s01

流水线架构

架构层

五步流水线从文档到预测报告

文档→图谱→智能体→仿真→报告的完整预测链路

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

🏗️

如何将一份文档变成未来预测？

传统预测方法依赖统计模型或专家判断，难以捕捉群体行为的涌现效应。MiroFish 设计了一条五步流水线：文档解析→知识图谱→智能体仿真→报告生成→深度交互，每一步的输出自然地成为下一步的输入，形成端到端的预测闭环。

总览

MiroFish 将预测问题拆解为五个渐进式阶段，形成从原始文档到预测报告的完整数据链路。后端通过 Flask 蓝图分治，前端通过路由串联。

1/6

Key Source Code

Flask 应用工厂：三个蓝图对应流水线的三大阶段

backend/app/__init__.py

def create_app(config_class=Config):
    app = Flask(__name__)
    app.config.from_object(config_class)
    CORS(app, resources={r"/api/*": {"origins": "*"}})

    # 注册模拟进程清理函数
    from .services.simulation_runner import SimulationRunner
    SimulationRunner.register_cleanup()

    # 三个蓝图 = 三大阶段
    from .api import graph_bp, simulation_bp, report_bp
    app.register_blueprint(graph_bp, url_prefix='/api/graph')
    app.register_blueprint(simulation_bp, url_prefix='/api/simulation')
    app.register_blueprint(report_bp, url_prefix='/api/report')

    return app

python

前端路由：5 个页面对应流水线的 5 个步骤

frontend/src/router/index.js

const routes = [
  { path: '/', component: Home },               // 首页：上传文档
  { path: '/process/:projectId', component: MainView },  // Step1: 图谱构建
  { path: '/simulation/:simulationId', component: SimulationView },  // Step2: 环境配置
  { path: '/simulation/:simulationId/start', component: SimulationRunView },  // Step3: 仿真执行
  { path: '/report/:reportId', component: ReportView },   // Step4: 报告生成
  { path: '/interaction/:reportId', component: InteractionView }  // Step5: 深度交互
]

javascript