65K Star！一个大四学生用 Claude 10 天撸出的"预测引擎"，被盛大看上了

原文链接：https://mp.weixin.qq.com/s/3esLzWasURoDEriUdcSuZw

上传一份报告，生成几千个 AI 智能体，模拟一个平行社会，预测未来走向。这不是科幻——这是 MiroFish。

❝
上传一份报告，生成几千个 AI 智能体，模拟一个平行社会，预测未来走向。这不是科幻——这是 MiroFish。

如果你觉得 AI 只能聊天、写代码、画图，那你可能错过了一个正在爆发的方向：群体智能模拟。

想象一下：你把一份关于某个社会事件的新闻报道丢进系统，系统自动提取出关键实体、利益群体、事件脉络，然后凭空生成几千个具有独立人格和记忆的 AI 智能体。这些智能体代表着事件中的各方角色——支持者、反对者、观望者、利益相关方——然后它们在一个模拟的社会中自由交互、辩论、演化。

几天后，你得到一份详细的预测报告：舆论会怎么走、哪个群体会先发声、对立会在哪个节点激化、最终会形成什么样的社会共识或分裂。

这不是 PPT 概念。这是一个已经有了 65,500+ Stars、10,200+ Forks 的开源项目。

它的名字叫 MiroFish。

一、一个大四学生，10 天，Claude，然后火了

MiroFish 的故事本身就像一场行为艺术。

完全是靠跟 Claude 对话，一句一句聊出来的。从有想法到第一版上线，只用了 10 天。

之后项目改名 MiroFish，被**盛大集团（Shanda Group）**看中并战略孵化。作者组建了团队，项目从一个人的”玩具”变成了一个有规模的开源产品。

顺便一提，MiroFish 的仿真引擎底层用的是 OASIS（Open Agent Social Interaction Simulations），来自 CAMEL-AI 团队的开源贡献。

一个学生 + Claude + 开源社区 + 盛大孵化 = 65K Star 的现象级项目。

这可能是 2025-2026 年最”离谱”的 AI 创业故事。

二、MiroFish 到底在做什么？

用一句话概括：它是一个基于群体智能的多智能体预测引擎。

它的核心逻辑是：

`你上传一份"种子资料"
    ↓
系统自动提取实体和关系（GraphRAG）
    ↓
生成几千个独立 AI 智能体（各有性格、记忆、行为逻辑）
    ↓
智能体在一个模拟社会中自由交互、演化
    ↓
你可以"上帝视角"注入新变量
    ↓
系统生成结构化的预测报告
    ↓
你甚至可以跟模拟世界里的任何一个"人"对话`

传统预测工具给你的是一张冷冰冰的统计图表。MiroFish 给你的，是一个活着的模拟社会。

三、几个让你”嘶——“的 Demo

🏫 武汉大学舆情模拟

上传一份关于武汉大学某个舆情事件的报告，MiroFish 自动生成代表学生、教师、校方、媒体、社会公众等多方角色的智能体，模拟事件发酵的全过程。最终输出：舆论走向预测、关键节点识别、各群体情绪曲线。

你可以在事件真实发生之前，预演它会怎么发展。

📖 《红楼梦》散佚结局推演

把《红楼梦》前八十回的几十万字文本作为种子素材输入，MiroFish 生成了一个模拟的”大观园社会”。林黛玉、贾宝玉、薛宝钗、王熙凤……每个角色都变成了具有独立行为逻辑的 AI 智能体。系统模拟了角色间的情感纠葛、利益博弈和社会互动，最终推演出一个可能的散佚结局。

这不是”问 ChatGPT 你觉得红楼梦结局是什么”。这是让角色自己活一遍，看他们走到哪里。

📈 金融与政策预测

金融场景：上传财报、市场数据，模拟投资者群体的情绪传播和交易行为。政策场景：上传政策草案，模拟不同人群的反应和支持/反对阵营的形成过程。

四、技术架构：一层层拆开看

MiroFish 不是简单地在 Prompt 里写”现在你扮演 500 个角色”，它有一套完整的技术栈：

🧠 GraphRAG 知识图谱

种子素材上传后，系统自动进行实体识别和关系抽取，构建一张结构化的知识图谱。这张图谱不只是在做检索增强——它还注入了每个智能体的个体记忆和集体记忆，保证几千个 Agent 的交互逻辑一致、不崩人设。

👤 千人千面的 Persona 系统

不是”Agent A 是乐观派”，而是每个智能体都有独立的性格参数、长期记忆和行为逻辑。系统根据种子素材中的实体关系，自动匹配合适的角色类型和立场。

🔁 双平台并行仿真

仿真引擎同时运行两个并行的模拟世界（可能是不同参数组合或不同初始条件），Agent 数量可达数千，交互轮次可控。模拟过程中，Agent 的记忆是动态更新的——它们会”记住”刚才发生的事，并依此调整后续行为。

👁️ 上帝视角变量注入

这是 MiroFish 最独特的功能之一：你可以在模拟进行到一半时，动态注入新变量。比如：”突然发布一条辟谣声明”、”政府出台新政策”、”关键人物辞职”。整个模拟世界会实时响应，重新校准——不需要从头跑一遍。

📊 ReportAgent 深度分析

模拟结束后，一个专门的 ReportAgent 会”采访”模拟世界，提取统计数据、识别关键事件、归纳各群体观点，生成结构化的预测报告。你可以继续追问 ReportAgent，或者直接跟模拟世界中的任何一个 Agent 对话。

五、用起来：比你想象的简单

快速自部署

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

# 2. 配置 API Key（支持任何 OpenAI SDK 格式的 LLM）
cp .env.example .env
# 编辑 .env，填入 LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME

# 3. 一键安装依赖
npm run setup:all

# 4. 启动
npm run dev
# 前端: http://localhost:3000
# 后端: http://localhost:5001`

也支持 Docker 一键部署：docker compose up -d

六、为什么这件事值得你关注？

1. 这是”预测”范式的换代

传统预测依赖统计模型和专家经验。大模型时代的预测，本质上是单点的——你问一个问题，模型给一个回答。但现实世界的走势不是由一个”平均人”决定的，而是由成千上万个个体之间的复杂博弈涌现的。

MiroFish 正是抓住了这个本质：用群体智能模拟涌现行为。

与其让一个 AI “猜”舆论会怎么走，不如让 1000 个 AI 模拟 1000 个人的立场和互动，看他们最终走到哪里。

2. 这是”非程序员建产品”的极致案例

一个不会写代码的人，靠跟 AI 对话，10 天做出一款 65K Star 的产品。这本身就在证明：**AI 时代的”能做出来”门槛正在急剧下降。**剩下的竞争力是——你能不能想到别人没想到的事情。

3. 开源 + 商业化的双轨模式

AGPL-3.0 协议开源，任何人都可以自己部署，没有 Agent 数量限制。同时提供云端 SaaS，按用量付费。这种模式在 2026 年的 AI 创业圈越来越常见——开源建立信任和社区，付费服务提供便利。

写在最后

MiroFish 让我想起一句话：

❝
“如果你能模拟未来，你就不用猜测未来。”

过去，这种能力是国家级智库、顶级咨询公司、华尔街量化基金的专属武器。但今天，一个大四学生，一台电脑，一个 Claude，加上开源社区的力量——他把这个能力装进了一个 GitHub 仓库，然后开源给了所有人。

65,000 个人已经点了 Star。

你准备好预测你的第一个”如果”了吗？

参考资料

MiroFish GitHub: https://github.com/666ghj/MiroFish
MiroFish 官网: https://mirofish.work

如果这篇文章让你”嘶——“了一下，欢迎*点赞、在看、转发。

本文转载自微信公众号，如有侵权请联系删除。