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（人物/AI 带人格+记忆+行为逻辑）→ ③ 智能体社会演化（互动、博弈、舆论扩散）→ ④ 上帝视角注入变量 → ⑤ 输出预测报告 + 可继续对撞对话/再注入
- 双视角：宏观＝决策者零风险预演实验室（政策/公关）；微观＝个人创意沙盒（小说结局、脑洞场景）
四大场景（对应本笔记需求）
| 场景 | MiroFish 能力 | 典型演示 |
|---|---|---|
| 小说角色世界模拟 | 种子=小说文本，构建书中人物智能体，推演后续/佚稿结局 | 《红楼梦》佚稿结局推演（基于前 80 回数十万字） |
| 交易参与者市场模拟 | 种子=金融信号/交易者画像，模拟多机构对手行为与市场演化（financial-forecasting） | 量化场景需甄别（见下“适用性评估”） |
| 团队模拟 | 多智能体组织仿真：成员人格/利益/博弈 | 组织决策、团队推演 |
| 重大事件分析推演 | 种子=新闻/政策草案，建舆论场与利益相关方智能体，推政策走向、舆情演化 | 武汉大学舆情模拟（与 BettaFish 报告联动） |
两大仓库对比（诚实差异）
| 维度 | 上游 MiroFish | MiroFish-Explorer（fork） |
|---|---|---|
| 定位 | 极简核心引擎（“简洁”理念） | 探索者扩展版（“做加法”） |
| 热度 | ⭐ 71,182 / fork 11,070 | ⭐ 12 / fork 2 |
| 规模 | 后端 ~12 service / 前端 ~7 view | 后端 ~80+ service（6.7×）/ 前端 ~25 view（3.5×） |
| 继承上游 | — | OASIS 仿真、知识图谱（Neo4j）、report_agent、Docker |
| 独有扩展 | — | 圆桌推演、政策推演、因果推断（DoWhy/EconML）、博弈论求解器（Gambit/OpenSpiel/Network/Stackelberg）、影响传播、意见动力学、Tauri 桌面端、因果桥接、智能体辩论、流式推演 |
| Explorer 分支新增 | — | Command Workflow（命令工作流：reset / inject / pause / resume / snapshot export / sweep 参数扫描）——面向研究者的批量/可复现推演 |
| 技术栈 | Python | Flask 3 + Neo4j 5 + Vue 3 + Tauri 2 + Python 3.11/3.12（uv） |
技术架构
- 上游：Python 后端（OASIS 仿真 + graph_builder 图谱 + report_agent 报告）；Docker 部署；AGPL-3.0；主页 mirofish.ai
- Explorer：前端 Vue 3（Element Plus + ECharts + vis-network + Pinia）→ Flask 3 后端（80+ service）→ Neo4j 图数据库；Tauri 2 桌面端（macOS + Windows，自带 Neo4j + JRE；前端
5288/ 后端5103/ Neo4j7687） - Command Workflow：后端
command_engine.py / command_models.py / command_session_manager.py，前端CommandWorkflow.vue——面向研究者的结构化命令驱动推演
部署（雨云论坛教程要点）
- 硬性资源（多智能体仿真较吃资源）：CPU ≥2 核（推荐 4）、内存 ≥8GB（推荐 16GB）、硬盘 ≥40GB、Docker ≥20.10 / Compose v2
- 纯本地小规模：2C4G 可跑；团队/大规模：4C8G+ 更稳
- 流程：选服务器（雨云/自备）→ 装 Docker → 配
LLM_API_KEY/BASE_URL/MODEL_NAME→docker compose up -d→ 浏览器打开；也可走源码部署（npm run setup:all+ 单独启 Neo4j）
适用性评估（重点：量化市场模拟）⚠️
- ✅ 强项：舆论/政策/社会/小说场景的定性推演——多智能体对人性、利益博弈、信息扩散的建模有真实价值；金融领域定位为
financial-forecasting（宏观/舆情驱动的方向性预测） - ⚠️ 对“交易参与者市场模拟”需甄别：MiroFish 是叙事/认知仿真，不是订单簿/微观结构回测引擎——它模拟的是“交易者如何基于信息与心理决策”的交互认知层，而非价格撮合、滑点、流动性等市场机制（那些仍需传统回测系统）
- 💡 合理用法：作为情景生成器——用其多智能体推演“市场群体心理/舆情事件如何演化”，产出宏观剧本与因变量，再接入自己的量化因子/回测框架；Explorer 的博弈论与因果推断（DoWhy/EconML）对“事件→行情”因果分析有增量价值
- ⚠️ 工程注意：Explorer 为活跃开发期的个人 fork（星标低、迭代快），生产使用建议以上游稳定版为基线，Explorer 作为研究尝鲜；AGPL-3.0 对本项目适用
来源
- GitHub API + README：666ghj/MiroFish、jjy1000/MiroFish-Explorer（2026-08 抓取）
- 雨云论坛部署教程：《MiroFish 一篇部署教程搞定》（forum.rainyun.com/t/topic/13141）
- 官方演示：mirofish.ai、直播演示（武大舆情、红楼梦佚稿）