⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处极客之家「丛林」欢迎转载，保留摘要，谢谢！

🙂🙂🙂关注微信公众号：【芋道源码】有福利：

RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表

RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址

您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。

新的源码解析文章实时收到通知。每周更新一篇左右。

认真的源码交流微信群。

今天给大家介绍一款近期在GitHub上备受瞩目的“颠覆性”开源项目——MiroFish。它不仅连续多日霸榜GitHub Trending，更代表着AI应用从“分析当下”向“模拟未来”的一次范式跳跃。

简介

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。

技术内核

MiroFish是如何实现如此复杂模拟的？其工作流程可以概括为五个核心步骤：

图谱构建： 系统首先对用户上传的“种子材料”（如分析报告、小说文本）进行深度解析，提取关键实体与关系，并利用GraphRAG技术构建一个动态的知识图谱，为智能体注入个体与群体的初始记忆。
环境搭建： 基于知识图谱，系统自动抽取实体关系、生成具有不同立场与背景的智能体“人设”，并由环境配置Agent注入仿真参数，完成虚拟世界的初始化搭建。
开始模拟： 这是最精彩的部分。MiroFish会启动双平台并行模拟，让生成的数十甚至上百个智能体在两个独立的模拟环境中，就相关议题展开讨论、博弈与行动。整个过程自动解析预测需求，并动态更新所有智能体的时序记忆。
报告生成： 模拟结束后，专属的ReportAgent会利用丰富的工具集，与模拟后环境进行深度交互，综合所有智能体的行动与演化结果，生成一份结构化的详细预测报告。
深度互动： 报告并非终点。你可以选择与模拟世界中的任意一位智能体进行对话，追问其观点与决策逻辑；也可以与ReportAgent对话，让它以更灵活的方式总结、解释预测结果。

快速开始

一、源码部署（推荐）

前置要求

工具	版本要求	说明	安装检查
Node.js	18+	前端运行环境，包含 npm	node -v
Python	≥3.11, ≤3.12	后端运行环境	python –version
uv	最新版	Python 包管理器	uv –version

1. 配置环境变量

# 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：

# LLM API配置（支持 OpenAI SDK 格式的任意 LLM API）
# 推荐使用阿里百炼平台qwen-plus模型：https://bailian.console.aliyun.com/
# 注意消耗较大，可先进行小于40轮的模拟尝试
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
# Zep Cloud 配置
# 每月免费额度即可支撑简单使用：https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key

2. 安装依赖

# 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

3. 启动服务

# 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

二、Docker 部署

# 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

系统截图

效果演示

舆情与公关推演： 如对“武汉大学舆情报告”进行模拟，预测舆论走势。

视频地址：

https://www.bilibili.com/video/BV1VYBsBHEMY/

文化与创意探索： 基于《红楼梦》前80回文本，深度预测其失传结局。