微鱼

MiroFish 会生成数千个 AI 每个智能体都拥有自己的记忆、信念和影响力概况，并被放置在模拟的双平台社交环境中，该环境反映了现实世界的动态，例如 Twitter 和 Twitter。 Reddit.

各方参与者会争论、转变观点、结成联盟，并表现出涌现的群体行为。这使得战略家能够比任何单一模型更准确地了解公众或利益相关者的反应，从而在现实发生之前就捕捉到极化和联盟转变的趋势。

MiroFish 不采用通用训练数据，而是读取您上传的文档、PDF、Markdown 文件或最大 30 MB 的纯文本文件，并将内容转换为结构化的知识图谱。该图谱定义了模拟过程中影响智能体行为的参与者、激励机制和约束条件。

实际好处在于，每份预测报告都基于您实际的业务环境，而不是其他人的统计平均值。's 数据。

模拟运行后，用户可以从自上而下的控制角度注入新的变量，观察智能体群体对输入变化的响应。这正是 MiroFish 区别于静态分析工具的关键所在。您可以在同一会话中对产品发布信息、价格变动公告或政策草案的多个版本进行压力测试，并比较不同场景下的测试结果。

每次模拟完成后，系统都会生成一份结构完整的报告，其中包含执行摘要、已识别的风险预警、利益相关者的反应描述以及量化的置信度评分。报告可以一键导出为简洁、可直接用于董事会的 PDF 文件。这对于需要向董事会展示情景分析而无需从头重建数据的沟通团队和高管来说尤为重要。

模拟结束后，用户可以直接向各个代理人发送消息，询问他们的推理过程，测试极端情况，或探索主报告中可能未提及的少数派观点。对于希望深入挖掘异常行为的市场研究人员，或需要了解驱动风险信号的特定细分市场的产品经理而言，这是一项意义重大的功能。

MiroFish 提供完整的 Docker Compose 部署选项，并支持 GHCR 镜像托管，可实现一键本地部署。对于数据治理要求严格的组织，他们可以在自己的基础设施上运行整个技术栈，并提供自己的 LLM API 密钥和 Zep Cloud 配置以进行内存管理。对于受监管行业的企业团队而言，这种自托管方案提供了 SaaS 竞争对手无法比拟的完全数据控制权。