从一个人到一家公司
MiroFish的创造者郭航江，北京邮电大学大四学生，网名"百福"。他用Python写代码，专注于智能体架构和图计算。2025年底，他的第一个项目BettaFish（多智能体舆情分析器）就登上过GitHub热门榜第一，一周拿下2万个星标。
这件事引起了盛大集团创始人陈天桥的注意。陈天桥一直在推动一个叫"超级个体"的理念——在AI时代，一个人可以做到过去需要整个公司才能完成的事情。他邀请郭航江做实习生，给了完全的自由度。
郭航江用10天完成了MiroFish的开发，采用他所说的"Vibe coding"方式——快速、直觉驱动、不过度设计。完成当晚录了一个演示视频发过去，不到24小时，陈天桥承诺投入3000万元人民币孵化这个项目。实习生一夜之间变成了CEO。
MiroFish到底做了什么
用一句话概括：你给它一份文档，它帮你生成一个平行数字社会，然后让你像上帝一样观察这个社会的演变。
具体来说，流程是这样的：
- 输入一份文档——可以是新闻文章、政策草案、财务报告，甚至一部小说
- 系统自动解析——通过GraphRAG把文档中的所有实体和关系提取成知识图谱
- 生成数千个AI智能体——每个智能体都有独特的背景故事、性格类型、社交关系和行为逻辑
- 运行模拟——这些智能体不只是"说话"，他们会组建团体、产生意见领袖、形成羊群效应、随时间推移改变立场
最核心的功能叫"上帝视角"。你可以在模拟运行的任意时刻注入新变量，比如"美联储突然降息50个基点""CEO辞职""竞争对手发布新产品"，然后实时观察整个数字世界如何重新组织。换句话说，这是现实中不可能做的受控实验——你没办法让真实世界"重来一次"看看不同决策会带来什么结果，但在MiroFish里可以。
技术架构一览
MiroFish的技术栈对独立开发者来说值得关注：
- 模拟引擎：OASIS（由CAMEL-AI开发的开源框架）
- 记忆系统：Zep Cloud（维护智能体的长期记忆）
- 知识图谱：GraphRAG
- 开源协议：AGPL-3.0（完全开源）
- 部署方式：Docker Compose一键部署
整套架构都建立在开源组件之上，Docker Compose一键部署意味着你可以在自己的机器上跑起来。这不是一个概念演示，而是一个可以实际运行的多智能体模拟框架。
两个已公开的演示案例
第一个案例颇有文学味道。他们把《红楼梦》前80回输入系统——这部经典小说以结局遗失而闻名。MiroFish生成了具有真实性格和关系的角色智能体，运行模拟后，产出了多个预测缺失结局的叙事分支。
第二个案例更偏实用。在美联储加息场景中，系统模拟了散户投资者、机构参与者和分析师各自的反应，追踪群体情绪的汇聚点，绘制出完整的舆论演变轨迹。
需要保持清醒的部分
说完亮点，也要说局限。MiroFish目前没有发布任何将预测结果与真实世界结果进行对比的基准测试。演示展示的是方法论，不是准确性的证明。运行数千个智能体意味着巨大的大语言模型API成本。智能体的性格会继承训练数据中存在的偏见。而且无论模拟多么精密，数字人终究不是真实的人。
比较客观的定位是：它能呈现你可能忽略的场景和动态，但不能给出确定性的答案。把它当作"思维扩展器"而不是"预言机"，期望值就对了。
对独立开发者的启示
2026年3月，MiroFish登上GitHub全球热门榜第一名，超越了OpenAI、谷歌和微软的项目，目前已超过2.2万个星标。
这个项目最值得独立开发者关注的不只是技术本身，而是它背后的模式：一个人，用现成的开源组件（OASIS、GraphRAG、Zep Cloud）做组合创新，10天完成核心开发，用一个演示视频打动投资人。没有团队，没有漫长的融资流程，没有过度设计。
如果你对多智能体模拟、知识图谱应用或者社会仿真感兴趣，MiroFish的代码库（GitHub搜索 666ghj/MiroFish）值得深入研究。即使不直接使用，它的架构思路——用GraphRAG做信息提取、用OASIS做智能体模拟、用Zep做长期记忆——对构建任何多智能体应用都有参考价值。