「もしも」の未来をAIが丸ごとシミュレーション！数千体の仮想人格が織りなす予測エンジン — MiroFish

アーキテクチャ・仕組み

MiroFishは以下の5段階のワークフローで動作する：

1. グラフ構築: 入力された種（シード）情報からエンティティ関係を抽出し、個体・群体の記憶を注入、GraphRAG（グラフベースの検索拡張生成）を構築
2. 環境構築: キャラクターの人格設定を自動生成し、環境設定エージェントがシミュレーションパラメータを注入
3. シミュレーション実行: 2つのプラットフォームで並行シミュレーションを実行。予測要件を自動解析し、時系列記憶を動的更新
4. レポート生成: ReportAgentが豊富なツール群を使ってシミュレーション後の環境と深く対話し、予測レポートを生成
5. 深度インタラクション: シミュレーション世界内の任意のキャラクターやReportAgentと対話可能

シミュレーションエンジン

• 仿真（シミュレーション）エンジンは OASIS（CAMEL-AIチームのオープンソースプロジェクト）をベースに構築
• 数千規模のエージェントが独立した人格・長期記憶・行動ロジックを持つ

対応LLM

• OpenAI SDK形式のAPIに対応する任意のLLMが利用可能
• READMEでは阿里雲（Alibaba Cloud）の百炼プラットフォーム上の qwen-plus モデルが推奨されている
• トークン消費量が大きいため、最初は40ラウンド未満のシミュレーションで試すことが推奨

外部サービス連携

• Zep Cloud: エージェントの長期記憶管理に使用（毎月の無料枠で簡単な利用は可能）
• GraphRAG: 知識グラフベースの検索拡張生成でエージェントの知識を管理

技術スタック

デプロイ方式

• ソースコード: npm run dev でフロントエンド（3000番ポート）とバックエンド（5001番ポート）を同時起動
• Docker: docker compose up -d でワンコマンド起動。docker-compose.yml内に中国向けミラーアドレスのコメントあり

デモ・実績

• 武漢大学の世論シミュレーション（SNS炎上の拡散予測）
• 『紅楼夢』前80回の内容をもとにした失われた結末の推測
• 金融方向・時事ニュース方向のデモも準備中

組織・サポート

• 盛大集団（Shanda Group） の戦略支援・インキュベーションを受けている
• フルタイム・インターン募集中（mirofish@shanda.com）
• Discord、X（旧Twitter）、Instagramでコミュニティ運営

注意点

• LLMのAPI呼び出しによるトークン消費が大きいため、コスト管理に注意が必要
• 初回は小規模（40ラウンド以下）のシミュレーションで試すことを推奨

前提条件

• Node.js 18以上
• Python 3.11〜3.12
• uv（Pythonパッケージマネージャー）

ソースコードからの導入（推奨）

# 1. 環境変数を設定
cp .env.example .env
# .envファイルを編集し、LLM_API_KEY と ZEP_API_KEY を記入

# 2. 依存パッケージを一括インストール
npm run setup:all

# 3. フロントエンドとバックエンドを同時起動
npm run dev

フロントエンド: http://localhost:3000 / バックエンドAPI: http://localhost:5001

Docker での導入

cp .env.example .env
docker compose up -d