MiroFish Skill：3.2万星群体智能预测引擎，10天本科生项目获投3000万

Skill超级捕获手 技术创作者 2026-09-15 1939 阅读

MiroFish 是一个由国内本科生独立开发的群体智能引擎，通过多智能体模拟而非单一模型预测来实现”预测万物”。用户上传种子信息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，让数千个具有独立人格、长期记忆和行为逻辑的智能体自由交互并涌现社会进化，从而输出预测报告和可交互的沙盒环境。2026年3月空降 GitHub Trending 全球榜首，数周内从零 star 冲到 3.2 万+，并获得盛大集团创始人陈天桥 3000 万元战略投资，是今年最具话题性的国产开源 AI 项目之一。

MiroFish 的核心设计原则是群体智能涌现，而非依赖单个大模型给出答案。它构建完整的”AI 预测闭环”：先用 GraphRAG 对用户提供的种子材料（新闻、政策文件、财务数据、小说情节等）进行实体抽取和知识图谱构建，再基于图谱自动生成数千个具有独立人设、行为逻辑和记忆系统的智能体，让它们在数字沙盒中自由交互并产生社会进化，最后由 ReportAgent 输出结构化预测报告并支持深度交互查询。

截至 2026 年 9 月，MiroFish 在 GitHub 已累计获得 约 32,000+ stars、1.1k+ forks（来源：dev.to/beitroot），2026 年 3 月登顶 GitHub Trending 全球总榜，是当月最热门的 AI 开源项目之一。该项目还获得了盛大集团创始人陈天桥 3000 万元人民币战略投资，开发者 666ghj（Baifu）随后出任新公司 CEO。技术栈融合了多智能体模拟、GraphRAG 和长期记忆，由 OASIS 驱动双平台并行模拟引擎。

GitHub 仓库：https://github.com/666ghj/MiroFish

原作者为国内本科生开发者 666ghj（GitHub username: 666ghj），网名 Baifu。该项目由其独立开发，从创意到上线仅用 10 天，上线后迅速引发关注并获得顶级投资人重注，兼具技术理想主义和商业想象力。

MiroFish 的核心思路是打破传统”单模型预测”的局限——不是问一个大模型”明天会发生什么”，而是构建一个由数千个具有独立人格的智能体组成的模拟社会，让信息、行为和群体动态在这个数字世界中自然涌现。项目采用 Node.js（前端）+ Python（后端）+ uv（包管理）+ GraphRAG（知识增强）+ 长期记忆的完整技术栈，后端通过 OASIS 驱动双平台并行模拟引擎，前端基于 Next.js 提供可视化沙盒界面。

MiroFish 的核心架构分为四个阶段：图谱构建（Seed extraction + GraphRAG + 个体/集体记忆注入）→ 环境配置（实体关系抽取 + Persona 生成 + 智能体配置注入）→ 并行模拟（双平台驱动 + 动态时间记忆更新）→ 报告生成（ReportAgent 深度交互）。用户可以在模拟过程中以”上帝视角”动态注入变量（如政策变化、突发事件），观察群体行为的涌现效应。

  • 群体智能而非单模型：数千个独立人格智能体自由交互，涌现结果比单一模型预测更具鲁棒性
  • 自然语言输入：无需编程，上传种子材料 + 描述需求，即可获得预测报告和可交互数字世界
  • 高保真平行世界：基于 GraphRAG 知识图谱构建，支持新闻舆论、政策推演、金融预测、小说结局探索等多种场景
  • 可深度交互：模拟结束后可与任意智能体对话或与 ReportAgent 深度交互
  • 完全自托管：项目开源，可本地部署，不依赖第三方预测 API

安装步骤

前置依赖：Node.js 18+、Python ≥3.11 且 ≤3.12、uv（最新版本）。

# 1. 克隆仓库
git clone https://github.com/666ghj/MiroFish.git
cd MiroFish

# 2. 复制配置示例
cp .env.example .env

# 3. 编辑 .env 填写必要 API 密钥
# LLM_API_KEY: 支持 OpenAI SDK 格式的 API（推荐阿里云百炼 qwen-plus）
# LLM_BASE_URL: https://dashscope.aliyuncs.com/compatible-mode/v1
# ZEP_API_KEY: Zep Cloud（免费额度足够日常使用）

# 4. 一键安装
npm install   # 前端依赖
uv sync       # Python 依赖

# 5. 启动
npm run dev   # 前端
uv run python backend/main.py  # 后端

也支持 Docker 部署：

docker-compose up -d

基础调用示例

上传一份新闻分析报告作为种子材料，用自然语言描述预测需求，系统自动开始模拟：

种子材料：某城市发布限购政策征求意见稿
预测需求：该政策正式落地后三个月内的房价走势与舆论反应

系统返回：一份详细的预测报告 + 可视化数字沙盒，可在沙盒中继续与 ReportAgent 交互或注入新变量观察变化。

MiroFish 适合以下场景和人群：

适用场景：政策推演与公共舆论预测、金融市场情绪预测、危机公关剧本演练、小说/影视结局探索与创意头脑风暴、营销策略沙盒测试

目标用户：需要预测能力但缺乏内部 AI 团队的企业决策者、公关/危机传播/政治咨询领域想建立技术壁垒的独立从业者、AI 服务提供商（项目提供可落地的企业级解决方案）、对群体智能和多智能体模拟技术感兴趣的研究者和开发者

输入示例 1（政策预测）：

  • 输入：上传某地限购政策征求意见稿，提问”正式落地后 3 个月房价与舆论走向”
  • 输出：结构化预测报告（含房价波动曲线、舆论情感分布）+ 可交互数字沙盒

输入示例 2（创意探索）：

  • 输入：上传网络小说前 80 章内容，提问”如果主角做了不同选择，大结局会如何演变”
  • 输出：平行叙事预测 + 多个可能结局分支的详细推演

MiroFish 以群体智能重新定义”预测”——不是给出一个答案，而是构建一个数字世界让答案涌现。3.2 万+ GitHub stars、3000 万元融资、以及 GitHub Trending 全球榜首的成绩，已经证明了市场对这种范式的高度认可。对于想抢先布局下一代预测技术的开发者和决策者，这是一个值得密切关注的开源项目。

GitHub: https://github.com/666ghj/MiroFish

评论区

0 条评论

登录后可评论。

Skill超级捕获手 1939 阅读