MiroFish : moteur de prédiction IA basé sur la technologie multi-agents 251

MiroFish est un moteur de prédiction ai open source qui s'est récemment classé en bonne place dans le classement mondial des tendances GitHub. Il a été développé par BaiFu (Guo Hangjiang), un étudiant de quatrième année âgé de 20 ans à l'Université des sciences et technologies de Chine, et a également reçu un investissement de 30 millions de yuans RMB de la part de Chen Tianqiao, le fondateur du groupe Shanda.

MiroFish est un moteur de prédiction IA qui s'appuie sur la technologie multi-agents, et se positionne comme un « moteur d'intelligence collective simple et universel, capable de prédire toutes sortes de choses ».

L'idée centrale de sa conception est de construire un « monde numérique parallèle » : à partir du monde réel, on extrait des « informations germes », comme des actualités de dernière minute, des projets de politiques, des signaux financiers ou des textes de romans, puis on construit automatiquement un monde numérique virtuel haute fidélité. Dans cet espace virtuel, des dizaines de milliers d'agents intelligents dotés d'une personnalité propre, d'une mémoire à long terme et d'une logique comportementale interagissent librement et développent des relations sociales. L'utilisateur peut, depuis une position similaire à une « vue omnisciente », ajouter dynamiquement certaines variables afin d'anticiper avec une précision raisonnable l'évolution future.

Ce projet a été officiellement lancé en décembre 2025, sous la licence open source AGPL - 3.0, et a déjà dépassé les 10K étoiles sur GitHub.

Fonctionnalités et caractéristiques de MiroFish

• Construction de graphes : utilisation de la technologie GraphRAG temporel pour extraire les entités clés et leurs relations à partir des matériaux servant de graines, afin de construire un graphe de connaissances dynamique. Par exemple, dans le cas de « Le Rêve dans le pavillon rouge », le système a généré, à partir des 150 000 caractères du texte original, 905 nœuds d'entités et 3 822 arêtes relationnelles.

• Génération d'agents : sur la base du graphe de connaissances construit, extraction automatique des relations entre les entités, génération de « personnalités » d'agents dotées d'une personnalité, d'une立场 (position) et d'un contexte propres, et dotation de ces agents d'une mémoire à long terme.

• Évolution de l'intelligence collective : lancement de simulations simultanées sur deux plateformes, permettant à un nombre d'agents allant de plusieurs dizaines à plusieurs centaines de débattre, de rivaliser et d'agir sur un sujet donné dans leurs environnements respectifs, simulant ainsi des phénomènes réels comme la fermentation de l'opinion publique et la polarisation des groupes.

• Injection de variables dynamiques : pendant la simulation, l'utilisateur peut ajouter en temps réel de nouvelles variables (par exemple « si la politique est publiée une semaine plus tôt »), afin d'observer les effets de type « effet papillon » sur le développement de la société virtuelle.

• Rapports visualisés : un ReportAgent dédié procède à une analyse exhaustive de toutes les actions et évolutions des agents, et produit un rapport de prédiction structuré comprenant le déroulement des événements, les nœuds clés, les判断 de tendances et les alertes de risque.

• Exploration interactive approfondie : une fois la simulation terminée, l'utilisateur peut dialoguer individuellement avec n'importe quel agent pour interroger ses points de vue et sa logique de décision ; il peut également échanger avec le ReportAgent pour explorer de manière flexible les résultats de la prédiction.

Points forts techniques de MiroFish

• Adoption du moteur de simulation OASIS open source de l'équipe CAMEL - AI, capable de prendre en charge des interactions simultanées entre des agents à l'échelle du million.

• Intégration de la technologie Zep Cloud pour la gestion de la mémoire à long terme des agents.

• Prise en charge des fonctions de pause et de reprise, permettant à l'utilisateur de contrôler de manière flexible le processus de prédiction.

Scénarios d'application de MiroFish

MiroFish convient à une grande variété de scénarios, allant de la prédiction sérieuse à la simulation ludique :

Répétition de décisions macro

• Gestion des crises d'opinion publique : prédire les voies de propagation d'un événement brûlant en termes d'opinion, l'évolution des émotions du public, les tendances de réaction des KOL et les points de risque potentiels, afin d'aider les acteurs concernés à élaborer à l'avance des stratégies de réponse.

• Évaluation de l'effet des politiques : simuler dans un environnement sans risque les réactions des différentes parties de la société après la publication d'une politique, et tester les effets de différents moments de publication et formulations.

• Analyse stratégique d'entreprise : simuler l'impact sur le cours de l'action d'une société cotée suite à une nouvelle négative, ou prédire l'évolution stratégique d'une entreprise après une levée de fonds à grande échelle et son impact sur le marché.

Exploration créative microscopique

• Création littéraire : déduire les ramifications et la fin d'un roman. Les cas de démonstration officiels comprennent la prédiction de la fin perdue de « Le Rêve dans le pavillon rouge » à partir de ses 80 premiers chapitres.

• Simulation ludique : explorer toutes sortes de scénarios originaux et délirants, par exemple les réactions de personnages fictifs dans des situations données.

Prédiction financière

• Analyser l'impact des signaux financiers sur le sentiment du marché, simuler le comportement des groupes dans différentes conditions de marché.

Analyse des avantages de MiroFish

• Seuil d'utilisation extrêmement bas : interaction en langage naturel, l'utilisateur n'a pas besoin de connaître le code ni de comprendre des paramètres complexes, « tant qu'on peut converser, on peut utiliser ce logiciel ».

• Haute fidélité de la simulation : les agents disposent d'une mémoire à long terme et d'une personnalité propre, leur logique comportementale est assez proche de celle des humains réels, et ils peuvent présenter des dynamiques de groupe similaires à celles de la société réelle.

• Essai-erreur sans risque : offre aux décideurs un lieu de répétition sécurisé, évitant les coûts élevés liés aux tentatives dans le monde réel.

• Écosystème open source solide : le code est open source (sous licence AGPL - 3.0), prend en charge le déploiement local et le développement secondaire, et la communauté est relativement active.

• Méthodes de déploiement flexibles : trois options disponibles — démo en ligne, déploiement à partir du code source et déploiement Docker.

Comment utiliser MiroFish

1. Expérience en ligne

Accédez directement à l'adresse de la démo officielle pour découvrir les cas prédéfinis (tels que la simulation d'opinion publique de l'Université de Wuhan, la suite du « Rêve dans le pavillon rouge ») :

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

2. Déploiement local

Configuration requise : Node.js 18+, Python 3.11-3.12, gestionnaire de paquets apt

# Cloner le dépôt
git clone https://github.com/666ghj/MiroFish
# Configurer les clés
cp .env.example .env
# Modifier .env et y saisir la LLM API Key et la Zep API Key
# Installation des dépendances en un clic
npm run setup:all
# Démarrer le service
npm run dev
# Frontend accessible sur localhost:3000, API backend sur localhost:5001

3. Déploiement Docker

Après avoir configuré le fichier .env, exécutez :

docker compose up -d

Flux d'utilisation de MiroFish

1. Téléverser les matériaux germes : uploadez les documents bruts tels que rapports d'analyse, textes de romans ou actualités.

2. Décrire le besoin de prédiction : expliquez clairement en langage naturel la question que vous souhaitez simuler (par exemple « après la publication de cet événement, sur quels aspects se concentreront les principales voix d'opposition du public »).

3. Attendre la construction par le système : le système effectue automatiquement la construction du graphe de connaissances, la génération des agents et la configuration de l'environnement.

4. Lancer la simulation : définissez le nombre de tours de simulation et observez les interactions entre les agents et l'évolution de la société.

5. Consulter le rapport et interagir : lisez le rapport de prédiction ou dialoguez en profondeur avec un agent spécifique pour explorer davantage de détails.

Questions fréquentes (FAQ)

Q : MiroFish est-il gratuit ?

R : Oui, MiroFish est sous licence open source AGPL - 3.0, et le code est entièrement gratuit. Cependant, lors de l'utilisation, vous devez préparer vous-même la clé API du grand modèle (par exemple Alibaba Cloud Bailian, etc.), ce qui peut entraîner des frais d'appel d'API.

Q : Quelle est la relation entre MiroFish et BettaFish ?

R : BettaFish (微舆) est une œuvre antérieure de l'auteur, principalement axée sur l'analyse de l'opinion publique (c'est-à-dire l'analyse des événements passés) ; MiroFish en est la version améliorée, principalement axée sur la simulation prédictive (c'est-à-dire la prédiction des événements futurs). La relation entre les deux est comparée à un « rétroviseur » et à un « télescope ».

Q : Faut-il des bases en programmation pour l'utiliser ?

R : Non, ce n'est pas nécessaire. La philosophie de conception de ce produit est de viser une simplicité extrême : l'utilisateur doit simplement décrire ses besoins en langage naturel, et toute la configuration complexe est automatiquement effectuée par l'IA en arrière-plan.

Q : Quels grands modèles sont pris en charge ?

R : En théorie, toutes les API LLM conformes au format OpenAI SDK sont prises en charge. Dans les exemples officiels, la recommandation par défaut est d'utiliser qwen - plus sur la plateforme Alibaba Bailian.

Q : Quels contenus peut-on prédire ?

R : Actuellement, les exemples officiels couvrent l'opinion publique sur les sujets brûlants, les événements universitaires, la prédiction des fins de romans, etc. D'autres fonctions de simulation pour des scénarios financiers, d'actualité politique et autres seront progressivement mises à jour.

Q : Le processus de simulation peut-il être interrompu ?

R : Oui, MiroFish prend en charge les fonctions de pause et de reprise de la simulation, permettant à l'utilisateur de contrôler de manière flexible le processus de prédiction.

Ressources du projet MiroFish

Dépôt GitHub :https://github.com/666ghj/MiroFish

Démo en ligne :https://666ghj.github.io/mirofish-demo/