大学生用AI赚3000万，还当上CEO，极空间来试试这款 MiroFish

AI 的世界里，工具逐渐迷幻起来了。 盛大投资 3000万 给这位大四学生，就因为他开发了一款可以预测未来的 AI 工具。

大佬@666ghj 在大学期间 ，开源了一款舆情分析系统 —— 微舆，不久后他又开发了另外一款工具 MiroFish，后者让盛大投了 3000万，并晋升为 CEO。

MiroFish 是一款基于多智能体技术的新一代 AI 预测引擎。它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，AI 会演化出成千上万个具备独立人格、群体，以长期记忆与行为逻辑的智能体进行自由交互与社会演化。

我们可透过「上帝视角」动态注入变量，精准推演如果这个发生的平行世界下的未来走向——让未来在数字沙盘中预演，助决策在百战模拟后胜出。

在它的 github 项目主页，分享了两个案例。

一、用 mirofish 预测未来

其实 mirofish 的原理可以理解为利用 llms 对现有信息的有限推理。它会根据种子文件、网络搜索能力进行不同层级的推演进化。

一方面是平行世界，是对已经发生过的事情进行 if 线探索，比如 2009 年牛市我卖了股票，2024 年我没有投入房地产等等。

另一方面是对于未来的预测，比如金融市场走向、形势走向、某个产品未来的销量走向等等。

最近 openclaw 不是很火么，所以我们一起来看看，mirofish 是如何看待 openclaw 的。

议题 —— “ OpenClaw 小龙虾，能否统治地球”

"种子文件"指的是我们上传给系统的初始文档/材料，用于构建知识图谱和启动平行世界模拟。也是 MiroFish 构建"平行数字世界"的基础输入。

种子文件可以帮助 mirofish 实现下列的步骤：

1. 1. 提实体关系：解析文档中的关键人物、组织、事件和关系

2. 2. 构建知识图谱：使用 GraphRAG 技术构建动态知识图谱

3. 3. 注入智能体记忆：为生成的 AI Agent 提供个体和群体层面的初始记忆

4. 4. 设定模拟基调：决定模拟世界的背景设定和运行逻辑

这份种子文件的质量，影响到 MiroFish 最终生成的平行世界报告。我让 Kimi Agent 在互联网上搜索了一份 openclaw 截止目前的发展趋势、讨论来生成报告。

过程大概 3-5 分钟。

把生成的种子文件上传到 MiroFish 里，然后提出我们的问题：openclaw 按照目前的发展趋势，能否诞生人工智能，或者统治地球？

Part 1 图谱构建

MiroFish 会根据我们上传的文档、提示词，对预测的内容进行图谱构建。简单的说，就是分析材料，创建星状知识关联。

这里调用了 ZEP 的知识图谱能力，左侧的星状图会越来越复杂，关键节点、关键词也会越来越多。右侧能看到知识图谱生成的节点数量、关系边等量化的数据。

最终密密麻麻的图谱，我们可以进入第二阶段。

Part 2 环境搭建

所谓的环境搭建，其实就是为上一阶段构建图谱的内容生成一个模拟世界。

在这里，mirofish 将结合上下文，创建一些模拟的个体，这些模拟个体拥有独特的行为、记忆。包括组织、个体、行业、媒体等所有的虚拟群体，有点儿玩平行世界的意思了。

初始化了群体后，mirofish 会继续创建一个平行世界。在这个世界里，有自然的需求、时间流逝，Agent 会在平行世界里不断的对话、推演、发展。

平行世界会在 mirofish 创建的叙事方向下，不断激活热点话题，引导平行世界发展。

mirofish 会给出推荐的轮次，每轮基本上等于 60分钟，就是 72个小时。为了快速出效果，我自定义修改为了 40 轮。

Part 3 开始模拟

接下来，就是 AI 的表演了。他们会代入到不同的角色里，开展 40 轮的 信息广场、主题论坛的双世界推演和讨论。

Part 4 报告生成

第四个阶段，Agent 会根据之前的推演结果，进入更深入的谈论。并且段落式的生成最终的预测报告。

画面左侧是预测报告，右边是推演过程。

报告里，不同 AI 个体提出的问题、结论都会被清晰的分类在一起。看起来很学者报告很像，但我不看。

而右侧的 Agent 讨论中，两个平行世界的结论我们都可以自由切换查看。双世界体系比起单节点会容纳更多的可能性。

我不由的想到远古的哲学问题，如果人类可以创造人工智能，那是谁创造的人类呢？

报告并不会直接给结论，只是给一个可能的演变方向，以及在这个方向里的不同结果。所以我们可以进入第五个阶段，去和双世界里的 Agent 继续讨论一些深度的话题。

Part 5 深度互动

第五阶段中，我们可以和两个世界里的组织、人员进行深入讨论。就类似我们平时使用的 web agent 一样。只不过现在是在数百年演变后的平时未来里，这些 AI 有着无数更久的知识和体系，它们对事物可能会有更丰富的看法。

比如我问了一个 agi研究员，编号553。我问他 openclaw 在他们那个时候是否是硅基声明的基石。

它给我的回答是，硅基生命还未成型，openclaw 提供了一些方向，但是还需要更多的发展机会。

在系统里，我们还可以分发问卷。选择一些未来的组织/人员，我们可以分发一个新的自定义的机构。

二、极空间部署 MiroFish

本次部署的设备是极空间Z4Pro +，极空间内测版本升级了 docker 应用，路径、yaml文件、volume 等都有了升级，体验感很好。

mirofish 应用依托知识谱图来进行数据记忆。项目目前指定使用 ZEP 平台为记忆图谱工具，该工具新注册有 1000 免费额度，大约够预测 2、3次，可以使用邮箱注册，用完后再注册一个新账号就行了。

注册完了账号以后，点击左侧的 Project，然后点击右下角的 Add Key 可以获得一个 token 保存备用，不要丢了。

打开极空间的 docker ，将下面的 yaml 文件复制到文本框里。注意要手动修改：代理、LLM地址、ZEP Token。

LLM 是 Openai 兼容的地址，不同的模型在预测效果上肯定会有差异。但是也不建议用太好的，除非你是真的进行一些推演。

services:

mirofish:

image: ghcr.nju.edu.cn/666ghj/mirofish:latest

container_name: mirofish

ports:

- "33320:3000"

- "33321:5001"

environment:

- LLM_API_KEY=替换成你的Key

- LLM_BASE_URL=https://open.bigmodel.cn/api/paas/v4

- LLM_MODEL_NAME=glm-4.5-air

- HTTP_PROXY=http://192.168.0.135:7890

- HTTPS_PROXY=http://192.168.0.135:7890

- NO_PROXY=localhost,127.0.0.1

- VITE_API_BASE_URL=http://192.168.0.135:5001

# ===== ZEP记忆图谱配置 =====

- ZEP_API_KEY=替换成你的Key

restart: unless-stopped

volumes:

# - ./uploads:/app/backend/uploads # 新版本

- 路径:/app/backend/uploads # 老版本

如果是老版本的，还需要修改代码里的【路径】替换成你的文件路径。

部署完成后，切换到容器页面，找到 mirofish ，点击远程访问，就可以开始我们的 AI 预测之旅。

最后

mirofish 这个项目还是挺有意思的，它创造了一种在段时间内可以探索平行世界事项发展的可能性。

如果你平时有记日记的习惯，或者本身是做舆情、市场分析的，可以使用它来搭建一套完整的市场走势和趋势预测能力。

除了自托管，官方的 github 也发布了一个静态页面，可以直接运行 demo 查看效果。如果你对 IF 很感兴趣，可以尝试一下，看看自己曾经懊悔的事情，会不会因为选择不同而变得不同。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～