从 AI 助手到沙盘推演:MiroFish 爆火背后,却打开了 Agent 的新大门

AI 助手到沙盘推演

过去，局势推演、舆情走向、系统级预测，都是智库和大型机构的专属工具。但现在，一个不懂编程的大学生用 Claude 堆出了 MiroFish，给普通人打开了一扇「数字沙盘」的大门。

输入种子材料（突发新闻、政策草案、金融信号、甚至小说文本）

→ MiroFish 自动提取信息，构建一个高保真的平行数字世界

→ 在数字世界中生成数千个具备独立人格、长期记忆、行为逻辑的 AI 智能体

→ 让智能体自由交互、社会演化，输出结构化预测报告

01 自然语言，零门槛操作

不需要写代码，不需要结构化数据。用自然语言描述你想推演的场景，MiroFish 自动完成种子提取、图谱构建、模拟运行、报告生成全流程。一条对话，沙盘自动运转。

02 群体智能，涌现社会动态

传统预测工具只能做统计代理，MiroFish 的数千个智能体具备独立人格和长期记忆，它们之间的互动会产生涌现性的社会行为——这是单个大模型永远无法模拟的层次。

03 上帝视角，动态干预未来

模拟过程中可以随时注入新变量（政策突变、黑天鹅事件），无需重置整个模拟，实时观察数字世界的调整反馈。这相当于拥有了「在时间轴上反复试错」的能力。

MiroFish 的技术栈相当硬核，值得拆解：

模拟引擎：CAMEL-AI OASIS

基于开源项目 OASIS（Open Agent Social Interaction Simulations）搭建，由 CAMEL-AI 团队提供底层支持，专门处理大规模智能体社会模拟。

知识图谱：GraphRAG

自动从种子文档提取实体关系，构建高保真知识图谱，支撑智能体在数千次模拟中的连贯推理和记忆检索。

记忆管理：Zep Cloud

接入 Zep Cloud 实现智能体长期记忆管理，让每个智能体「记得」之前发生的事，社会演化更具连贯性。

大模型：兼容 OpenAI SDK

支持所有兼容 OpenAI SDK 格式的 LLM，官方推荐阿里云百炼平台的 qwen-plus 模型。灵活切换模型，不受厂商锁定。

舆情与危机管理

模拟新闻事件、品牌危机、政策公告在社交群体中的传播路径，提前识别叙事领导者、反对集群和情绪拐点。武汉大学舆情事件曾用此工具成功预演。

金融场景预测

建模财报发布、监管变化、宏观信号后的市场情绪动态，模拟不同投资者行为集群的反应模式，预测叙事驱动的价格波动方向。

政策影响测试

零风险测试公共政策草案，模拟不同人口群体（支持派/反对派/骑墙派）的反应，观察辩论随时间的演化路径，优化政策发布策略。

创意叙事探索

最有趣的应用：基于《红楼梦》前80回内容，推演丢失的后四十回结局。任何「如果XXX会发生什么」的脑洞，都可以在 MiroFish 中验证。

MiroFish 的意义，不止于一个爆火的开源项目。它揭示了一个正在形成的 Agent 新范式：

从「对话」到「模拟」
ChatGPT 让 AI 学会了聊天，MiroFish 让 AI 学会了「预演未来」。两者的本质区别是：前者是被动响应，后者是主动演化。

从「单智能体」到「群体智能」
一个超级聪明的 LLM 能回答复杂问题，但只有数千个互相作用的智能体，才能模拟真实社会的复杂性。群体智能是 Agent 研究的下一个深水区。

从「闭源产品」到「开源基础设施」
MiroFish 基于 AGPL-3.0 开源，支持 Docker 一键部署。它正在成为群体智能领域的基础设施——就像 Hugging Face 之于模型，CAMEL-AI 之于多智能体框架。

从「专业机构专属」到「普通人可用」
这是最令人兴奋的一点。过去做舆情推演需要数百万的系统，现在一个大学生用 Claude 就能堆出来。AI 的民主化，正在以超出所有人预期的速度发生。

方式一：在线体验
访问 mirofish.work 直接使用，无需本地部署。

方式二：本地部署
要求：Node.js ≥18，Python ≥3.11且≤3.12
执行 npm run setup:all 一键安装，npm run dev 启动前后端。

方式三：Docker 部署
配置 .env 后执行 docker compose up -d，适合服务端部署。

MiroFish 的爆火，是一个信号

AI 的战场，已经从「谁的模型更聪明」

转移至「谁能更好地模拟真实世界的复杂性」。

沙盘已就位，推演才刚刚开始。

参考资料

GitHub: 666ghj/MiroFish (63.2k Star, AGPL-3.0)

官网: mirofish.work | 孵化: 盛大集团

技术栈: CAMEL-AI OASIS + GraphRAG + Zep Cloud