Motor de Inteligencia Coletiva simples e universal, prevendo qualquer coisa
A Simple and Universal Swarm Intelligence Engine, Predicting Anything

English | Documento em Portugues

⚡ Visao Geral do Projeto

MiroFish e um motor de previsao de IA de nova geracao baseado em tecnologia multi-agente. Atraves da extracao de informacoes semente do mundo real (como noticias de ultima hora, propostas de politicas, sinais financeiros), constroi automaticamente mundos digitais paralelos de alta fidelidade. Nesse espaco, milhares de agentes inteligentes com personalidades independentes, memoria de longo prazo e logica comportamental interagem livremente e passam por evolucao social. Voce pode injetar variaveis dinamicamente a partir de uma "visao divina", projetando com precisao tendencias futuras — deixe o futuro ser ensaiado em uma sandbox digital, e as decisoes vencerem apos centenas de simulacoes.

Voce so precisa: enviar material semente (relatorios de analise de dados ou historias de ficcao interessantes) e descrever a necessidade de previsao em linguagem natural
O MiroFish retornara: um relatorio de previsao detalhado e um mundo digital de alta fidelidade com interacao profunda

Nossa Visao

O MiroFish se dedica a criar um espelho de inteligencia coletiva que mapeia a realidade, capturando a emergencia coletiva provocada pelas interacoes individuais, superando as limitacoes da previsao tradicional:

• No nivel macro: Somos o laboratorio de ensaio para tomadores de decisao, permitindo que politicas e relacoes publicas sejam testadas sem risco
• No nivel micro: Somos a sandbox criativa para usuarios individuais — seja projetando finais de romances ou explorando ideias, tudo e divertido e acessivel

De previsoes serias a simulacoes divertidas, permitimos que cada "e se" tenha um resultado visivel, tornando possivel prever qualquer coisa.

🌐 Experiencia Online

Bem-vindo ao ambiente de demonstracao online, experimente uma simulacao de previsao sobre eventos de opiniao publica em destaque que preparamos para voce: mirofish-live-demo

📸 Capturas de Tela do Sistema

🎬 Videos de Demonstracao

1. Simulacao de previsao de opiniao publica da Universidade de Wuhan + Apresentacao do projeto MiroFish

Clique na imagem para ver o video completo de demonstracao da previsao usando o "Relatorio de Opiniao Publica da Universidade de Wuhan" gerado pelo BettaFish

2. Simulacao de previsao do final perdido de "O Sonho da Camara Vermelha"

Clique na imagem para ver como o MiroFish previu em profundidade o final perdido com base nas centenas de milhares de caracteres dos primeiros 80 capitulos de "O Sonho da Camara Vermelha"

Exemplos de previsao no ambito financeiro, previsao de noticias politicas e outros estao sendo atualizados continuamente...

🔄 Fluxo de Trabalho

1. Construcao do Grafo: Extracao de sementes reais & Injecao de memoria individual e coletiva & Construcao de GraphRAG
2. Configuracao do Ambiente: Extracao de relacoes entre entidades & Geracao de perfis & Agente de configuracao do ambiente injeta parametros de simulacao
3. Inicio da Simulacao: Simulacao paralela em duas plataformas & Analise automatica das necessidades de previsao & Atualizacao dinamica da memoria temporal
4. Geracao de Relatorio: O ReportAgent possui um rico conjunto de ferramentas para interacao profunda com o ambiente pos-simulacao
5. Interacao Profunda: Converse com qualquer pessoa do mundo simulado & Converse com o ReportAgent

🚀 Inicio Rapido

1. Implantacao via Codigo-Fonte (Recomendado)

Pre-requisitos

Ferramenta	Versao Requerida	Descricao	Verificacao da Instalacao
Node.js	18+	Ambiente de execucao do frontend, inclui npm	node -v
Python	≥3.11, ≤3.12	Ambiente de execucao do backend	python --version
uv	Ultima versao	Gerenciador de pacotes Python	uv --version

1. Configurar Variaveis de Ambiente

# Copiar o arquivo de configuracao de exemplo
cp .env.example .env

# Editar o arquivo .env e inserir as chaves de API necessarias

Variaveis de ambiente obrigatorias:

# Configuracao da API LLM (suporta qualquer API LLM no formato OpenAI SDK)
# Recomendado usar o modelo qwen-plus da plataforma Alibaba Bailian: https://bailian.console.aliyun.com/
# Atencao: o consumo e alto, tente primeiro simulacoes com menos de 40 rodadas
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus

# Configuracao do Zep Cloud
# A cota gratuita mensal e suficiente para uso basico: https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key

2. Instalar Dependencias

# Instalar todas as dependencias com um comando (raiz + frontend + backend)
npm run setup:all

Ou instalar por etapas:

# Instalar dependencias Node (raiz + frontend)
npm run setup

# Instalar dependencias Python (backend, cria ambiente virtual automaticamente)
npm run setup:backend

3. Iniciar os Servicos

# Iniciar frontend e backend simultaneamente (executar no diretorio raiz do projeto)
npm run dev

Enderecos dos servicos:

• Frontend: http://localhost:3000
• API Backend: http://localhost:5001

Iniciar separadamente:

npm run backend   # Iniciar apenas o backend
npm run frontend  # Iniciar apenas o frontend

2. Implantacao via Docker

# 1. Configurar variaveis de ambiente (mesmo procedimento da implantacao via codigo-fonte)
cp .env.example .env

# 2. Baixar a imagem e iniciar
docker compose up -d

Por padrao, sera lido o .env do diretorio raiz, mapeando as portas 3000 (frontend) / 5001 (backend)

No docker-compose.yml, enderecos de imagens aceleradas estao disponiveis nos comentarios e podem ser substituidos conforme necessario

📬 Mais Contato

 

A equipe MiroFish esta sempre recrutando para vagas em tempo integral e estagios. Se voce tem interesse em aplicacoes multi-agente, envie seu curriculo para: mirofish@shanda.com

📄 Agradecimentos

O MiroFish recebeu apoio estrategico e incubacao do Shanda Group!

O motor de simulacao do MiroFish e alimentado pelo OASIS, e agradecemos sinceramente a equipe CAMEL-AI pela contribuicao open source!

📈 Estatisticas do Projeto