本期来聊一个最近已经在 GitHub 上挺火的 AI 项目：MiroFish。

第一次看到它的时候，我脑子里冒出来的第一反应居然是：库洛·里德？怎么，我们 NAS 圈现在也有自己的大占卜师了？因为这个项目就是把新闻、舆论、关系、事件，全都往里塞丢进一个系统里，让一群 Agent 自己去推演、分析，最后给你吐出一个看起来像「预判结果」的东西。

其实当时我同期试过另一个偏舆情监控方向的项目，不过实际体验下来，消息过于滞后。反倒是 MiroFish 这种带点“电子预言家”气质的项目，看着更有点新鲜感。

刚好这段时间 AI 也确实很热，那这篇就顺手来分享一下，看看 MiroFish 到底该怎么部署。

项目概述

完整项目名：666ghj/MiroFish，以下内容摘自项目页面：

MiroFish 是一款基于多智能体技术的新一代 AI 预测引擎。通过提取现实世界的种子信息（如突发新闻、政策草案、金融信号），自动构建出高保真的平行数字世界。在此空间内，成千上万个具备独立人格、长期记忆与行为逻辑的智能体进行自由交互与社会演化。你可透过「上帝视角」动态注入变量，精准推演未来走向——让未来在数字沙盘中预演，助决策在百战模拟后胜出。

你只需：上传种子材料（数据分析报告或者有趣的小说故事），并用自然语言描述预测需求。
MiroFish 将返回：一份详尽的预测报告，以及一个可深度交互的高保真数字世界。

美好愿景

MiroFish 致力于打造映射现实的群体智能镜像，通过捕捉个体互动引发的群体涌现，突破传统预测的局限：

于宏观：我们是决策者的预演实验室，让政策与公关在零风险中试错

于微观：我们是个人用户的创意沙盘，无论是推演小说结局还是探索脑洞，皆可有趣、好玩、触手可及

从严肃预测到趣味仿真，我们让每一个如果都能看见结果，让预测万物成为可能。

部署流程

以威联通NAS为例，我们通过Docker Compose的方式进行部署。

部署代码如下，环境变量不多放在后面，大家根据自己情况往部署代码里补充。也可创建.env环境变量文件调用。

services:
  mirofish:
    image: ghcr.io/666ghj/mirofish:latest
    # 加速镜像（如拉取缓慢可替换上方地址）
    # image: ghcr.nju.edu.cn/666ghj/mirofish:latest
    container_name: mirofish
    # 实际路径自行更改
    env_file:
      - /share/Container/mirofish/.env
    ports:
      - "3003:3000" # 端口易冲突请自行更改
      - "5001:5001"
    restart: always
    volumes:
      - /share/Container/mirofish/backend/uploads:/app/backend/uploads # NAS映射目录自行更改

截屏2026-03-19 16.27.27.png
环境变量如下：

# LLM API配置（支持 OpenAI SDK 格式的任意 LLM API）
# 推荐使用阿里百炼平台qwen-plus模型
# 注意消耗较大，可先进行小于40轮的模拟尝试
LLM_API_KEY=sk-xxxxxx
LLM_BASE_URL=https://api.siliconflow.cn/v1/
LLM_MODEL_NAME=Pro/zai-org/GLM-5

# ===== ZEP记忆图谱配置 =====
# 每月免费额度即可支撑简单使用：https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key_here

# ===== 加速 LLM 配置（可选）=====
# 注意如果不使用加速配置，env文件中就不要出现下面的配置项
LLM_BOOST_API_KEY=your_api_key_here
LLM_BOOST_BASE_URL=your_base_url_here
LLM_BOOST_MODEL_NAME=your_model_name_here

第一部分大模型API，我就不啰嗦了，这么多期AI项目想必大家都门儿清。

ZEP记忆图谱。进入官网，创建账户后，点击顶部栏创建一个新的项目。

截屏2026-03-19 16.12.50.png