5分钟跑通MiroFish：从克隆仓库到生成第一份预测报告

5分钟跑通MiroFish从克隆仓库到生成第一份预测报告【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手里有一份报告想看看舆论接下来会怎么发酵把文件丢给 MiroFish 部署后的界面用大白话写清预测需求它会在一个平行的数字世界里跑出成千上万个智能体替你预演最后吐出一份可读的预测报告。这篇教程只做一件事带你在自己电脑上把 MiroFish 跑起来再顺手告诉你想深入改造时该从哪儿下手。跑起来之前的两件事两个 API Key 和环境要求MiroFish 的智能体大脑依赖 LLM长期记忆则托管在 Zep Cloud所以启动前必须先备好两把钥匙# 1. 克隆代码 git clone https://gitcode.com/GitHub_Trending/mi/MiroFish cd MiroFish # 2. 生成 .env 并填入两把 Key cp .env.example .env打开.env重点填LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAMEREADME 默认给的是阿里百炼的 qwen-plus 示例和ZEP_API_KEY不打算用加速通道就把LLM_BOOST_*那几行留空或删掉。 本机源码方式需要 Node 18、Python 3.11~3.12 和 uvuv --version确认Docker 方式只需装好 Docker Compose v2镜像里已经把环境打好了。本机部署 MiroFish四步从克隆到启动适合想边跑边看代码、随时打断点的人。第一步一键装全量依赖npm run setup:all这条命令会顺序装好根目录、前端和后端后端用uv sync自动建虚拟环境不用手动venv、不用分别pip install。第二步同时拉起前后端npm run devconcurrently会把两个进程挂在同一终端前端跑在 3000、后端在 5001/api请求由 frontend/vite.config.js 里的代理转发到后端。只跑单侧可以用npm run backend或npm run frontend。第三步浏览器验证打开http://localhost:3000首页出现上传任意报告即刻推演未来的入口、右侧有文件拖拽区就说明前后端都通了5001 端口能直接返回响应说明后端 Flask 也活着。第四步上传种子走完五步工作流传一份 PDF 或长文本描述你想预测什么系统会按「图谱构建 → 环境搭建 → 开始模拟 → 报告生成 → 深度互动」推进全程可在页面看进度。第一次跑建议把轮数压到 40 以下省 token 也更稳。Docker 一键拉起 MiroFish最省事的体验方式只想看效果、不想装一堆工具链的话走容器路线最快cp .env.example .env docker compose up -dcompose 文件已经把3000:3000、5001:5001端口映射好也把backend/uploads挂到容器里做持久化重启不丢上传材料。拉取ghcr.io镜像慢的话docker-compose.yml里留了注释掉的加速地址替换后再up -d一次即可。# 看状态和日志 docker compose ps docker compose logs -f mirofish到这里就算搭好了浏览器照样访问 3000。MiroFish 部署后自检界面、流程、图谱三查三条检查点任一异常先回头查.env。首页能打开上传区可交互首页能看到文件拖拽框、下方有预测需求输入框说明前端资源与静态路由都正常。五步工作流能走完上传后依次经过图谱构建、环境搭建、开始模拟、报告生成、深度互动五步每一步都有明确状态标签。若卡在图谱构建九成是 Zep key 没生效或 LLM 调不通看后端日志即可定位。图谱能渲染、节点可点开进到图谱页能看到大量节点与红色关系线、右侧弹出 Node Details 面板显示实体属性与摘要——这就是智能体交互后沉淀下来的记忆结构是判断链路是否真正跑通最直观的信号。MiroFish 二次开发改代码前先看这三个目录想动什么看哪里仿真编排、报告 Agent、人设生成、Zep 记忆读写backend/app/services/对外接口图谱/报告/仿真backend/app/api/页面与交互Step1~Step5frontend/src/components/改完npm run dev下即时生效不用重启容器。要提 PR 的话从 main 拉feature/xxx分支 → 改代码 → 跑一遍backend/tests/下已有的 pytest 用例 → 推送后到代码托管平台发起 PR。⚠️ 本地.env千万别提交.gitignore里已经列了但改分支合并前再核对一次。MiroFish 部署常见卡点端口、镜像与 API 额度端口被占3000 或 5001 冲突时sudo lsof -i :3000找出占用进程kill掉或者改docker-compose.yml左侧主机端口3001:3000再重启。拉镜像慢或失败ghcr.io网络不稳时切换到 compose 文件里注释好的加速地址或docker pull单拉一次缓存后再up -d。LLM / Zep 报错401、403一律先看.env里 key 有没有多空格、是否复制漏字符quota exceeded说明 Zep 免费额度用尽Zep Cloud 每月有免费额度、够轻量使用重度跑批建议控制并发与轮数。哪条路适合你目标推荐路径环境门槛大致耗时先看效果、做演示Docker 一键Docker Compose v25 分钟日常使用、偶尔调参本机源码Node 18 / Python 3.11 / uv10~15 分钟改算法、加功能、提 PR源码 特性分支同上外加 Git 流程看改动量三条路没有优劣只有场景差异。跑通之后你的下一步大概率是去backend/app/services/里挑一个文件读一遍——到那时这篇教程就完成使命了。【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