이 포크의 모든 UI는 한국어로 표시됩니다. 백엔드 LLM 프롬프트는 언어에 구애받지 않도록 영어로 작성되어 있습니다.
간결하고 범용적인 군집 지능 엔진, 모든 것을 예측합니다
A Simple and Universal Swarm Intelligence Engine, Predicting Anything
MiroFish는 멀티 에이전트 기술 기반의 차세대 AI 예측 엔진입니다. 현실 세계의 시드 정보(속보, 정책 초안, 금융 신호 등)를 추출하여 고충실도 병렬 디지털 세계를 자동으로 구축합니다. 이 공간 안에서 독립적인 성격, 장기 기억, 행동 논리를 갖춘 수천 개의 지능형 에이전트가 자유롭게 상호작용하며 사회적 진화를 겪습니다. "신의 시점"에서 동적으로 변수를 주입하여 미래 궤적을 정밀하게 추론할 수 있습니다 — 디지털 샌드박스에서 미래를 리허설하고, 수많은 시뮬레이션 후에 최적의 의사결정을 내리세요.
준비물: 시드 자료(데이터 분석 보고서 또는 흥미로운 소설 등)를 업로드하고, 자연어로 예측 요구사항을 설명하세요
MiroFish 결과물: 상세한 예측 보고서와 심층 상호작용이 가능한 고충실도 디지털 세계
MiroFish는 현실을 반영하는 군집 지능 미러를 구축하는 데 전념합니다. 개별 상호작용에서 촉발되는 집단 창발 현상을 포착하여 전통적 예측의 한계를 돌파합니다:
- 거시적 관점: 의사결정자를 위한 리허설 실험실로서, 정책과 PR을 무위험 환경에서 테스트할 수 있습니다
- 미시적 관점: 개인 사용자를 위한 창의적 샌드박스로서, 소설 결말 추론이든 상상력 탐험이든, 재미있고 직관적으로 접근할 수 있습니다
진지한 예측부터 재미있는 시뮬레이션까지, 모든 "만약에?"가 결과를 볼 수 있게 하여 모든 것의 예측을 가능하게 합니다.
온라인 데모 환경에서 트렌딩 여론 이벤트에 대한 예측 시뮬레이션을 체험해 보세요: mirofish-live-demo
 |
 |
 |
 |
 |
 |
이미지를 클릭하면 BettaFish로 생성한 "우한대학교 여론 보고서" 예측의 전체 데모 영상을 시청할 수 있습니다
이미지를 클릭하면 《홍루몽》 전 80회 수십만 자를 기반으로 한 MiroFish의 실전된 결말 심층 예측을 시청할 수 있습니다
금융 예측, 시사 뉴스 예측 등 추가 예시가 계속 업데이트됩니다...
- 그래프 구축: 현실 시드 추출 & 개별/집단 기억 주입 & GraphRAG 구축
- 환경 설정: 개체 관계 추출 & 페르소나 생성 & 에이전트 구성 파라미터 주입
- 시뮬레이션: 이중 플랫폼 병렬 시뮬레이션 & 예측 요구사항 자동 분석 & 시계열 기억 동적 업데이트
- 보고서 생성: ReportAgent가 풍부한 도구 세트로 시뮬레이션 후 환경과 심층 상호작용
- 심층 상호작용: 시뮬레이션 세계의 모든 에이전트와 대화 & ReportAgent와 대화
| 도구 | 버전 요구사항 | 설명 | 설치 확인 |
|---|---|---|---|
| Node.js | 18+ | 프론트엔드 런타임, npm 포함 | node -v |
| Python | ≥3.11, ≤3.12 | 백엔드 런타임 | python --version |
| uv | 최신 버전 | Python 패키지 매니저 | uv --version |
# 예시 설정 파일 복사
cp .env.example .env
# .env 파일을 편집하여 필요한 API 키를 입력하세요필수 환경 변수:
# LLM API 설정 (OpenAI SDK 형식을 지원하는 모든 LLM API 호환)
# 권장: 알리바바 Qwen-plus 모델 (Bailian 플랫폼): https://bailian.console.aliyun.com/
# 소비량이 많으므로, 먼저 40라운드 미만의 시뮬레이션을 시도해 보세요
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
# Zep Cloud 설정
# 월간 무료 할당량으로 간단한 사용이 가능합니다: https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key# 모든 의존성 일괄 설치 (루트 + 프론트엔드 + 백엔드)
npm run setup:all또는 단계별 설치:
# Node 의존성 설치 (루트 + 프론트엔드)
npm run setup
# Python 의존성 설치 (백엔드, 가상환경 자동 생성)
npm run setup:backend# 프론트엔드와 백엔드 동시 시작 (프로젝트 루트에서 실행)
npm run dev서비스 주소:
- 프론트엔드:
http://localhost:3000 - 백엔드 API:
http://localhost:5001
개별 시작:
npm run backend # 백엔드만 시작
npm run frontend # 프론트엔드만 시작# 1. 환경 변수 설정 (소스 코드 배포와 동일)
cp .env.example .env
# 2. 이미지 풀링 및 시작
docker compose up -d기본적으로 루트 디렉토리의 .env를 읽고, 포트 3000(프론트엔드)/5001(백엔드)를 매핑합니다
docker-compose.yml에 가속 미러 주소가 주석으로 제공되어 있으며, 필요 시 교체할 수 있습니다
MiroFish 팀은 정규직/인턴을 상시 모집하고 있습니다. 멀티 에이전트 시뮬레이션과 LLM 응용에 관심이 있으시면 이력서를 보내주세요: mirofish@shanda.com
MiroFish는 Shanda Group의 전략적 지원과 인큐베이션을 받고 있습니다!
MiroFish의 시뮬레이션 엔진은 **OASIS (Open Agent Social Interaction Simulations)**에 의해 구동됩니다. CAMEL-AI 팀의 오픈소스 기여에 진심으로 감사드립니다!