Python-инфраструктура, которая превращает корпоративные данные в контекстный слой на основе графов с онтологиями, логическим выводом, отслеживанием происхождения данных и аудитом решений для AI-систем.
666ghj/MiroFish
Многоагентная система симуляции, которая создает цифровой мир на основе исходных данных и прогнозирует последствия новостей, решений или финансовых событий.
- Звёзды
- 80,574
- Форки
- 12,228
- Открытые issues
- 156
- Последний коммит
- 4 дня назад
Что это?
MiroFish — система прогнозирования на основе многоагентного моделирования. Загрузите исходные материалы — например, новостные статьи, проекты решений, финансовые сигналы или даже роман — и опишите обычным языком, что нужно спрогнозировать. Система извлекает сущности и связи, строит граф знаний, создает агентов с индивидуальными характерами и памятью, а затем запускает симуляцию на двух платформах, где агенты взаимодействуют в течение множества раундов.
Во время симуляции пользователи могут добавлять в виртуальную среду новые переменные и проверять, как разные условия повлияют на ход событий. По завершении ReportAgent формирует отчет с прогнозом. Результаты можно изучить, общаясь с отдельными агентами или с ReportAgent.
Бэкенд написан на Python, фронтенд работает на Node.js. В основе проекта — фреймворк для симуляции социальных взаимодействий агентов OASIS от CAMEL-AI; для работы с памятью используется Zep Cloud. Для вызова моделей поддерживается любой LLM API, совместимый с OpenAI. Также доступно развертывание с помощью Docker Compose.
Ключевые возможности
- 01Создает граф знаний и профили агентов на основе загруженных исходных материалов.
- 02Запускает многораундовые симуляции, в которых агенты с памятью взаимодействуют на двух платформах.
- 03Позволяет добавлять переменные в запущенную симуляцию и проверять разные сценарии.
- 04Генерирует отчет с прогнозом с помощью ReportAgent, с которым можно взаимодействовать в диалоге.
- 05Позволяет напрямую общаться с отдельными агентами симуляции.
- 06Поддерживает любой LLM API, совместимый с OpenAI, и предлагает развертывание из исходного кода или через Docker.
Сценарии использования
- Проверка того, как может меняться общественное мнение вокруг новости или решения до его публикации.
- Изучение альтернативных развязок или сценариев для романа или рассказа.
- Моделирование ситуаций «что, если» на основе финансовых или рыночных сигналов.
- Изучение того, как взаимодействия отдельных агентов приводят к коллективным результатам в социальных системах.
Быстрый старт
- 1
Скопируйте пример файла окружения
cp .env.example .env - 2
Укажите необходимые API-ключи (LLM и Zep) в .env
- 3
Установите все зависимости
npm run setup:all - 4
Запустите фронтенд и бэкенд (фронтенд — localhost:3000, бэкенд — localhost:5001)
npm run dev
Что важно знать
- Требуются API-ключ LLM и API-ключ Zep Cloud; симуляции могут расходовать много токенов.
- Для развертывания из исходного кода требуются Python версии 3.11–3.12, Node.js 18 или новее и менеджер пакетов uv.
- Лицензия AGPL-3.0 требует предоставлять исходный код измененных версий, доступных по сети.
Темы
Частые вопросы
- Что такое MiroFish?
- Многоагентная система симуляции, которая создает цифровой мир на основе исходных данных и прогнозирует последствия новостей, решений или финансовых событий. MiroFish — система прогнозирования на основе многоагентного моделирования. Загрузите исходные материалы — например, новостные статьи, проекты решений, финансовые сигналы или даже роман — и опишите обычным языком, что нужно спрогнозировать. Система извлекает сущности и связи, строит граф знаний, создает агентов с индивидуальными характерами и памятью, а затем запускает симуляцию на двух платформах, где агенты взаимодействуют в течение множества раундов.
- MiroFish можно использовать бесплатно? Какая у него лицензия?
- MiroFish распространяется с открытым исходным кодом под лицензией AGPL-3.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- MiroFish всё ещё поддерживается?
- Активно поддерживается. Последний коммит в MiroFish — 16 окт. 2026 г..
- Для чего можно использовать MiroFish?
- Проверка того, как может меняться общественное мнение вокруг новости или решения до его публикации. Изучение альтернативных развязок или сценариев для романа или рассказа. Моделирование ситуаций «что, если» на основе финансовых или рыночных сигналов. Изучение того, как взаимодействия отдельных агентов приводят к коллективным результатам в социальных системах.
- Как установить MiroFish?
- Скопируйте пример файла окружения: cp .env.example .env Укажите необходимые API-ключи (LLM и Zep) в .env Установите все зависимости: npm run setup:all Запустите фронтенд и бэкенд (фронтенд — localhost:3000, бэкенд — localhost:5001): npm run dev
- Где скачать MiroFish?
- Исходный код и инструкции по установке — на GitHub: https://github.com/666ghj/MiroFish
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Python-библиотека, которая ограничивает генерацию LLM, чтобы результат соответствовал заданному типу, регулярному выражению, JSON Schema или грамматике.
Самостоятельно размещаемая база знаний на Rust, которая строит бивременной граф знаний по документам, поддерживает RAG-поиск, рассуждения на основе онтологий и доступ для агентов через MCP.
Преобразует неструктурированный текст в интерактивный граф знаний: LLM извлекает триплеты «субъект — предикат — объект».
Локальный инструмент для построения графа знаний: модель, запущенная через Ollama, рассуждает по шагам, а результат сохраняется в виде RDF-графа на вашем компьютере.
Учебный репозиторий с 30 запускаемыми Jupyter-ноутбуками о методах организации памяти LLM-агентов: от буферов диалога до Mem0, Letta, Zep и Graphiti.