构建出高保真的平行数字世界。在此空间内，成千上万个具备独立人格、长期记忆与行为逻辑的智能体进行自由交互与社会演化。你可透过「上帝视角」动态注入变量，精准推演未来走向——让未来在数字沙盘中预演，助决策在百战模拟后胜出。

你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求
MiroFish 将返回：一份详尽的预测报告，以及一个可深度交互的高保真数字世界

MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：

• 于宏观：我们是决策者的预演实验室，让政策与公关在零风险中试错
• 于微观：我们是个人用户的创意沙盘，无论是推演小说结局还是探索脑洞，皆可有趣、好玩、触手可及

从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。

欢迎访问在线 Demo 演示环境，体验我们为你准备的一次关于热点舆情事件的推演预测：mirofish-live-demo

点击图片查看使用微舆BettaFish生成的《武大舆情报告》进行预测的完整演示视频

点击图片查看基于《红楼梦》前80回数十万字，MiroFish深度预测失传结局

金融方向推演预测、时政要闻推演预测等示例陆续更新中...

1. 图谱构建：现实种子提取 & 个体与群体记忆注入 & GraphRAG构建
2. 环境搭建：实体关系抽取 & 人设生成 & 环境配置Agent注入仿真参数
3. 开始模拟：双平台并行模拟 & 自动解析预测需求 & 动态更新时序记忆
4. 报告生成：ReportAgent���有丰富的工具集与模拟后环境进行深度交互
5. 深度互动：与模拟世界中的任意一位进行对话 & 与ReportAgent进行对话

PrediHermes 使用的 fork 增加了反事实分支工作台，用于查看已经生成的历史分支。

• 使用 /simulation/<simulation_id>/counterfactual 打开只读分支面板
• /simulation/<simulation_id>/start 仍然只用于实时启动或重启分支
• 工作台整合了 Step 3 历史时间线、按轮次查看、base/branch 事件对比，以及注入 actor 影响的关系时间线

PrediHermes 是建立在 WorldOSINT + Polymarket + MiroFish 之上的本地优先操作层，用于把新闻包、市场价格、仿真结果、证据链、告警和反事实分支整理成可浏览的决策工件。

快速路径：

# 编译本地运行工件
./predihermes compile-artifacts \
  --mirofish-root /absolute/path/to/MiroFish-main

# 在终端查看最新 ASCII 控制台
./predihermes dashboard \
  --topic-id iran-conflict \
  --mirofish-root /absolute/path/to/MiroFish-main

# 打开 Rust TUI 工作台（无前端依赖）
./predihermes tui \
  --topic-id iran-conflict \
  --mirofish-root /absolute/path/to/MiroFish-main

# 从已有 base simulation 创建新的反事实分支
./predihermes create-branch \
  --base-simulation-id sim_19463d1a091e \
  --actor-name "Swiss backchannel envoy" \
  --entity-type Diplomat \
  --profession Diplomat \
  --country Switzerland \
  --persona "Quiet mediator pushing phased verification and face-saving sequencing." \
  --bio "Backchannel envoy with access to both US and Iranian negotiators." \
  --interested-topic Diplomacy \
  --interested-topic Verification \
  --injection-round 8 \
  --opening-statement "Swiss channel indicates a verification-first formula could still bridge the deadline gap."

# 也可以通过仓库 package script 调用
npm run predihermes -- dashboard --topic-id iran-conflict --mirofish-root /absolute/path/to/MiroFish-main

默认跟踪运行现在会在基础 packet 之外附加两条经过本地裁剪的 feed：

• intelligence_findings
• polymarket_intel

默认模拟路径现在也会额外生成一份更干净的 simulation_brief.md，MiroFish 图谱构建优先吃这份 brief 而不是完整 seed packet。这样可以显著减少把 UTC、Deadline、Seed Packet 之类元数据误识别成 actor 的情况。

如果需要人工干预 cast / persona，可以先导出 operator 可编辑的人设清单：

./predihermes profile-template \
  --simulation-id sim_0e4e0705893c \
  --mirofish-root /absolute/path/to/MiroFish-main

导出的 manifest 默认写到 ~/.hermes/data/geopolitical-market-sim/profile-manifests/。修改后可以把 JSON 路径挂到 tracked topic 上，让下一次运行直接采用 operator override，而不是重新让本地模型随意拼 persona：

./predihermes update-topic iran-conflict \
  --set-profile-overrides-path /absolute/path/to/mirofish_a3d3a53a301d4487.json

这个 manifest 本身就是给 operator 改的。可以直接禁用某些 actor，或者改写 entity_type、name、user_name、persona、bio 等字段，再把它挂回下一次 tracked run。

Rust TUI 启动时会先播放一段更明确的 ASCII PREDIHERMES boot sequence，进入工作台后会进入 control-room 布局：

• Topics
• Runs
• Branches
• Detail

头部、pane 标题和 control footer 会保持轻量动态效果，保证纯终端里也能看见“活”的状态而不是静态截图。

Rust TUI 会读取 ~/.hermes/data/geopolitical-market-sim/compiled/ 下的编译工件，支持浏览：

• topic 列表
• run 历史
• 决策工件
• evidence lineage
• alerts
• accountability ledger
• counterfactual branch summary

Rust TUI 常用按键：

• 1 / 2 / 3 / 4 / 5：快速切换 Topics、Runs、Branches、Tabs、Detail 焦点
• Tab：循环切换焦点
• j / k：在当前 pane 中移动
• h / l：切换 detail tab
• Enter：在 Branches pane 中直接打开当前 branch 详情
• c：基于当前 run 在 footer 中生成一条可直接执行的 create-branch 命令模板
• ?：打开帮助覆盖层
• r：重新加载本地编译工件
• q：退出

如果希望 PrediHermes 全链路本地运行，可将 MiroFish 后端的 LLM_BASE_URL 指向任意 OpenAI-compatible 本地模型服务，例如 Ollama / vLLM / LM Studio。

仓库根目录内置了 ./predihermes 启动脚本，它会优先使用 backend/.venv/bin/python，避免系统 Python 缺少依赖时导致网络命令失败。

# 复制示例配置文件
cp .env.example .env

# 编辑 .env 文件，填入必要的 API 密钥

必需的环境变量：

# 本地 LLM 配置（默认推荐 Ollama + Qwen，保持 PrediHermes 全链路本地）
LLM_API_KEY=ollama
LLM_BASE_URL=http://127.0.0.1:11434/v1
LLM_MODEL_NAME=qwen2.5:7b
LOCAL_LLM_REQUEST_TIMEOUT_SECONDS=900
LOCAL_LLM_MAX_TOKENS=192

# 图谱后端配置（推荐先用 local）
# 可选值: auto | local | zep
GRAPH_BACKEND=local
LOCAL_GRAPH_EXTRACTION_MODE=fast
LOCAL_SIMULATION_PROFILE=lean
LOCAL_SIM_MAX_AGENTS=48
LOCAL_SIM_MAX_ROUNDS=16

# Zep Cloud 配置（仅在 GRAPH_BACKEND=zep 时必需）
# 本地模式下建议留空，避免误以为模拟流程还在走 Zep。
# ZEP_API_KEY=your_zep_api_key

说明：

• GRAPH_BACKEND=local 会将图谱存储在 backend/uploads/graphs/*.sqlite3，不依赖 Zep。
• LOCAL_GRAPH_EXTRACTION_MODE=fast 会让本地图谱构建优先走规则提取，适合本地 PrediHermes 快速模拟；如需更重的 LLM 图谱抽取，可改为 llm。
• LOCAL_SIMULATION_PROFILE=lean、LOCAL_SIM_MAX_AGENTS=48、LOCAL_SIM_MAX_ROUNDS=16 是当前本地 PrediHermes 的默认轻量模拟配置，目的是让 Ollama/Qwen 在单机上稳定跑通而不是默认假设云端吞吐。
• GRAPH_BACKEND=auto 会在存在 ZEP_API_KEY 时使用 Zep，否则自动回退到本地 SQLite。
• GRAPH_BACKEND=zep 会强制要求 ZEP_API_KEY。
• 本仓库默认建议的模型路径是 Ollama -> qwen2.5:7b，也就是 http://127.0.0.1:11434/v1。

# 一键安装所有依赖（根目录 + 前端 + 后端）
npm run setup:all

或者分步安装：

# 安装 Node 依赖（根目录 + 前端）
npm run setup

# 安装 Python 依赖（后端，自动创建虚拟环境）
npm run setup:backend

# 同时启动前后端（在项目根目录执行）
npm run dev

服务地址：

• 前端：http://localhost:3000
• 后端 API：http://localhost:5001

单独启动：

npm run backend   # 仅启动后端
npm run frontend  # 仅启动前端

# 1. 配置环境变量（同源码部署）
cp .env.example .env

# 2. 拉取镜像并启动
docker compose up -d

默认会读取根目录下的 .env，并映射端口 3000（前端）/5001（后端）

在 docker-compose.yml 中已通过注释提供加速镜像地址，可按需替换

MiroFish团队长期招募全职/实习，如果你对多Agent应用感兴趣，欢迎投递简历至：mirofish@shanda.com

MiroFish 得到了盛大集团的战略支持和孵化！

MiroFish 的仿真引擎由 OASIS 驱动，我们衷心感谢 CAMEL-AI 团队的开源贡献！