# 【开源项目】想搞个“预测万物”的数字沙盘？MiroFish 一篇部署教程搞定

**URL:** <https://forum.rainyun.com/t/topic/13141>\
**Category:** 云服务器 RCS\
**Created:** [2026 年4 月 7 日 10:13 UTC](https://forum.rainyun.com/t/topic/13141 "2026-04-07T10:13:57Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

作者： ![Google\_Edge](https://forum.rainyun.com/letter_avatar_proxy/v4/letter/g/ecd19e/32.png) [@Google\_Edge](https://forum.rainyun.com/u/Google_Edge)\
发布日期： [2026 年4 月 7 日 10:13 UTC](https://forum.rainyun.com/t/topic/13141/1 "2026-04-07T10:13:57Z")

</div>

![Screenshot_20260406_204442](https://forum.rainyun.com/uploads/default/original/2X/b/bbcf1b11952a06daa1295efd86521c236e5af46f.jpeg)

# 〇、写在前面：为什么是 MiroFish？

如果你已经玩腻了：

- 各种“AI 写作、AI 办公”工具，换个壳还是那老三样

- 想做点有脑洞的事，比如推演一下热点舆情、小说结局、政策走向，但苦于没有趁手工具

- 对“多智能体 + 数字沙盘”这种路线很感兴趣，但项目太复杂、不知道从哪下手

那这篇教程，你就可以见识到一个极其好玩的开源项目。

今天的主角： **MiroFish** 。

这是一个非常新的开源项目，主打：

- 把现实世界里的种子信息（新闻、政策、报告、小说）喂进去

- 自动搭一个高保真的“平行数字世界”

- 让成千上万个有记忆、有行为逻辑的智能体在里面互动、演化

- 最后给你一份预测报告，还支持你继续和这个模拟世界对话、注入变量

用官方的话说：简洁通用的群体智能引擎，预测万物。 **GitHub 已经 5 万+ Star，社区热度非常高** 。

接下来就按： **选服务器 → 装 Docker → 配 API 密钥 → 启动容器 → 浏览器打开** 的完整流程，一步步来。

# 一、服务器与配置推荐（有云服务器/NAS 的可以跳过）

## 1. 买服务器（不是广告，只是我常用）

这里我用的是「雨云」服务器，官网：[雨云 - 新一代云服务提供商](https://www.rainyun.com/%E3%80%82)

新用户注册可以用我的优惠码：techaser， **绑定微信** 后会自动发一张 **首月 5 折券** ，积分商城也有永久八折券，能省一点是一点。

## 2. 配置建议

和 Open WebUI、Dify 那些传统 AI 项目相比，MiroFish 属于“多智能体仿真”，会更吃一点资源：

- CPU：≥ 2 核（推荐 4 核）

- 内存：≥ 8GB（建议 16GB，跑大报告会更稳）

- 硬盘：≥ 40GB（上传的文件、日志、图谱数据都要占空间）

- Docker：≥ 20.10+；Docker Compose v2+

小贴士：

- 纯自己本地玩玩、小规模推演：2C4G 也能跑起来

- 想给团队用 / 跑大规模推演：4C8G 或以上会更稳

地域选择：

- 免备案、直接用 IP 访问、1元试用一天：选香港节点

- 有备案、面向国内：选国内节点（宿迁、宁波之类，但是现在试用不了了）

# 二、服务器环境准备：安装 Docker & Docker Compose

如果你已经装好了 Docker 和 Docker Compose（ **雨云购买时可以选装** ），直接跳到「三、创建目录 & 配置环境变量」。

## 1. SSH 连接服务器

本地终端（Windows 用 PowerShell / Terminal / Xshell）：

ssh root@你的公网IP

## 2. 安装 Docker（以 CentOS / Rocky / Alma 为例）

# 安装必要工具

yum install -y yum-utils

# 添加 Docker 官方源

yum-config-manager --add-repo [https://download.docker.com/linux/centos/docker-ce.repo](https://download.docker.com/linux/centos/docker-ce.repo)

# 安装 Docker & Docker Compose 插件

yum install -y docker-ce docker-ce-cli [containerd.io](http://containerd.io) docker-compose-plugin

# 启动并设置开机自启

systemctl enable --now docker

装完验证一下：

docker --version

docker compose version

能看到版本号就说明 OK。

Ubuntu / Debian 的命令略有不同，这里就不展开了，按自己系统查一下就行。

# 三、创建目录 & 配置环境变量

MiroFish 官方提供了两种部署方式：

1. 源码部署（npm run setup:all + npm run dev）

2. Docker 部署（docker compose up -d）

这里我们走 Docker 路线，更省心、环境也更统一。（依旧万物皆可Docker

## 1. 克隆项目

# 创建工作目录（放在 /opt 下比较清爽）

mkdir -p /opt/mirofish

cd /opt/mirofish

# 克隆官方仓库

git clone [https://github.com/666ghj/MiroFish.git](https://github.com/666ghj/MiroFish.git) .

说明：官方文档推荐直接 clone 后用自带的 docker-compose.yml 来启动。

## 2. 配置环境变量

官方 README 给的必须项是两个：LLM API 和 Zep Cloud：

# 复制示例配置

cp .env.example .env

编辑 .env：

vim .env

# 或者用 nano

nano .env

至少需要填这几项（示例以阿里百炼 + 通义千问为例）：

# LLM API 配置（支持任何 OpenAI SDK 兼容的 API）

# 这里以阿里百炼平台为例：[https://bailian.console.aliyun.com/](https://bailian.console.aliyun.com/)

LLM\_API\_KEY=your\_api\_key\_here

LLM\_BASE\_URL=[https://dashscope.aliyuncs.com/compatible-mode/v1](https://dashscope.aliyuncs.com/compatible-mode/v1)

LLM\_MODEL\_NAME=qwen-plus

# Zep Cloud 配置（用于 GraphRAG / 智能体记忆）

# 官方推荐：[https://app.getzep.com/](https://app.getzep.com/)

# 每月免费额度就能简单玩玩

ZEP\_API\_KEY=your\_zep\_api\_key\_here

### 小贴士：

**模型 token 消耗不低，官方也提醒：先从小轮次（\<40 轮）模拟试起。**

你也可以用其他 OpenAI 兼容 API（比如 **DeepSeek** 、本地 Ollama 的 OpenAI 兼容端点），只要修改对应的 BASE\_URL 和 MODEL\_NAME 即可。

# 四、Docker Compose 一键启动

官方已经提供了 docker-compose.yml，默认就会读取根目录下的 .env 文件。

## 1. 确认端口

默认：3000

前端：3000

后端 API：5001

如果你本机已经有 3000/5001 端口占用，可以在 docker-compose.yml 里改端口映射，例如：3003:3000。

## 2. 启动服务

# 在 /opt/mirofish 目录下

docker compose up -d

第一次启动会拉镜像，大概 1～2 GB，看网络情况，喝口水等它跑完。

## 3. 检查服务状态

# 查看容器状态

docker compose ps

# 看看日志（调试时非常有用）

docker compose logs -f mirofish

看到日志持续输出、前端/后端都启动正常，就可以停掉日志（Ctrl + C）了。

# 五、浏览器打开 & 第一次“预测万物”

## 1. 访问地址

本机部署：[http://localhost:3000](http://localhost:3000)

服务器部署：[http://你的服务器IP:3000](http://xn--IP-0p3cl7jf7fo83a16x:3000)

如果你改过端口映射（比如 3003:3000）：[http://你的服务器IP:3003](http://xn--IP-0p3cl7jf7fo83a16x:3003)

## 2. 第一次推演流程

官方推荐的用法非常简单：

### 上传种子材料

可以是：TXT / PDF 报告、新闻稿、小说片段等文本内容。

用自然语言描述你要预测什么

比如：“基于以上新闻报道，预测接下来 7 天的舆情走势。”

或者：“用《红楼梦》前 80 回的内容，推演一个可能的结局走向。”

这里我以官方提供的为例，国内某大学事件的报告。

 ![Screenshot_20260406_204209](https://forum.rainyun.com/uploads/default/original/2X/b/b89b4ea203e21ee37aba661d7ddec88ba19d0d36.jpeg)

**等待系统处理**

MiroFish 会自动做图构建、实体关系抽取、智能体生成与仿真等。

 ![Screenshot_20260406_204312](https://forum.rainyun.com/uploads/default/original/2X/1/15c060994485fc0c9ab8a0311462bae296c879a6.jpeg)

#### 查看结果

一份比较完整的预测报告；

一个可以交互的“数字世界”，你可以继续注入变量、和里面的 Agent 对话。

到这里，你已经：

1. 用 Docker 把 MiroFish 跑起来了

2. 接好了 LLM 和记忆系统

3. 完成了第一次“预测万物”的数字沙盘推演

# 六、一些实战小提示（踩坑少一点）

## 1. 推演不要一上来就“上强度”

官方明确说： **先尝试少于 40 轮的模拟，熟悉流程和成本再说。**

LLM 调用费用会随着智能体数量、推演时长增加，注意控制。

## 2. 日志和错误排查

出现奇怪报错时，第一时间看： **docker compose logs -f mirofish**

## 3. 生产环境建议

如果你打算长期用、给多人用：

1. 在前面加一层 Nginx 反代，绑定域名（比如 [mirofish.yourdomain.com](http://mirofish.yourdomain.com)）。

2. 加上 HTTPS（Let’s Encrypt 免费证书就很香）。

3. 注意控制并发，避免突然跑大报告把机器资源打满。

# 七、延伸：几个好玩的场景

官方和社区已经玩出了不少花样，你可以照着思路抄作业：

- 舆情推演：把热点事件相关报道喂进去，预测舆情走势。

- 政策/公关预演：模拟不同政策方案下，公众情绪与舆论走向。

- 金融/时政预测：把宏观指标、新闻事件丢进去，做趋势推演。

- 文学创意仿真：用小说前半部分推演可能的结局、分支剧情。

如果你只是想先“爽一把”，强烈建议先拿 **小说、历史事件** 这类素材玩起来，门槛低、有趣又直观。

# 八、小结

到这里，一个属于你自己的“群体智能数字沙盘”就搭建完成了：

- 部署方式：Docker Compose 一键启动

- 必要配置：LLM API + Zep Cloud

- 使用方式：上传文本 + 描述需求 → 等待预测报告 + 交互式数字世界

如果你手头正好有一台 **闲置服务器 / NAS** ，不妨今天就把它变成一个“ **预测引擎实验室** ”。

### 项目地址（抄作业专用）：

GitHub：[GitHub - 666ghj/MiroFish: A Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎，预测万物 · GitHub](https://github.com/666ghj/MiroFish)

如果你在部署过程中遇到任何问题（比如环境变量、端口、镜像拉不下来等），可以在评论区留言，我尽量帮忙一起排查。