MiroFish

基于多智能体技术的群体智能预测引擎，将文档转化为数字沙盘，通过社交媒体仿真推演未来

全部章节

将预测问题拆解为五个渐进式阶段，每个阶段的输出是下一阶段的输入，形成数据驱动的推演闭环

分块策略直接影响知识图谱质量——按句子边界切割并保留重叠上下文，确保实体关系不被截断

限制 10 个实体类型 + 10 个关系类型，并强制包含 Person/Organization 作为回退类型，在灵活性和约束之间取得平衡

从 JSON Schema 到 Pydantic 类的动态代码生成，让图谱结构在运行时由 LLM 决定而非硬编码

区分个体实体和群体实体两种生成策略，通过 Zep 搜索丰富上下文后用 LLM 生成 MBTI、职业等拟人化属性

将配置生成拆为时间→事件→行为→平台四步，每步只关注一个维度，降低 LLM 推理复杂度并提高可靠性

使用独立子进程运行 OASIS 仿真脚本，主进程通过监控线程解析 JSONL 日志获取实时状态，实现松耦合架构

选择文件系统而非 Socket 作为 IPC 通道，降低复杂度的同时支持跨平台兼容——简单即可靠

后台线程按批次将智能体行为转化为自然语言描述写回 Zep 图谱，让报告生成时能同时检索原始知识和仿真产生的新知识

报告引擎先规划大纲，再逐章节进入「思考→工具调用→反思→写作」循环，通过多种检索策略从丰富后的图谱中提取洞察

1 个章节

3 个章节

5 个章节

1 个章节