MiroFish：群体智能预测引擎，用鱼群算法预测万物

MiroFish是由盛大集团战略孵化的新一代AI预测引擎，基于多智能体（Multi-Agent）技术构建高保真平行数字世界。它从现实世界提取「种子信息」——突发新闻、政策草案、金融信号等——自动生成包含数千个具备独立人格、长期记忆与行为逻辑的智能体的仿真环境，通过群体涌现行为突破传统预测方法的局限。

项目的技术架构融合了GraphRAG知识图谱构建、CAMEL-AI开源框架的OASIS社会仿真引擎、双平台并行模拟以及动态时序记忆更新等核心模块。用户只需上传种子材料并用自然语言描述预测需求，MiroFish即可返回详尽的预测报告和一个可深度交互的数字世界。

该项目已展示了多个应用案例：基于《红楼梦》前80回预测失传结局、武大舆情事件推演、以及金融与时政方向的预测。上线GitHub后以每天近400星的速度飙升，短短数日突破5600星，成为开源社区近期最受关注的AI预测项目之一。

MiroFish：当群体智能遇上预测引擎，用鱼群算法推演未来

项目概述

MiroFish是一款基于多智能体仿真技术的AI预测引擎，由盛大集团战略孵化。项目名称颇具深意：「Miro」暗示镜像与映射，「Fish」呼应鱼群智能——正如鱼群在没有中央指挥的情况下展现出高度协调的集体行为，MiroFish试图通过数千个AI智能体的自由交互，涌现出对复杂系统未来走向的群体性预测。

项目上线GitHub后迅速引爆社区，以每天约400星的速度攀升，短期内突破5600星，跻身趋势榜前列。这种罕见的传播速度，折射出开发者社区对「群体智能+预测」这一新范式的强烈兴趣。

核心技术架构：五阶段预测流水线

MiroFish的预测流程被精心设计为五个相互衔接的阶段，从原始材料到结构化预测报告形成完整闭环：

#### 第一阶段：图谱构建（Knowledge Graph Building）

系统使用GraphRAG技术，从用户提供的种子材料（文本、文档、事件描述等）中自动构建知识图谱。实体、关系、事件时间线被提取并组织成图结构，形成仿真世界的"地基"。这一阶段决定了后续智能体拥有怎样的世界观与背景知识。

#### 第二阶段：环境搭建（Environment Setup）

基于知识图谱，系统自动执行实体关系抽取和人设生成。每个智能体不只是一个通用LLM，而是被赋予了独立的人格特征、社会背景、行为逻辑与价值取向。例如，在预测《红楼梦》失传结局时，贾宝玉、林黛玉、薛宝钗等主要角色会各自被实例化为具有原著性格的独立智能体，彼此之间存在复杂的情感与利益关系。

#### 第三阶段：模拟运行（Simulation）

这是整个系统最核心的阶段。MiroFish采用双平台并行模拟架构，底层由CAMEL-AI的OASIS引擎驱动——OASIS是专为大规模社交网络仿真设计的基础设施，支持百万级用户社交互动模拟。数千个智能体在这一虚拟环境中自由交互，无需人工干预，由此产生复杂的群体涌现行为：舆论的形成与演变、联盟的建立与瓦解、事件的蝴蝶效应传播……

正是这种涌现性，赋予了MiroFish超越传统预测模型的独特能力——它不是在拟合历史模式，而是在"活跑"一个可能的未来。

#### 第四阶段：报告生成（Report Generation）

专属的ReportAgent模块持续观察仿真过程，从群体行为模式、高频路径、关键转折点中提炼洞察，生成结构化预测报告。报告包含主要发展路径、概率分布、关键变量分析及不确定性评估。

#### 第五阶段：深度互动（Deep Interaction）

最具创新性的功能：用户可与仿真世界中任意智能体直接对话。想知道贾宝玉如何看待自己的命运？想测试"如果某个关键事件没有发生"会如何演化？用户可以动态注入变量，实时观察不同假设下的演化路径，将仿真从单向预测升级为交互式沙盘推演。

典型应用案例

#### 《红楼梦》失传结局预测

这是MiroFish最广为传播的演示案例。将前80回作为种子材料，系统构建起包含主要角色的智能体群落，推演后40回的故事走向。生成的"预测结局"在细节上令不少红学爱好者击节赞叹——不是因为它与真实历史吻合，而是因为它在人物性格逻辑上保持了高度一致性。

#### 武大舆情事件推演

使用BettaFish（MiroFish的前期原型）系统，对武汉大学某一社会事件进行多路径舆情推演，验证了系统在真实公共事件中的适用性。

#### 金融与时政预测

路线图中的重点方向。团队计划将MiroFish扩展至金融市场情绪模拟、选举结果预测、地缘政治博弈推演等高价值预测场景。

技术栈与部署

前端使用Vue.js构建，后端为Python实现，完整兼容OpenAI SDK格式，推荐搭配阿里云百炼平台的qwen-plus模型使用。项目提供Docker Compose一键部署方案，大幅降低了上手门槛。

更深层的意义：数字沙盘与预测范式的转变

MiroFish代表的不只是一个工具，而是AI预测范式的一次根本性转变。

传统预测模型——无论是统计模型、机器学习模型还是大语言模型的直接推断——本质上都是在**拟合历史数据中的模式**，然后将这些模式外推到未来。这种方法的天花板显而易见：历史中没有出现过的涌现现象，模型无从捕捉；各要素之间的非线性交互，被简化为线性近似。

MiroFish的多智能体仿真路径则完全不同：它**构建可运行的世界**，让虚拟实体按照各自的逻辑自由演化，从中观察涌现的集体行为。这种方法天然适合模拟复杂系统——社会舆论、金融市场、生态系统、历史走向——因为复杂系统的本质恰恰是涌现，而非线性叠加。

从这个意义上说，MiroFish的雄心不小：它希望成为"未来的预演器"，而不仅仅是"历史的外推器"。

参考信源

[GitHub: 666ghj/MiroFish](https://github.com/666ghj/MiroFish)
[CAMEL-AI OASIS项目](https://github.com/camel-ai/oasis)