Trong kỷ nguyên số, khả năng dự đoán tương lai là một trong những thách thức lớn nhất. Các mô hình truyền thống thường chỉ xử lý dữ liệu số, bỏ qua sự phức tạp của tương tác xã hội và hành vi con người. Đây là lúc MiroFish xuất hiện, một công cụ AI dự đoán mã nguồn mở đột phá, đang định hình lại cách chúng ta hình dung về tương lai. MiroFish không chỉ đơn thuần là một thuật toán; nó là một hệ sinh thái mô phỏng nơi hàng ngàn tác nhân AI tương tác trong một thế giới kỹ thuật số, được tạo ra từ dữ liệu thực tế (tin tức, báo cáo, thậm chí là tiểu thuyết), để đưa ra các báo cáo dự đoán dựa trên những gì nảy sinh. Hãy hình dung nó như sự kết hợp giữa “SimCity” và khả năng dự báo của AI.
Mục lục
MiroFish Giải Quyết Vấn Đề Gì?
Các mô hình dự đoán truyền thống — dù là thống kê hay dựa trên học máy — thường xem thế giới như một phương trình toán học. Bạn đưa vào số liệu, bạn nhận lại kết quả là số liệu. Nhưng thế giới thực không vận hành theo cách đó. Con người phản ứng với nhau. Ý kiến thay đổi. Các liên minh hình thành và tan rã. Một dòng tweet duy nhất cũng có thể thay đổi quỹ đạo của một chu kỳ tin tức.
MiroFish áp dụng một phương pháp tiếp cận hoàn toàn khác biệt. Thay vì chỉ xử lý các con số, nó mô phỏng các động lực xã hội phức tạp, lộn xộn của thế giới thực bằng cách sử dụng hàng ngàn tác nhân AI biết nói chuyện, tranh luận, thuyết phục và tiến hóa — giống hệt như con người.
Kết quả là gì? Bạn nhận được một dự đoán có tính đến hành vi nhóm, sự lây lan xã hội và các mô hình nổi bật mà các mô hình truyền thống đơn giản là không thể nắm bắt được.
Cơ Chế Hoạt Động Thực Tế: Quy Trình 5 Bước
Dưới đây là quy trình làm việc của MiroFish, được trình bày một cách đơn giản và dễ hiểu:
Bước 1: Xây Dựng Đồ Thị Tri Thức
Bạn tải lên “nguyên liệu hạt giống” — đây có thể là một bài báo, một báo cáo tài chính, một tài liệu chính sách, hoặc thậm chí là 80 chương đầu tiên của một cuốn tiểu thuyết (có, họ thực sự đã làm điều này với Hồng Lâu Mộng để dự đoán cái kết bị thất lạc của nó).
MiroFish sử dụng GraphRAG (Graph-based Retrieval Augmented Generation) để phân tích đầu vào của bạn và trích xuất các thực thể cùng mối quan hệ. Thay vì coi tài liệu của bạn là một tập hợp văn bản phẳng, nó xây dựng một đồ thị tri thức có cấu trúc — ai là những nhân vật chính, họ được kết nối như thế nào, những áp lực nào tồn tại, những tổ chức nào liên quan.
Đồ thị này trở thành “thực tế” mà thế giới mô phỏng được xây dựng dựa trên đó.
Bước 2: Thiết Lập Môi Trường & Tạo Tác Nhân
Dựa trên đồ thị tri thức, MiroFish tự động tạo ra các nhân cách tác nhân. Mỗi tác nhân được trang bị:
* Một tính cách và nền tảng độc đáo
* Một quan điểm hoặc lập trường rõ ràng về chủ đề
* Bộ nhớ dài hạn (được cung cấp bởi Zep Cloud)
* Logic hành vi chi phối cách họ tương tác
Sau đó, một “Tác nhân Cấu hình Môi trường” sẽ thiết lập các thông số mô phỏng — về cơ bản là quyết định các quy tắc của thế giới mà những tác nhân này sẽ sinh sống.
Bước 3: Mô Phỏng Song Song Trên Hai Nền Tảng
Đây là nơi mọi thứ trở nên thú vị. MiroFish chạy các mô phỏng trên hai nền tảng đồng thời (hãy nghĩ đến các môi trường giống Twitter và Reddit). Hàng chục hoặc hàng trăm tác nhân bắt đầu tương tác — đăng bài, bình luận, tranh luận, hình thành ý kiến, ảnh hưởng lẫn nhau.
Cơ chế mô phỏng cốt lõi là OASIS (Open Agent Social Interaction Simulations), được xây dựng bởi đội ngũ CAMEL-AI. OASIS có thể mở rộng quy mô lên đến một triệu tác nhân và hỗ trợ 23 hành động xã hội khác nhau (theo dõi, bình luận, đăng lại, v.v.).
Trong quá trình mô phỏng, hệ thống tự động theo dõi câu hỏi dự đoán của bạn và cập nhật bộ nhớ của từng tác nhân một cách linh hoạt khi các sự kiện diễn ra.
Bước 4: Tạo Báo Cáo
Sau khi quá trình mô phỏng kết thúc, một ReportAgent chuyên biệt sẽ tham gia. Tác nhân này có quyền truy cập vào một bộ công cụ phong phú và tương tác với môi trường hậu mô phỏng để tổng hợp mọi thứ đã xảy ra. Nó phân tích cách ý kiến của các tác nhân thay đổi, những liên minh nào được hình thành và những mô hình nào xuất hiện — sau đó tạo ra một báo cáo dự đoán có cấu trúc.
Bước 5: Tương Tác Chuyên Sâu
Báo cáo không phải là sản phẩm cuối cùng. Bạn có thể:
* Trò chuyện với bất kỳ tác nhân nào trong thế giới mô phỏng để hiểu lý do của họ
* Nói chuyện với ReportAgent để đặt câu hỏi tiếp theo hoặc nhận các phân tích thay thế
* Thêm các biến số mới và chạy lại các kịch bản (“Điều gì sẽ xảy ra nếu chúng ta thay đổi X?”)
Ngăn Xếp Công Nghệ (The Tech Stack)
Dưới đây là những công nghệ được MiroFish sử dụng:
| Thành phần | Công nghệ |
| :—————– | :—————————————- |
| Backend | Python 3.11+ |
| Frontend | Vue.js |
| Công cụ mô phỏng | OASIS (bởi CAMEL-AI) |
| Đồ thị tri thức | GraphRAG |
| Bộ nhớ tác nhân | Zep Cloud |
| Hỗ trợ LLM | Bất kỳ mô hình tương thích OpenAI SDK nào |
| LLM đề xuất | Qwen-plus (qua nền tảng Bailian của Alibaba) |
| Trình quản lý gói | uv (cho Python) |
Bắt Đầu (Thiết Lập Tự Lưu Trữ)
Lưu ý: MiroFish được phát triển và kiểm thử trên macOS. Khả năng tương thích với Windows vẫn đang được kiểm thử.
Điều Kiện Tiên Quyết
* Node.js 18+
* Python 3.11+
* uv (trình quản lý gói Python)
1. Sao Chép và Cấu Hình
git clone https://github.com/666ghj/MiroFish.git
cd MiroFish
# Sao chép tệp env mẫu
cp .env.example .env
Chỉnh sửa tệp `.env` với các khóa API của bạn:
# Cấu hình LLM (bất kỳ LLM nào tương thích OpenAI SDK)
# Đề xuất: Qwen-plus trên nền tảng Bailian của Alibaba
LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
# Zep Cloud (để duy trì bộ nhớ tác nhân)
# Gói miễn phí đủ cho sử dụng cơ bản: https://app.getzep.com/
ZEP_API_KEY=your_zep_api_key
2. Cài Đặt Phụ Thuộc
# Một lệnh để cài đặt mọi thứ (root + frontend + backend)
npm run setup:all
Hoặc từng bước:
# Các phụ thuộc Node (root + frontend)
npm run setup
# Các phụ thuộc Python (tự động tạo môi trường ảo)
npm run setup:backend
3. Chạy Ứng Dụng
# Khởi động cả frontend và backend
npm run dev
Vậy là xong. Frontend của bạn sẽ có sẵn tại `http://localhost:3000` và API tại `http://localhost:5001`.
Bạn cũng có thể khởi động chúng riêng biệt:
npm run backend # Chỉ backend
npm run frontend # Chỉ frontend
Bạn Thực Sự Có Thể Dự Đoán Điều Gì Với MiroFish?
Đội ngũ phát triển đã chứng minh một số trường hợp sử dụng nổi bật:
* Mô phỏng Dư luận Công chúng — Đưa vào một sự kiện tin tức và mô phỏng cách dư luận có thể phát triển. Bản demo cho thấy dự đoán về cách một tranh cãi trong trường đại học có thể diễn ra trên các phương tiện truyền thông xã hội.
* Dự báo Tài chính — Đưa vào các tín hiệu thị trường và xem cách các nhà giao dịch, nhà phân tích và nhà đầu tư cá nhân mô phỏng phản ứng với động thái của nhau.
* Kiểm thử Tác động Chính sách — Tải lên một bản dự thảo chính sách và xem cách các nhóm lợi ích khác nhau có thể phản ứng, hình thành liên minh hoặc phản đối.
* Khám phá Sáng tạo — Đội ngũ đã đưa 80 chương đầu tiên của một tiểu thuyết cổ điển Trung Quốc vào MiroFish và yêu cầu nó dự đoán cái kết bị thất lạc dựa trên hành vi của các nhân vật. Đây là một ví dụ thú vị — nó cho thấy công cụ này không chỉ giới hạn ở việc dự báo “nghiêm túc”.
Những Lưu Ý Quan Trọng
Hãy thực tế về những gì MiroFish có thể làm và không thể làm:
* Nó không phải là quả cầu pha lê. Đội ngũ chưa công bố các điểm chuẩn so sánh dự đoán với kết quả thực tế. Các mô phỏng minh họa các kịch bản có thể xảy ra dựa trên hành vi tác nhân nổi bật — chúng không phải là ước tính xác suất.
* Chi phí LLM có thể tăng cao. Chạy hàng trăm tác nhân qua nhiều vòng mô phỏng đồng nghĩa với rất nhiều lệnh gọi API LLM. README khuyến nghị bắt đầu với ít hơn 40 vòng để quản lý chi phí.
* Thiên vị của tác nhân rất quan trọng. Bài nghiên cứu của OASIS lưu ý rằng các tác nhân LLM có xu hướng dễ bị ảnh hưởng bởi hành vi bầy đàn hơn con người thật. Đám đông mô phỏng có thể phân cực nhanh hơn đám đông thực.
* Nó còn ở giai đoạn đầu. Phiên bản 0.1.0 được phát hành vào tháng 12 năm 2025 (theo thông tin gốc, có thể là lỗi chính tả và ý muốn nói 2024 hoặc 2025 đã qua). Đây là một sản phẩm v0 — mạnh mẽ về mặt khái niệm, nhưng vẫn đang trong quá trình trưởng thành.
Câu Chuyện Đằng Sau
MiroFish được xây dựng bởi Guo Hangjiang, một sinh viên đại học năm cuối tại Trung Quốc. Nó đã đứng đầu danh sách Xu Hướng Toàn Cầu của GitHub vào tháng 3 năm 2026 và đã thu hút đầu tư từ Chen Tianqiao, người sáng lập Tập đoàn Shanda. Dự án tiền thân của MiroFish, BettaFish (một công cụ phân tích dư luận công chúng đa tác nhân), cũng đã đạt vị trí số 1 trên GitHub Trending vào cuối năm 2024.
Cơ chế mô phỏng cốt lõi đến từ OASIS, một dự án mã nguồn mở của cộng đồng nghiên cứu CAMEL-AI hỗ trợ lên đến một triệu tương tác tác nhân và đã được công bố trong các nghiên cứu được bình duyệt.
Tại Sao Các Nhà Phát Triển Nên Quan Tâm?
Ngay cả khi bạn không xây dựng một công cụ dự đoán, MiroFish vẫn đáng để nghiên cứu vì nó là một ví dụ điển hình về sự kết hợp của nhiều mô hình:
* GraphRAG để làm nền tri thức — cách cung cấp cho các tác nhân ngữ cảnh có cấu trúc, không chỉ là văn bản thô
* Bộ nhớ tác nhân bền vững — sử dụng Zep để cho phép các tác nhân ghi nhớ qua các vòng mô phỏng
* Điều phối đa tác nhân ở quy mô lớn — điều phối hàng trăm tác nhân tự trị trong thời gian thực
* Hành vi nổi bật như một tính năng — thiết kế các hệ thống mà đầu ra không được lập trình sẵn mà nảy sinh từ tương tác của các tác nhân
Đây là những mô hình bạn sẽ ngày càng thấy nhiều trong các hệ thống AI sản xuất, và MiroFish gói gọn chúng một cách dễ dàng để nghiên cứu và thử nghiệm.
Liên Kết
* GitHub: github.com/666ghj/MiroFish
