如何5步部署 MiroFish 群体智能预测引擎：新手从0到跑通完整指南

如何5步部署 MiroFish 群体智能预测引擎新手从0到跑通完整指南【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFishMiroFish 是一款群体智能预测引擎上传一份报告或小说等种子材料它会自动构建一个由成百上千个智能体自由交互的平行数字世界最终输出一份结构化预测报告。这篇指南带你从一台空机器开始用 5 步完成部署最终在浏览器里打开 MiroFish 首页并完成一次完整预测。一键启动步骤从0到跑通只需5步新手的最短路径是 Docker 启动前端、后端和 Python 环境全部跑在容器里你本机不用装任何依赖——容器就像一间自给自足的房间独立运行、互不干扰。 环境体检先确认 Docker 可用它决定了你能否走最短路径。docker --version docker compose version预期看到两条命令都输出版本号Docker 版本与 Compose v2.x说明容器引擎就绪。 克隆代码仓库并进入项目目录。git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish预期看到ls能看到backend、frontend、docker-compose.yml、.env.example等文件和目录。 配置 .env密钥怎么填MiroFish 的推演依赖 LLM API 与 Zep 记忆图谱密钥不配好服务能启动但一推演就报错。cp .env.example .env然后编辑.env填入LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME支持 OpenAI SDK 格式的任意 LLM API示例默认配的是阿里百炼 qwen-plus和ZEP_API_KEY每月免费额度就够简单使用。预期看到.env里不再残留your_api_key_here这类占位文本。⚠️.env末尾带有 LLM_BOOST_* 加速配置行不使用请把这 3 行删掉否则可能影响配置加载。 后台一键启动。docker compose up -d预期看到docker compose ps中 mirofish 容器状态为Up。首次运行需要拉取镜像可能持续几分钟拉取慢时把 docker-compose.yml 里注释中的加速镜像地址替换到image字段再试。 验证访问确认页面能打开。# 浏览器中打开 http://localhost:3000预期看到出现 MiroFish 首页带上传任意报告 即刻推演未来的文案和文件上传区。图1MiroFish 启动页面上传完成后系统自动进入预测流程岔路口按你的情况选路线上面的主路线满足先体验起来。如果你的目的是改代码或参与贡献按表跳转不必硬走主路线你的情况推荐路线跳转位置只想直接体验功能Docker 一键启动5步主路线回到一键启动步骤想改代码做二次开发本地源码启动改动即时生效见下方本地源码启动想参与项目贡献同二次开发另跑backend/tests/单测参考 README-ZH.md本地源码启动二次开发路线源码路线把前后端直接跑在你本机改完代码立刻生效适合调试和加功能。先用一行命令体检环境预期看到Node ≥18、Python 3.11~3.12、uv 均输出版本号node -v python --version uv --version然后配置密钥同第 3 步的 .env 配置方法安装依赖并启动npm run setup:all npm run dev预期看到终端同时出现backend与frontend两条日志流打开 http://localhost:3000 页面可用后端 API 在 http://localhost:5001。✅ 停止按 CtrlC只起单边可用npm run backend或npm run frontend。图2MiroFish 图谱构建与人物设定解析材料后生成实体、人设与仿真参数三道验收关卡确认部署真的成功容器起来不等于跑通三道关卡全过才算数。按顺序逐项勾选全过即部署成功。关卡一服务层终端执行docker compose ps或查看npm run dev日志mirofish 容器状态为Up浏览器打开 http://localhost:3000能看到带上传区的首页浏览器打开 http://localhost:5001后端 API 有响应不出现拒绝连接关卡二推演链路上传一份报告文件并用自然语言描述预测需求图谱构建步骤开始执行构建完成后页面出现实体关系图谱与智能体人设卡片右侧显示可配置的仿真参数智能体数量、轮数等开始模拟后进度状态实时更新全程无错误日志关卡三结果与交互报告生成步骤显示 Completed页面输出结构化预测报告点击进入深度互动能与模拟世界中任意一位智能体或 ReportAgent 对话刷新页面后历史任务与结果仍可查看图3MiroFish 预测报告ReportAgent 基于模拟结果自动生成结构化预测报告图4MiroFish 群体关系图谱点击任意节点可查看智能体详情卡点速查部署常见问题怎么处理部署中最容易卡住的几个点都列在下表按现象对号入座即可现象大概率原因处理动作拉取镜像卡住或失败网络无法直连镜像源在 docker-compose.yml 中把image换成注释里的加速镜像地址再执行docker compose up -d端口 3000 已被占用本机其他程序占了端口把 docker-compose.yml 的ports改为3001:3000改用新端口访问页面能打开上传材料就报错.env 密钥缺失或无效检查LLM_API_KEY、ZEP_API_KEY是否填对再docker compose up -d重启容器反复重启.env 格式问题或端口冲突docker compose logs mirofish看日志重点核对 .env 与端口推演很慢、费用高模拟轮数与智能体数量偏大先用 40 轮以内的小规模模拟跑通再逐步加大可选加速让推演更快更省硬件基线建议 8 核 CPU、16GB 内存加 SSD。图谱构建与双平台并行模拟吃算力4 核 8G 能跑但体验明显变差。控制规模最划算的优化是先跑 40 轮以内的小规模模拟确认链路无误后再放大轮数与智能体数量。LLM 加速.env 支持可选的 LLM_BOOST 加速配置如果你有更快的 API 渠道可以填上缩短响应等待。定期清理上传文件存放在挂载目录./backend/uploads定期清理历史任务避免数据越积越多。收尾MiroFish 部署最短路径就是配好 .envdocker compose up -d打开 http://localhost:3000上传第一份种子材料看它把未来推演出来。遇到问题请带着报错信息到仓库 issue 区反馈更多项目背景可参考 README-ZH.md。【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFish创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考