定位
本笔记分析 MiroFish 群体智能引擎生态（上游核心 + Explorer 扩展 + 部署社区）。源链接：
- 上游：666ghj/MiroFish——盛大大集团孵化的开源核心引擎
- 扩展 fork：jjy1000/MiroFish-Explorer——探索者扩展版
- 社区部署教程：雨云论坛 · MiroFish 部署教程
一句话：MiroFish 是“简洁通用的群体智能引擎，预测万物”——上传种子信息（新闻/报告/小说）→ 自动构建高保真平行数字世界 → 让成千上万具独立人格、长期记忆、行为逻辑的智能体自由交互演化 → 从“上帝视角”注入变量，推演未来轨迹并输出预测报告。GitHub 7.1 万 Star（Trendshift 榜单），是 2025-11 以来现象级开源项目。
核心原理（群体智能/多智能体仿真）
- 引擎：基于 OASIS（CAMEL-AI 开源多智能体仿真框架）——数千智能体并行仿真、独立人格（种子）驱动
- 工作流：① 提取种子信息（事件/政策草案/金融信号/小说文本）→ ② 自动构建平行数字世界 → ③ 智能体社会演化 → ④ 上帝视角注入变量 → ⑤ 输出预测报告 + 可继续交互
- 双视角：宏观＝决策者零风险预演实验室；微观＝个人创意沙盒
四大场景（对应需求）
| 场景 | 能力 | 演示 |
|---|---|---|
| 小说角色世界模拟 | 以小说文本建人物智能体，推演后续/佚稿 | 《红楼梦》佚稿结局推演 |
| 交易参与者市场模拟 | 金融信号/交易者画像驱动多机构博弈推演（financial-forecasting） | 量化场景需甄别（见适用性评估） |
| 团队模拟 | 多智能体组织仿真：人格/利益/博弈 | 组织决策推演 |
| 重大事件推演 | 新闻/政策草案建舆论场，推政策走向 | 武汉大学舆情模拟 |
两大仓库对比（诚实差异）
| 维度 | 上游 MiroFish | MiroFish-Explorer（fork） |
|---|---|---|
| 热度 | ⭐ 71,182 / fork 11,070 | ⭐ 12 / fork 2 |
| 规模 | 后端 ~12 svc / 前端 ~7 view | 后端 ~80+ svc / 前端 ~25 view |
| 图谱层 | Zep Cloud（强制） | 本地 Neo4j + Zvec（无 Zep） |
| 独有扩展 | — | 圆桌/政策推演、因果推断(DoWhy/EconML)、博弈论(Gambit/OpenSpiel)、影响传播、意见动力学、Tauri 桌面端、Command Workflow |
| 技术栈 | Python | Flask + Neo4j + Vue3 + Tauri2 |
部署（雨云教程要点）
- 硬件：CPU ≥2 核（荐 4）、内存 ≥8GB（荐 16）、硬盘 ≥40GB、Docker≥20.10/Compose v2
- 流程：服务器 → Docker → 配 LLM key →
docker compose up -d；或源码部署（npm run setup:all+ Neo4j）
🔒 源码安全审计（2026-08 扫描）
一、遥测（Telemetry）
- ✅ 无内置第三方遥测：两仓库均无 Sentry/PostHog/Mixpanel/Google Analytics/gtag 埋点；前端
index.html无任何外部脚本 - ✅ 无自研“上报统计”埋点（未发现向第三方收集使用数据的 HTTP 调用）
二、数据隐私泄露（⚠️ 重点）
- ⚠️ 上游硬连 Zep Cloud（高风险）：
backend/app/utils/zep.py硬编码ZEP_CLOUD_BASE_URL = "https://api.getzep.com/api/v2"；使用zep_cloudSDK（依赖zep-cloud==3.25.0）；config.py validate()无ZEP_API_KEY即报错拒启；且显式拒绝ZEP_API_URL（注释明言“仅连接 Zep Cloud”，禁止自托管/兼容端点） - 外发内容：
zep_graph_memory_updater.py将模拟中所有 Agent 活动日志（含 action_args 完整上下文）批量上传到 Zep Cloud 图谱（graph.add(episode=…)）；zep_tools.py读取/搜索也走云端——种子材料（小说/新闻/金融信号/交易者画像）+ 全部智能体行为记忆均外发至第三方（美国公司 getzep.com） - ⚠️ LLM 外发（用户自配、预期内）：种子与对话会发送到用户配置的 LLM provider（DeepSeek/OpenAI 等），属自选服务、可控
- ✅ Explorer fork 更隐私友好：
report_agent.py显式“使用本地图谱工具服务（Neo4j + Zvec）替代 Zep Cloud”，零zep_cloud依赖，图谱本地存储——密钥/策略数据不发给第三方 - ✅ 无硬编码密钥：源码无真实泄露的 API key/token（命中的均为 lock 哈希/函数名/二进制误报）
三、商业化与卖点使用风险
- ⚠️ “预测万物”卖点需甄别：输出为生成式叙事推演，非实证预测模型；无第三方基准验证预测准确率——对“交易市场模拟”尤其要小心：它模拟“交易者认知/心理决策层”，不模拟撮合/滑点/流动性，不可当作可回测的预测系统
- ⚠️ 第三方商业依赖：Zep Cloud 为商业公司服务，需注册账号、
.env.example明示“每月免费额度”——存在用量/成本/供应商锁定风险，且模拟数据存于其云端（数据主权问题） - ⚠️ 官方云/demo：上游建有
mirofish.ai在线 demo 与云服务（README 挂重庆大学舆情 demo），官方路径会收集种子数据；项目关联盛大（Shanda）存在商业化背景 - ⚠️ Explorer 为个人非官方 fork：星标低、活跃开发期、无 SLA 与安全审计保障，生产接入需自行把关
- 💡 规避建议：敏感策略数据用 Explorer（本地 Neo4j） 或上游+自托管端点；如量化行情/策略种子务必不用官方云 demo、不用上游默认 Zep Cloud
适用性评估（量化市场模拟）⚠️
- ✅ 强项：舆论/政策/社会/小说定性推演；金融定位为方向性 forecasting
- ⚠️ 非订单簿/微观结构回测引擎；应作情景生成器（推演市场群体心理/舆情演化→产出宏观剧本→接入自有因子/回测框架）
- 💡 Explorer 的因果推断（DoWhy/EconML）与博弈论对“事件→行情”归因有增量价值
来源
- GitHub API + README + 源码审计（
backend/app/utils/zep.py、config.py、zep_graph_memory_updater.py、zep_tools.py、report_agent.py、前端index.html） - 雨云论坛部署教程（forum.rainyun.com/t/topic/13141）