666ghj%2FMiroFish | Trendshift
간단하고 범용적인 군집 지능 엔진, 무엇이든 예측합니다
GitHub Stars GitHub Watchers GitHub Forks Docker Ask DeepWiki
MiroFish는 멀티 에이전트 기술로 구동되는 차세대 AI 예측 엔진입니다. 속보, 정책 초안, 금융 신호 같은 현실 세계의 시드 정보를 추출해 고충실도의 병렬 디지털 세계를 자동으로 구성합니다. 이 공간에서는 독립적인 성격, 장기 기억, 행동 로직을 갖춘 수천 개의 지능형 에이전트가 자유롭게 상호작용하며 사회적으로 진화합니다. 사용자는 "신의 시점"에서 변수를 동적으로 주입해 미래의 전개를 정밀하게 추론할 수 있습니다. 디지털 샌드박스에서 미래를 미리 리허설하고, 수많은 시뮬레이션 끝에 더 나은 의사결정을 내릴 수 있습니다.
사용자가 할 일은 단 두 가지입니다: 시드 자료(데이터 분석 보고서 또는 흥미로운 소설 스토리)를 업로드하고, 자연어로 예측 요구사항을 설명하세요.
MiroFish가 반환하는 결과: 상세한 예측 리포트와 깊이 있게 상호작용 가능한 고충실도 디지털 세계
MiroFish는 현실을 비추는 군집 지능 미러를 만드는 것을 목표로 합니다. 개인 간 상호작용에서 촉발되는 집단적 창발을 포착해, 기존 예측 방식의 한계를 넘어섭니다.
- 거시적 관점: 의사결정자를 위한 리허설 실험실로서, 정책과 PR 전략을 무위험으로 사전 검증할 수 있습니다.
- 미시적 관점: 개인 사용자를 위한 창작 샌드박스로서, 소설 결말 추론부터 상상 시나리오 탐색까지 재미있고 가볍게 활용할 수 있습니다.
진지한 예측부터 놀이형 시뮬레이션까지, 모든 "만약"이 실제 결과를 볼 수 있도록 만들어 무엇이든 예측할 수 있게 합니다.
온라인 데모 환경에서 저희가 준비한 인기 여론 이벤트 예측 시뮬레이션을 직접 체험해 보세요: mirofish-live-demo
이미지를 클릭하면 BettaFish가 생성한 "우한대학교 여론 보고서"를 기반으로 수행한 전체 예측 데모 영상을 볼 수 있습니다.
이미지를 클릭하면 「홍루몽」 전 80회 분량 수십만 자 텍스트를 기반으로 MiroFish가 수행한 결말 심층 예측 영상을 볼 수 있습니다.
금융 예측, 정치 뉴스 예측 등 더 많은 예시가 곧 공개됩니다...
- 그래프 구축: 시드 추출 & 개인/집단 메모리 주입 & GraphRAG 구축
- 환경 설정: 엔터티 관계 추출 & 페르소나 생성 & 에이전트 설정 주입
- 시뮬레이션: 듀얼 플랫폼 병렬 시뮬레이션 & 예측 요구사항 자동 파싱 & 동적 시계열 메모리 업데이트
- 리포트 생성: 풍부한 도구 세트를 갖춘 ReportAgent로 시뮬레이션 후 환경과 심층 상호작용
- 심화 상호작용: 시뮬레이션 세계의 모든 에이전트와 대화 & ReportAgent와 상호작용
| 도구 | 버전 | 설명 | 설치 확인 |
|---|---|---|---|
| Node.js | 18+ | 프런트엔드 런타임( npm 포함) | node -v |
| Python | 3.11, 3.12 | 백엔드 런타임 | python --version |
| uv | 최신 | Python 패키지 매니저 | uv --version |
# 예시 설정 파일 복사 cp .env.example .env # .env 파일을 열어 필요한 API 키를 입력
필수 환경 변수:
# LLM API 설정 (OpenAI SDK 형식을 따르는 LLM API 지원) # 권장: BaiLian 플랫폼의 Alibaba Qwen-plus 모델: https://bailian.console.aliyun.com/ # 비용 소모가 큰 편이므로 처음에는 40라운드 미만으로 시뮬레이션 권장 LLM_API_KEY=your_api_key LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 LLM_MODEL_NAME=qwen-plus # Zep Cloud 설정 # 월 무료 할당량으로도 기본 사용 가능: https://app.getzep.com/ ZEP_API_KEY=your_zep_api_key
# 전체 의존성 원클릭 설치 (루트 + 프런트엔드 + 백엔드)
npm run setup:all또는 단계별 설치:
# Node 의존성 설치 (루트 + 프런트엔드) npm run setup # Python 의존성 설치 (백엔드, 가상환경 자동 생성) npm run setup:backend
# 프런트엔드와 백엔드를 함께 시작 (프로젝트 루트에서 실행)
npm run dev서비스 URL:
- 프런트엔드:
http://localhost:3000 - 백엔드 API:
http://localhost:5001
개별 실행:
npm run backend # 백엔드만 실행 npm run frontend # 프런트엔드만 실행
# 1. 환경 변수 설정 (소스 코드 배포와 동일) cp .env.example .env # 2. 이미지 풀 후 실행 docker compose up -d
기본적으로 루트 디렉터리의 .env를 읽고, 3000(프런트엔드) / 5001(백엔드) 포트를 매핑합니다.
빠른 이미지 풀을 위한 미러 주소가
docker-compose.yml주석에 제공되어 있으니 필요 시 교체해 사용하세요.
MiroFish 팀은 정규직/인턴 포지션을 모집 중입니다. 멀티 에이전트 시뮬레이션과 LLM 응용에 관심이 있다면 이력서를 보내주세요: mirofish@shanda.com
MiroFish는 Shanda Group의 전략적 지원과 인큐베이팅을 받았습니다!
MiroFish의 시뮬레이션 엔진은 OASIS (Open Agent Social Interaction Simulations) 기반으로 동작합니다. 오픈소스에 기여해 주신 CAMEL-AI 팀에 진심으로 감사드립니다.