MiroFish: KI-Prognose-Engine auf Basis von Multi-Agenten-Technologie 246

MiroFish ist eine Open-Source-Vorhersage-Engine für KI, die kürzlich auf der globalen Trendliste von GitHub weit oben stand. Sie wurde von BaiFu (Guo Hangjiang) entwickelt, einem 20-jährigen Studenten im vierten Jahr an der University of Science and Technology of China, und erhielt zudem eine Investition in Höhe von 30 Millionen RMB vom Gründer der Shanda Group, Chen Tianqiao.

MiroFish ist eine KI-Vorhersage-Engine, die auf Multi-Agenten-Technologie basiert und als „schlanke, universelle Schwarmintelligenz-Engine positioniert ist, die alle Arten von Dingen vorhersagen kann".

Der zentrale Designansatz besteht darin, eine „parallele digitale Welt" aufzubauen: Aus der realen Welt werden „Saatgut-Informationen" extrahiert – etwa Eilmeldungen, politische Entwürfe, Finanzsignale oder Romantext – und daraus automatisch eine hochrealistische virtuelle digitale Welt konstruiert. In diesem virtuellen Raum existieren Tausende von Agenten mit eigenständiger Persönlichkeit, Langzeitgedächtnis und Verhaltenslogik, die frei miteinander interagieren und soziale Beziehungen entwickeln. Der Nutzer kann aus einer Art „Gott-Perspektive" dynamisch Variablen hinzufügen, um so zukünftige Entwicklungsrichtungen vergleichsweise präzise abzuleiten.

Das Projekt wurde im Dezember 2025 offiziell veröffentlicht, steht unter der Open-Source-Lizenz AGPL-3.0 und hat auf GitHub bereits über 10.000 Stars erhalten.

Funktionsmerkmale von MiroFish

• Graphkonstruktion: Mithilfe der Temporal-GraphRAG-Technologie werden aus dem als Saatgut dienenden Material Schlüsselentitäten sowie deren Beziehungen extrahiert und so ein dynamischer Wissensgraph aufgebaut. Im Fall des „Traums der Roten Kammer" beispielsweise generierte das System auf Grundlage von 150.000 Zeichen Originaltext 905 Entitätsknoten und 3.822 Beziehungskanten.

• Agentengenerierung: Basierend auf dem aufgebauten Wissensgraph werden automatisch die Beziehungen zwischen Entitäten extrahiert und Agenten-„Profile" mit eigenständiger Persönlichkeit, Haltung und Hintergrund generiert; diese Agenten erhalten zudem ein Langzeitgedächtnis.

• Schwarmintelligenz-Evolution: Eine gleichzeitige Simulation auf zwei Plattformen wird gestartet, in der zwischen zehn und hundert Agenten in jeweils unabhängigen Umgebungen zu einem bestimmten Thema diskutieren, spielen und handeln – wodurch Phänomene wie die Dynamik öffentlicher Meinung oder Gruppenpolarisierung in der realen Gesellschaft simuliert werden.

• Dynamische Variableninjektion: Während der Simulation kann der Nutzer in Echtzeit neue Variablen hinzufügen (z. B. „Was wäre, wenn die Richtlinie eine Woche früher veröffentlicht würde?") und beobachten, wie schmetterlingsartige Effekte die Entwicklung der virtuellen Gesellschaft beeinflussen.

• Visualisierter Bericht: Ein dedizierter ReportAgent führt eine umfassende Analyse aller Aktionen und Evolutionsergebnisse der Agenten durch und gibt einen strukturierten Vorhersagebericht aus, der den Verlauf der Ereignisse, Schlüsselzeitpunkte, Trendeinschätzungen und Risikowarnungen enthält.

• Tiefgreifende interaktive Erkundung: Nach Abschluss der Simulation kann der Nutzer mit jedem beliebigen Agenten ein Einzelgespräch führen und dessen Ansichten sowie Entscheidungslogik erfragen; ebenso ist ein Dialog mit dem ReportAgent möglich, um die Vorhersageergebnisse flexibel zu erkunden.

Technische Highlights von MiroFish

• Es wird die von dem CAMEL-AI-Team Open-Source bereitgestellte OASIS-Simulationsengine verwendet, die Interaktionen von Agenten im Millionenmaßstab unterstützt.

• Die Zep-Cloud-Technologie ist integriert und ermöglicht die Verwaltung des Langzeitgedächtnisses der Agenten.

• Eine Pause- und Wiederaufnahmefunktion wird unterstützt, damit der Nutzer den Vorhersageprozess flexibel steuern kann.

Anwendungsszenarien von MiroFish

MiroFish eignet sich für unterschiedlichste Szenarien – von ernsthafter Vorhersage bis hin zu unterhaltsamer Simulation:

Probelauf makroskopischer Entscheidungen

• Umgang mit Meinungskrisen: Vorhersage der Ausbreitungspfade heißer Ereignisse in der öffentlichen Meinung, der Veränderungen der Stimmung der Bevölkerung, der Reaktionstendenzen von Meinungsführern (KOL) sowie potenzieller Risikopunkte – um den Verantwortlichen zu helfen, im Voraus Gegenstrategien zu entwickeln.

• Bewertung politischer Maßnahmen: In einer risikofreien Umgebung werden die Reaktionen der verschiedenen gesellschaftlichen Akteure nach der Veröffentlichung einer politischen Maßnahme simuliert und die Auswirkungen unterschiedlicher Veröffentlichungszeitpunkte und Formulierungen getestet.

• Strategische Unternehmensanalyse: Simulation der Auswirkungen negativer Nachrichten eines Unternehmens auf den Aktienkurs oder Vorhersage der strategischen Entwicklung sowie der Marktauswirkungen nach einer groß angelegten Finanzierungsrunde.

Mikroskopische kreative Erkundung

• Literarisches Schaffen: Ableitung von Handlungsverzweigungen und möglichen Ausgängen einer Romanhandlung. Zu den offiziellen Demo-Fällen gehört etwa die Vorhersage des verlorenen Endes des „Traums der Roten Kammer" anhand der ersten 80 Kapitel.

• Unterhaltungssimulation: Erkundung verschiedenster fantasievoller „Geistesblitz"-Szenarien, etwa die Verhaltensreaktionen fiktiver Figuren in bestimmten Situationen.

Finanzprognosen

• Analyse der Auswirkungen von Finanzsignalen auf die Marktstimmung sowie des Verhaltens von Gruppen unter unterschiedlichen Marktbedingungen.

Vorteile von MiroFish

• Sehr niedrige Einstiegshürde: Die Interaktion erfolgt in natürlicher Sprache; der Nutzer benötigt weder Programmierkenntnisse noch Kenntnisse komplexer Parameter – „solange man sich unterhalten kann, kann man diese Software benutzen".

• Hohe Simulationsgenauigkeit: Die Agenten verfügen über Langzeitgedächtnis und eine eigenständige Persönlichkeit; ihre Verhaltenslogik kommt der realer Menschen nahe und kann gruppendynamische Phänomene hervorbringen, die der realen Gesellschaft ähneln.

• Fehlertests ohne Risiko: Bietet Entscheidungsträgern eine sichere Probebühne und vermeidet die hohen Kosten, die mit Versuchen in der realen Welt verbunden wären.

• Gutes Open-Source-Ökosystem: Der Code ist Open Source (unter AGPL-3.0), unterstützt lokale Bereitstellung sowie Weiterentwicklung, und die Community ist recht aktiv.

• Flexible Bereitstellung: Es stehen drei verschiedene Optionen zur Verfügung – Online-Demo, Quellcode-Bereitstellung und Docker-Bereitstellung.

Nutzungsanleitung für MiroFish

1. Online-Erlebnis

Besuchen Sie direkt die offizielle Demo-Adresse, um voreingestellte Fälle (wie die Simulation der öffentlichen Meinung an der Wuhan-Universität oder die Weiterführung des „Traums der Roten Kammer") zu erleben:

https://666ghj.github.io/mirofish-demo/

2. Lokale Bereitstellung

Umgebungsanforderungen: Node.js 18+, Python 3.11-3.12, uv-Paketmanager

# Repository klonen
git clone https://github.com/666ghj/MiroFish
# Schlüssel konfigurieren
cp .env.example .env
# .env bearbeiten und LLM API Key sowie Zep API Key eintragen
# Abhängigkeiten mit einem Klick installieren
npm run setup:all
# Dienste starten
npm run dev
# Frontend unter localhost:3000, Backend-API läuft auf localhost:5001

3. Docker-Bereitstellung

Führen Sie nach Abschluss der Konfiguration der .env-Datei Folgendes aus:

docker compose up -d

Nutzungsablauf von MiroFish

1. Saatmaterial hochladen: Laden Sie Originalmaterial wie Analyseberichte, Romantexte oder Nachrichten hoch.

2. Vorhersagebedarf beschreiben: Beschreiben Sie in natürlicher Sprache klar die Frage, die Sie simulieren möchten (z. B. „Auf welche Punkte konzentrieren sich die wichtigsten Gegenstimmen der Öffentlichkeit, nachdem dieses Ereignis veröffentlicht wurde?").

3. Auf den Systemaufbau warten: Das System führt automatisch die Konstruktion des Wissensgraphen, die Generierung der Agenten sowie die Umgebungskonfiguration durch.

4. Simulation ausführen: Legen Sie die Anzahl der Simulationsrunden fest und beobachten Sie die Interaktionen zwischen den Agenten sowie die gesellschaftliche Entwicklung.

5. Bericht einsehen und interagieren: Lesen Sie den Vorhersagebericht oder führen Sie tiefgehende Dialoge mit bestimmten Agenten, um weitere Details zu erkunden.

Häufig gestellte Fragen (FAQ)

F: Ist MiroFish kostenlos?

A: Ja, MiroFish steht unter der Open-Source-Lizenz AGPL-3.0 und der Code ist vollständig kostenlos. Bei der Nutzung müssen Sie allerdings selbst einen API-Schlüssel für ein großes Sprachmodell bereitstellen (z. B. Alibaba Cloud Bailian usw.), wodurch API-Aufrufkosten entstehen können.

F: Welche Beziehung besteht zwischen MiroFish und BettaFish?

A: BettaFish (微舆) ist ein früheres Werk des Autors und konzentriert sich hauptsächlich auf die Analyse öffentlicher Meinung (also die Analyse vergangener Ereignisse); MiroFish ist dessen Weiterentwicklung und legt den Schwerpunkt auf Vorhersage und Simulation (also die Vorhersage künftiger Ereignisse). Die Beziehung zwischen beiden wird mit „Rückspiegel" und „Fernrohr" verglichen.

F: Werden ProgrammierKenntnisse für die Nutzung benötigt?

A: Nein. Die Designphilosophie dieses Produkts strebt höchste Einfachheit an: Der Nutzer muss lediglich seine Anforderungen in natürlicher Sprache beschreiben – alle komplexen Konfigurationen werden automatisch von der KI im Hintergrund erledigt.

F: Welche großen Sprachmodelle werden unterstützt?

A: Grundsätzlich werden alle LLM-APIs unterstützt, die dem OpenAI-SDK-Format entsprechen. In den offiziellen Beispielen wird standardmäßig qwen-plus der Alibaba-Bailian-Plattform empfohlen.

F: Welche Inhalte können vorhergesagt werden?

A: Die derzeitigen offiziellen Beispiele decken heiße öffentliche Meinungsthemen, Campus-Ereignisse und die Simulation von Romanenden ab. Simulationsfunktionen für weitere Szenarien wie den Finanzbereich oder aktuelle politische Nachrichten werden nach und nach aktualisiert.

F: Kann der Simulationsprozess unterbrochen werden?

A: Ja, MiroFish unterstützt die Funktion zum Pausieren und Fortsetzen der Simulation, sodass der Nutzer den Vorhersageprozess flexibel steuern kann.

GitHub-Repository:https://github.com/666ghj/MiroFish

Online-Demo:https://666ghj.github.io/mirofish-demo/