你看过《红楼梦》吗？如果有人跟你说，用 AI 模拟上千个角色，推演出曹雪芹失传的后四十回结局——你信吗？
MiroFish 就干了这件事。它不只是个预测工具，它是一个群体智能引擎——拿真实世界的信息做种子，构造一个平行数字世界，让几千个 AI 个体在里面自由演化，然后告诉你未来可能会怎么走。
是什么
MiroFish 是盛大集团战略支持的一个开源项目，2025 年 11 月发布，现在 65.4K Stars、10.2K Forks。AGPL-3.0 协议。
它的定位是「简洁通用的群体智能引擎，预测万物」。核心思路是：从现实世界提取种子信息（新闻、政策草案、金融信号），自动构建一个高保真的平行数字世界，让数千个拥有独立人格、长期记忆和行为逻辑的 AI 智能体在里面自由交互、社会演化。你可以从上帝视角动态注入变量，精确推演未来轨迹。
一句话：在数字沙盘里预演未来，赢在无数次模拟之后。
能做什么
舆论推演。 拿一条新闻事件，让上千个 AI 模拟不同社会角色的反应和演化，预测舆论走向。武汉大学舆情模拟就是它的经典案例。
金融预测。 输入金融信号、市场数据，构建投资者群体，模拟市场情绪演化，预测价格走势。
创意推演。 最有意思的一个——把《红楼梦》前八十回喂进去，让 AI 角色们按照曹雪芹设定的人格继续「活」下去，看他们自己走出什么样的结局。这不是生成文本，是群体涌现的结果。
工作流程
五步走：
① 建图。 从种子信息中提取实体关系，注入个体和集体记忆，构建 GraphRAG 知识图谱。
② 环境搭建。 关系抽取、人格生成、Agent 配置注入——每个 Agent 有自己的性格、知识和记忆。
③ 模拟运行。 双平台并行模拟、自动解析预测需求、动态时间记忆更新。Agent 们开始交互和演化。
④ 报告生成。 ReportAgent 用丰富的工具集生成详细的预测报告。
⑤ 深度交互。 你可以跟模拟世界里的任意一个 Agent 对话——问问 "王熙凤怎么看这件事？"
怎么部署
源码部署（推荐）：
git clone https://github.com/666ghj/MiroFish.git
cd MiroFish
cp .env.example .env # 填 LLM_API_KEY 和 ZEP_API_KEY
npm run setup:all # 一键装依赖
npm run dev # 启动前后端
完了打开 http://localhost:3000 就能用。Docker 也行：docker compose up -d。
需要配置 LLM API（推荐阿里通义千问 qwen-plus）和 Zep Cloud（免费额度够用）。
不是没有槽点
LLM 消耗大。 上千个 Agent 同时在跑，每次模拟的 token 消耗非常可观。推荐先用少于40轮的模拟试试水。
需要 Zep Cloud。 虽然免费额度够用，但不是纯本地的方案。MiroFish-local 有替代方案但不太成熟。
门槛不低。 虽然是"一键部署"，但要配 LLM API Key、Zep Key，不是零门槛。普通用户可能装不起来。
预测结果难验证。 群体智能的预测本质上是概率性的——同一个事件跑两次可能结果不同。这不是 bug，是特性，但用户得理解这个前提。
演示 demo 有限。 在线 demo 只展示了舆情推演，金融预测和更多场景的 demo 还在路上。
跟同类怎么比
vs 传统预测模型： 传统预测靠统计模型或深度学习，从历史数据找规律。MiroFish 不做模式匹配——它构建社会系统模拟，让 Agent 从底层交互涌现出宏观结果。这是两种完全不同的方法论。
vs 单一 Agent： 单个 LLM 也能做预测，但缺乏群体多样性。一个 Agent 只能从自己的知识出发。MiroFish 的上千个 Agent 各有各的人格、记忆和逻辑，它们相互争论、影响、演化——这才是社会预测需要的复杂度。
我的看法：MiroFish 是那种"一听觉得挺科幻，一用觉得真有戏"的项目。65K Stars 在一个半年不到的项目上达到，说明市场认可。虽然不是零门槛，但值得玩一玩。
GitHub：https://github.com/666ghj/MiroFish
官网：https://mirofish.ai
在线 Demo：https://666ghj.github.io/mirofish-demo/
标签：#MiroFish #群体智能 #多智能体 #预测 #金融预测 #舆情分析 #社会模拟 #AI预测 #盛大集团
关注我，每期分享一个帮你省事的强大工具 🛠️