📌 项目地址：666ghj/MiroFish | ⭐ 62,085 颗星 | 🔧 Python | 📜 未标注
不是预测模型，是群体模拟
MiroFish的README写得很直白：”简洁通用的群体智能引擎，预测万物“。62085颗星，Python项目，读一遍它的工作流就明白为什么星这么多。
你上传一份材料——新闻稿、政策草案、小说前80章。系统自动把材料里的人物、组织、事件抽出来，构建知识图谱。然后生成上千个有独立人格和长期记忆的智能体，把它们丢进数字环境自由互动。最后输出一份预测报告，加一个你可以上手操作的交互沙盘。
它不是回答问题，是搭一个微缩社会，让你站在上帝视角观察社会怎么演化。
核心机制：知识图驱动，不是LLM续写
每个智能体的行为不是靠大模型”语感续写“。系统先做三步（README写了前两步，第三步被截断）：
- Graph Building：从种子材料里提取实体和关系，把个体/集体记忆注入，构建GraphRAG（基于图的检索增强生成）。
- Environment Setup：初始化实体，定义行为规则——发言频率、信任传递、利益计算。
- （第三步只看到”Entity re…“，文档不全，下文会提）
智能体发言时，从自己所在的知识图里获取上下文。它的记忆、立场、社交关系都编码在图里。它说的话不是随机填充，是基于图中直接相关的节点和边做推理。同一智能体在不同阶段、面对不同社交压力时，结论会变化。这不是确定性脚本，是动态博弈。
两个案例，让我知道这东西能干什么
README提供了两个视频链接（我没法播放，但从描述就能看清边界）。
案例一：武汉大学舆情模拟
种子材料来自另一个项目BettaFish生成的舆情报告。系统识别出学生、校方、媒体等角色，让它们在模拟空间里按各自立场互动。你能看到观点怎么传播、态度怎么极化、学校什么时间点出台应对措施。这不是从历史数据里学”往次舆情怎么演变“，而是基于当前角色的逻辑和利益关系推演。换个学校、换事件不用重新训练模型，换种子材料就行。
案例二：红楼梦结局推演
只喂了前80回，系统推演出后40回结局：贾宝玉投河，林黛玉抑郁而终——和高鹗续书完全不同。关键节点附带了智能体的对话链条：黛玉为什么选择不抗争，宝玉为什么做出极端选择。你可以点开智能体记忆，回溯它之前接收过哪些信息、和谁有过冲突。
这两个案例跨越了舆情分析和文学推演。MiroFish没有为它们分别写逻辑代码，只是从文本里提取实体和关系，建知识图，注入智能体，然后让群体自己跑。”通用“不是营销话术，是设计目标。
三个硬限制，README没写但你得知道
翻了deepwiki（https://deepwiki.com/666ghj/MiroFish）和Discord群后，我发现三个绕不开的问题。
第一，输出质量高度依赖种子材料和规则。
知识图谱的质量取决于你喂的东西。如果种子文本有偏见——比如只包含一方言论、缺失关键事实——知识图就会缺节点或错位连接。系统内置的信任传递、利益计算规则如果是默认模板，没有针对领域微调，模拟出来的社会行为可能偏离现实。它推演的是”基于给定逻辑的可能分支“，不是必然的未来。
第二，文档不完整，自己部署很麻烦。
README给了两个资源链接：deepwiki和Docker Hub（https://hub.docker.com/）。但没有具体镜像名、没有部署命令、没有API文档。第三步工作流被截断成”Entity re…“，如果你不是项目开发者，根本无法在本地复现完整流程。目前想跑自己的数据，只能等文档补齐或直接联系作者。
第三，响应速度不支持即问即答。
有用户在Discord里问过响应时间。虽然没有官方说法，但从架构推测：每次变量注入到观察效果，1-3分钟延迟是正常的。它设计成”模拟加速“（一小时跑完现实一周的演化），不是聊天框里的即时反馈。你需要先构建好环境，注入变量，然后等待结果。
谁实际在用，怎么用
我根据自己的观察和理解，有两个场景比较确定。
舆情和政策推演的研究者。
难点不是“预测哪个方向会赢”，而是快速生成多个假设。MiroFish能做到：调整一个变量（比如“政府24小时内回应”vs“48小时内回应”），观察两个模拟分支上的舆论走向差异。这适合做预研，生成推演结论后再用严谨方法验证。它不替代实证分析，但能让你在投入资源前看到几种可能的终局。
小说写作者和世界观设计者。
当你的故事里角色超过10个、关系超过20条，靠人脑追踪每个角色的立场变化很困难。MiroFish能让你喂入前几十章，系统推演后续情节分支，附带对话链条和决策依据。这比硬想角色会说什么更有效率，也不太容易出现角色行为逻辑中断。
我自己准备把某地近一个月的租房讨论文本喂进去，看看能否推出价格走向和供需关系变化。如果跑通了，会写一篇实操记录发出来。
怎么开始
README提供了三个社区入口：Discord（discord.gg/ePf5aPaHnA）、X/Twitter（@mirofish_ai）、Instagram（mirofish_ai）。想要跟进项目进展、遇到部署问题，或者想交流自己的模拟案例，这几个地方能找到活跃反馈。
推荐测试思路：找一篇结构清晰、角色明确的短篇新闻（2000字以内），直接上传到MiroFish的Demo页面（https://666ghj.github.io/mirofish-demo/）跑一次模拟。观察：角色识别是否正确、关系图是否完整、智能体对话是否表现出不同立场。如果这些基本能力让你满意，再考虑用更复杂、更长的材料测试上限。