★ FEATURED ARTICLE 从零到第一次仿真MiroFish-Offline五阶段工作流实操教程附硬件配置清单【免费下载链接】MiroFish-OfflineOffline multi-agent simulation prediction engine. English fork of MiroFish with Neo4j Ollama local stack.项目地址: https://gitcode.com/gh_mirrors/mi/MiroFish-OfflineMiroFish-Offline 是一款完全离线运行的多智能体仿真与舆情预测引擎上传一份文档它就能构建知识图谱、生成数百个 AI 智能体并在本地模拟舆论如何在社交平台上扩散演化最终输出结构化预测报告。本教程带你从零走通它的五阶段工作流文末附硬件配置清单。一、MiroFish-Offline 是什么简单说它把一份文档变成一个平行世界。你给它一段新闻、财报或政策草案它会从中提取现实种子人物、公司、事件及其关系然后生成数百个拥有独立性格、观点偏见、反应速度、影响力等级和长期记忆的 AI 智能体。这些智能体在模拟的社交平台上发帖、回复、争吵、改变立场——系统逐小时追踪情绪演化、话题传播与影响力变化。与原版 MiroFish 相比这个 fork 的核心变化是去云化原版 MiroFishMiroFish-Offline中文界面全英文界面1000 字符串翻译Zep Cloud云端图谱记忆Neo4j Community Edition本地DashScope / OpenAI APIOllamaqwen2.5、llama3 等本地模型需要云端 API Key零云端依赖数据不出机器整个后端与图谱数据库之间的抽象层设计详见 docs/progress.md。二、准备工作硬件配置清单与快速安装硬件配置清单先对号入座组件最低配置推荐配置内存 RAM16 GB32 GB显存 VRAM10 GB14b 模型24 GB32b 模型磁盘20 GB50 GBCPU4 核8 核 纯 CPU 模式可以跑但 LLM 推理明显变慢。配置吃紧时把模型换成qwen2.5:14b甚至qwen2.5:7b即可。Docker 一键部署新手推荐前置条件Docker Docker Compose。git clone https://gitcode.com/gh_mirrors/mi/MiroFish-Offline cd MiroFish-Offline cp .env.example .env # 启动全部服务Neo4j Ollama MiroFish docker compose up -d # 拉取本地模型首次需要耗时取决于网速 docker exec mirofish-ollama ollama pull qwen2.5:32b docker exec mirofish-ollama ollama pull nomic-embed-text服务编排文件是 docker-compose.yml三个容器各司其职mirofish-offline主应用端口3000前端/5001后端 APImirofish-neo4j图谱数据库端口7474浏览器/7687Boltmirofish-ollama本地大模型服务端口11434手动部署想理解原理时选用 Docker 单独启动 Neo4j 5.15-e NEO4J_AUTHneo4j/mirofishollama serve后执行ollama pull qwen2.5:32b和ollama pull nomic-embed-text768 维向量后端cd backend pip install -r requirements.txt python run.pyPython 3.11依赖清单见 backend/requirements.txt前端cd frontend npm install npm run devNode.js 18。.env 关键配置速览所有连接参数都集中在项目根目录的.env由 backend/app/config.py 加载最小可用配置如下LLM_API_KEYollama LLM_BASE_URLhttp://localhost:11434/v1 LLM_MODEL_NAMEqwen2.5:32b NEO4J_URIbolt://localhost:7687 NEO4J_USERneo4j NEO4J_PASSWORDmirofish EMBEDDING_MODELnomic-embed-text EMBEDDING_BASE_URLhttp://localhost:11434由于走的是 OpenAI 兼容接口未来把LLM_BASE_URL换成任何兼容服务Claude、GPT 等都能无缝切换。打开首页上传第一份文档浏览器访问http://localhost:3000首页就是控制台拖入文档支持PDF / MD / TXT单文件上限 50MB见 backend/app/config.py#L44-L47右侧输入框填写你的仿真需求想模拟什么、关注什么然后进入五阶段工作流。三、五阶段工作流实操核心部分前端主界面 frontend/src/views/MainView.vue 右上角会实时显示Step X/5路由定义在 frontend/src/router/index.js。下面逐个拆解。阶段 1Graph Build把文档变成知识图谱这是整条流水线的基础分三步自动完成界面组件 Step1GraphBuild.vue本体生成LLM 分析文档内容与你的仿真需求自动抽取现实种子生成适配知识图谱的本体结构实体类型 关系类型由 backend/app/services/ontology_generator.py 实现图谱构建文档被切块默认 500 字、重叠 50 字见 backend/app/services/text_processor.py本地 LLM 逐块做实体/关系抽取NER写入 Neo4j由 backend/app/services/graph_builder.py 调度实时可视化左侧画布每 10 秒轮询一次 Neo4j节点、边增量出现点击任意节点/边可查看属性、摘要、事实与时间戳。⏱️ 提示长文档的图谱构建是耗时最长的阶段进度条会实时显示百分比期间不用守着页面刷新后任务会自动续跑。阶段 2Env Setup生成数百个 AI 智能体与仿真环境图谱完成后进入环境搭建界面组件 Step2EnvSetup.vue核心是三件事创建仿真实例调用POST /api/simulation/create获取模拟世界参数模板路由backend/app/api/simulation.py读取图谱实体backend/app/services/entity_reader.py 从 Neo4j 中筛出符合本体类型的节点公司、人物、机构……作为智能体的认知底料生成智能体人格backend/app/services/oasis_profile_generator.py 为每个智能体生成独立人格、观点偏见、反应速度、影响力等级和事件记忆并编排初始决策——每个 Agent 在仿真开场前就已想好自己要做什么。在上图中可以看到仿真时长设为 120 小时、时间步长 60 分钟、120 个智能体同时左侧知识图谱与右侧实体卡片公司、人物节点一一对应——这就是图谱驱动人格的直观体现。阶段 3Simulation让智能体在模拟社交平台互动这是看戏的阶段。智能体基于 camel-oasis 模拟框架在两个并行模拟平台上活动动作集定义于 backend/app/config.py#L57-L65Info Plaza类 Twitter发帖、点赞、转发、关注、引用类 Reddit 平台发帖、评论、点赞/踩、搜索、查看热榜等 13 种动作。顶部控制栏实时滚动三大指标ROUND当前轮次、Elapsed Time已用时间、ACTS累计动作数两个平台各自独立显示进度界面Step3Simulation.vue运行内核backend/app/services/simulation_runner.py。观察重点同一事件在不同平台人格下的传播差异——Info Plaza 上情绪更快、更极端Reddit 侧则更容易沉淀出长文讨论。这正是多智能体仿真的价值看涌现而非看脚本。阶段 4Report自动生成结构化预测报告仿真结束后点击生成报告backend/app/services/report_agent.py 中的 ReportAgent 会做四件事复盘模拟环境扫描全量帖子、情绪曲线、话题热度焦点小组访谈挑选有代表性的智能体逐一采访问它为什么发帖、为什么改立场图谱取证回到 Neo4j 知识图谱检索证据链混合检索0.7×向量相似度 0.3×BM25 关键词撰写报告输出含标题、摘要、多章节的结构化预测报告章节规划在右侧实时显示可点击进入深度互动。阶段 5Interaction与模拟世界中的 Agent 对话最后一个阶段最有灵魂界面frontend/src/views/InteractionView.vue你可以与任意一个智能体对话追问它发帖的动机——完整人格与记忆在对话中持续生效Report Agent 提供 4 种工具InsightForge 深度洞察基于全局记忆的推演、PanoramaSearch 全景检索、QuickSearch 快速搜索、InterviewSubAgent 焦点访谈。适合在这里做的实验让智能体解释你的观点在第 40 小时为什么反转了往往能挖出单看帖子发现不了的因果链。四、典型应用场景PR 危机预演发布前模拟公关稿引发的舆论反应交易信号生成喂入财经新闻观察模拟市场情绪走势政策影响分析用草案测试公众反应创意实验有人把结局失传的中国古典名著喂了进去智能体们竟写出了一个叙事自洽的续写。五、新手常见问题排查现象处理方式模型拉取很慢/失败换小模型qwen2.5:14b确认mirofish-ollama容器在运行推理卡顿纯 CPU 场景换 7b/14b给 Neo4j 预留堆内存compose 中已设 2g 上限后端连不上 Neo4j核对.env中NEO4J_URI、NEO4J_PASSWORD与容器启动参数一致页面打不开依次检查 5001后端、3000前端、11434Ollama三个端口结语MiroFish-Offline 用Neo4j Ollama把整套文档 → 图谱 → 智能体 → 仿真 → 报告 → 对话的推演链路搬进了你自己的机器数据不出本地成本一次买断能力上不封顶。按本文的硬件清单备好机器跟着 Docker 三步走起来你就能跑完人生中第一次完全离线的多智能体舆情仿真。【免费下载链接】MiroFish-OfflineOffline multi-agent simulation prediction engine. English fork of MiroFish with Neo4j Ollama local stack.项目地址: https://gitcode.com/gh_mirrors/mi/MiroFish-Offline创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
