مقدمة
لقد رأيت ذلك يحدث. تعلن شركة ما عن سياسة جديدة. يدلي أحد المشاهير ببيان مثير للجدل. تنشر قصة إخبارية لم يتوقعها أحد. تنفجر وسائل التواصل الاجتماعي، وتتوسع العواقب بطرق لم يتوقعها أحد.
ماذا لو كان بإمكانك رؤية كيف يتكشف سيناريو ما قبل حدوثه في العالم الحقيقي؟
MiroFish هي منصة محاكاة للذكاء الاصطناعي متعددة الوكلاء تجيب على أسئلة "ماذا لو" حول وسائل التواصل الاجتماعي. إنها تخلق عالمًا رقميًا موازيًا حيث يتفاعل المئات من وكلاء الذكاء الاصطناعي ذوي الشخصيات والذكريات وأنماط السلوك المميزة بحرية. تقوم بتحميل مواد أساسية – مقال إخباري، مسودة سياسة، ورقة بحثية – ويقوم MiroFish بمحاكاة كيفية تفاعل الجماهير المختلفة بمرور الوقت.
يشرح هذا الدليل ما يفعله MiroFish، وكيف تعمل المحاكاة متعددة الوكلاء، ومتى يمكنك استخدامها.
ما المشكلة التي يحلها MiroFish؟
فجوة التنبؤ
تتحرك وسائل التواصل الاجتماعي بسرعة وتتفاعل بطرق غير متوقعة. تنظر أدوات التحليل التقليدية إلى الوراء:
- تحليل المشاعر يخبرك بما يفكر فيه الناس الآن
- مراقبة الاتجاهات تظهر لك ما هو شائع اليوم
- مقاييس التفاعل تقيس ما حدث بالفعل
لا شيء من هذا يساعدك على رؤية ما قد يحدث إذا نشرت هذا الإعلان، أو أصدرت هذا التقرير، أو رددت على هذا الجدل.
البديل: عوالم رقمية موازية
MiroFish يتبع نهجًا مختلفًا. بدلاً من تحليل وسائل التواصل الاجتماعي الحقيقية، فإنه ينشئ نسخة محاكية:
- بناء رسم بياني معرفي من مستندات المصدر الخاصة بك
- استخراج الكيانات (الأشخاص، المنظمات، وسائل الإعلام) وتحويلها إلى وكلاء ذكاء اصطناعي
- تعيين شخصيات بناءً على المعلومات المستخرجة (مستويات النشاط، أوزان التأثير، مواقف الرأي)
- إجراء محاكاة حيث ينشر الوكلاء ويعلقون ويتفاعلون على مدار ساعات أو أيام محاكاة
- تحليل النتائج لمعرفة كيف تتشكل الروايات، ومن يسيطر، وما هي الحركات المضادة التي تظهر
فكر في الأمر كمحاكي طيران لسيناريوهات وسائل التواصل الاجتماعي.
كيف يعمل MiroFish: سير العمل المكون من خمس خطوات
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Step 1 │ ──► │ Step 2 │ ──► │ Step 3 │ ──► │ Step 4 │ ──► │ Step 5 │
│ Ontology │ │ GraphRAG │ │ Env │ │ Simulation │ │ Report │
│ Generation │ │ Build │ │ Setup │ │ Run │ │ Generation │
└─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘
الخطوة 1: توليد علم الوجود (Ontology)
يحلل النظام مستندات الإدخال ومتطلبات المحاكاة الخاصة بك، ثم يستخدم نموذج لغة كبير (LLM) لإنشاء علم وجود مخصص. يحدد هذا:
- 10 أنواع كيانات (مثل: طالب، أستاذ، جامعة، منفذ إعلامي، وكالة حكومية)
- 10 أنواع علاقات (مثل: يعمل_لدى، يعلق_على، يستجيب_لـ)
- سمات لكل نوع
يفرض علم الوجود بنية من مستويين: 8 أنواع محددة بناءً على المحتوى الخاص بك، بالإضافة إلى نوعين احتياطيين (شخص و منظمة) لالتقاط أي شيء لا يتناسب مع أي مكان آخر.
الخطوة 2: بناء GraphRAG
يتم تقسيم مستنداتك (500 حرف مع تداخل 50 حرفًا) وإرسالها إلى Zep Cloud على دفعات. يقوم النظام بما يلي:
- إنشاء رسم بياني مستقل بمعرف فريد
- تعيين علم الوجود المخصص
- إرسال دفعات نصية لاستخراج الكيانات والعلاقات
- الانتظار حتى يقوم Zep بمعالجة كل حلقة
- استرداد الرسم البياني النهائي مع العقد والحواف
النتيجة: رسم بياني معرفي يضم مئات أو آلاف الكيانات المتصلة بالعلاقات.
الخطوة 3: إعداد البيئة
يحلل مولد تهيئة المحاكاة الرسم البياني المعرفي وينشئ معلمات وكيل مفصلة:
- تهيئة الوقت بناءً على أنماط المنطقة الزمنية الصينية (ساعات الذروة 19-22، ساعات الخمول 0-5)
- تهيئة الأحداث مع المنشورات الأولية والمواضيع الساخنة
- تهيئة نشاط الوكيل (المنشورات في الساعة، تأخيرات الاستجابة، أوزان التأثير)
- تهيئة المنصات لـ Twitter و Reddit مع عتبات انتشار مختلفة
الخطوة 4: تشغيل المحاكاة
يستيقظ الوكلاء وفقًا لجداول أنشطتهم ويبدأون بالنشر والتعليق والتفاعل. يقوم النظام بتشغيل محاكاة متوازية على Twitter و Reddit، ويسجل كل إجراء في ملفات JSONL في الوقت الفعلي.
تُنتج محاكاة نموذجية مدتها 72 ساعة آلاف الإجراءات عبر كلا المنصتين.
الخطوة 5: توليد التقرير
يستخدم وكيل التقارير ثلاث أدوات استرجاع أساسية لتحليل ما حدث:
- InsightForge: بحث معمق يقسم الأسئلة إلى استعلامات فرعية
- PanoramaSearch: عرض شامل يتضمن الحقائق التاريخية المنتهية الصلاحية/غير الصالحة
- InterviewAgents: مقابلات في الوقت الفعلي مع الوكلاء النشطين عبر IPC
يظهر التقرير النهائي تطور السرد، اللحظات الرئيسية، الأصوات المؤثرة، والحركات المضادة.
ما هي وكلاء الذكاء الاصطناعي في MiroFish؟
كل وكيل في MiroFish هو كيان ذكاء اصطناعي مستقل يمتلك:
| السمة | الوصف | مثال |
|---|---|---|
| الهوية | الاسم، اسم المستخدم، السيرة الذاتية | "@ZhangWei_Student" |
| الشخصية | الشخصية والخلفية | "طالب دراسات عليا يبحث في أخلاقيات الذكاء الاصطناعي" |
| مستوى النشاط | كم مرة ينشر (0.0-1.0) | 0.8 = نشط جداً |
| ساعات النشاط | متى يكون متصلاً بالإنترنت | [8, 9, 10, 11, 18, 19, 20, 21, 22, 23] |
| تأخير الاستجابة | مدى سرعة تفاعله (بالدقائق) | 5-30 دقيقة |
| وزن التأثير | مدى احتمالية رؤية الآخرين لمنشوراته | 0.8 (منخفض) إلى 3.0 (مرتفع) |
| الموقف | الموقف من المواضيع | داعم، معارض، محايد، مراقب |
| الذاكرة | الإجراءات والتفاعلات السابقة | مخزنة في الرسم البياني لـ Zep Cloud |
يتخذ الوكلاء قراراتهم بشكل مستقل. يختارون متى ينشرون، وماذا يعلقون عليه، وكيف يستجيبون بناءً على شخصيتهم والحالة الحالية للمحاكاة.
ماذا يمكنك أن تحاكي؟
إعلانات الأخبار والسياسات
حمّل مسودة سياسة أو مقالًا إخباريًا. شاهد كيف تتفاعل مجموعات أصحاب المصلحة المختلفة:
- من هي الأصوات التي تضخم الرسالة؟
- ما هي الانتقادات التي تظهر؟
- كيف تتطور السرديات على مدار 24-72 ساعة؟
البحث الأكاديمي
حمّل ورقة بحثية. حاكِ الاستقبال الأكاديمي والعام:
- ما هي النتائج التي تحظى بالاهتمام؟
- ما هي سوء الفهم التي تنشأ؟
- كيف تختلف استجابات الخبراء والعامة؟
سيناريوهات الأزمات
حمّل تقارير حوادث أو مواد خلفية. اختبر استراتيجيات الاستجابة:
- كيف يتغير السرد إذا استجبت فورًا مقابل الانتظار؟
- ما هي الروايات المضادة التي تظهر؟
- من هم المؤثرون الذين يقودون المحادثة؟
التحليل الأدبي والتاريخي
حمّل رواية أو نصًا تاريخيًا. استكشف سيناريوهات "ماذا لو":
- كيف قد يتفاعل الشخصيات مع الأحداث بعد النهاية الأصلية؟
- ما هي النتائج البديلة المعقولة؟
- ما هي العلاقات التي تدفع نقاط الحبكة الرئيسية؟
ما الذي يميز MiroFish؟
ذكاء السرب، وليس الوكلاء الفرديين
تستخدم العديد من أدوات الذكاء الاصطناعي وكيلًا واحدًا لمحاكاة "مستخدم". يستخدم MiroFish مئات الوكلاء ذوي الشخصيات المميزة. وهذا يخلق سلوكًا ناشئًا – روايات وحركات تنشأ من التفاعلات، وليس من نصوص مبرمجة مسبقًا.
محاكاة منصتين متوازيتين
يعمل Twitter و Reddit بالتوازي مع ديناميكيات مختلفة:
- Twitter: انتشار سريع للعدوى، تأثير عالٍ للمؤثرين
- Reddit: مناقشات مترابطة، روايات مدفوعة بالمجتمع
تُظهر مقارنة المنصتين كيف تؤثر آليات المنصة على النتائج.
الرسم البياني المعرفي الزمني
العلاقات في MiroFish تحتوي على بيانات تعريف زمنية:
valid_at: متى أصبحت العلاقة صالحةinvalid_at: متى أصبحت غير صالحةexpired_at: متى تم استبدالها
يتيح لك ذلك تتبع كيفية تطور العلاقات، وليس فقط الحالة الحالية.
مقابلات الوكيل المباشرة
يمكنك إجراء مقابلات مع الوكلاء النشطين أثناء المحاكاة أو بعدها:
سؤال
الوكيل 12 (طالب)
يوفر هذا رؤى نوعية تتجاوز المقاييس الكمية.
نظرة سريعة على البنية التقنية
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ Frontend │ │ Backend │ │ External │
│ (Vue.js) │ ◄─► │ (FastAPI) │ ◄─► │ Services │
│ │ │ │ │ │
│ - Graph builder │ │ - REST API │ │ - Zep Cloud │
│ - Simulation │ │ - Subprocess │ │ - LLM API │
│ monitor │ │ management │ │ - OASIS │
│ - Report viewer │ │ - JSONL stream │ │ Framework │
└─────────────────┘ └─────────────────┘ └─────────────────┘
مكدس الواجهة الخلفية (Backend Stack)
- Python FastAPI لنقاط نهاية REST
- OASIS Framework لمحاكاة الوكلاء
- Zep Cloud لتخزين واسترجاع الرسم البياني المعرفي
- SQLite لقواعد بيانات حالة المحاكاة
مكدس الواجهة الأمامية (Frontend Stack)
- Vue.js 3 لواجهة المستخدم التفاعلية
- WebSocket للتحديثات في الوقت الفعلي
- D3.js لتصور الرسم البياني
تصميم واجهة برمجة التطبيقات (API) باستخدام Apidog
تكشف الواجهة الخلفية لـ MiroFish عن أكثر من 40 نقطة نهاية عبر 5 خدمات رئيسية:
| الخدمة | نقاط النهاية | الغرض |
|---|---|---|
| بناء الرسم البياني | 8 | توليد الأنطولوجيا، التحميل الدفعي، استقصاء الحالة |
| قارئ الكيانات | 4 | تصفية الكيانات، اختيار النوع، التصدير |
| مولد التهيئة | 6 | توليد تهيئة الوقت/الحدث/الوكيل/المنصة |
| مشغل المحاكاة | 12 | بدء، إيقاف، مراقبة، مقابلة، إدارة الحالة |
| مولد التقارير | 5 | الاسترداد، التحليل، توليد الملخص |
تم استخدام Apidog لتصميم جميع نقاط النهاية، وإنشاء استجابات وهمية لتطوير الواجهة الأمامية، وتوليد وثائق واجهة برمجة التطبيقات. وقد ساعد ذلك في اكتشاف عدم تطابق المخططات مبكرًا والحفاظ على توافق الفريق طوال فترة التطوير.
متى يجب عليك استخدام MiroFish؟
حالات الاستخدام الجيدة
- تخطيط السيناريوهات: "ماذا لو أعلنا عن X الأسبوع المقبل؟"
- تحليل أصحاب المصلحة: "كيف ستتفاعل المجموعات المختلفة مع Y؟"
- تتبع السرديات: "ما هي الحجج المضادة التي تظهر ضد Z؟"
- التحقق من صحة البحث: "هل فرضياتنا حول سلوك الجمهور تصمد؟"
- الاستكشاف التعليمي: "كيف قد يتفاعل هؤلاء الشخصيات التاريخية مع الأحداث الحديثة؟"
حالات الاستخدام غير الجيدة
- التنبؤ الدقيق: يُظهر MiroFish نتائج محتملة، وليس مستقبلًا مضمونًا
- المراقبة في الوقت الفعلي: إنه يحاكي سيناريوهات افتراضية، ولا يتتبع وسائل التواصل الاجتماعي المباشرة
- التحليل على نطاق صغير: يتألق النظام مع مئات الوكلاء؛ إنه مبالغة بالنسبة للاستبيانات البسيطة
- الظواهر غير الاجتماعية: إنه ينمذج ديناميكيات وسائل التواصل الاجتماعي، وليس الأنظمة الاقتصادية أو الفيزيائية
البدء مع MiroFish
المتطلبات
- Python 3.10+
- Node.js 18+
- مفتاح API لـ Zep Cloud
- الوصول إلى LLM API (متوافق مع OpenAI)
بداية سريعة
# Clone the repository
git clone https://github.com/666ghj/MiroFish.git
cd MiroFish
# Install dependencies
pip install -r requirements.txt
npm install
# Configure environment
cp .env.example .env
# Edit .env with your API keys
# Start the backend
python backend/app/main.py
# Start the frontend
npm run dev
أول محاكاة
- تحميل المستندات: ملفات PDF أو TXT أو MD تحتوي على موادك المصدرية
- تحديد متطلبات المحاكاة: ما هو السؤال الذي تستكشفه؟
- توليد علم الوجود: دع النظام يحلل ويقترح أنواع الكيانات
- بناء الرسم البياني المعرفي: استخرج الكيانات والعلاقات
- تهيئة وتشغيل: اضبط مدة المحاكاة وابدأ
- مراقبة ومقابلة: شاهد الإجراءات في الوقت الفعلي، وقم بإجراء مقابلات مع الوكلاء
- توليد التقرير: احصل على ملخص لما حدث
تستغرق أول محاكاة نموذجية من 30 إلى 60 دقيقة من البداية إلى النهاية.
الأسئلة المتكررة
ما مدى دقة المحاكاة؟
يولد MiroFish سيناريوهات معقولة بناءً على بيانات الإدخال والنماذج السلوكية. فكر في الأمر كاستكشاف لمساحة الاحتمالات، وليس التنبؤ بنتائج محددة. تكمن القيمة في الكشف عن ديناميكيات قد لا تكون قد توقعتها.
كم عدد الوكلاء الذين يمكن لـ MiroFish محاكاتهم؟
يتعامل النظام مع 50-200 وكيل بشكل مريح. المحاكاة الأكبر (500+) ممكنة ولكنها تتطلب المزيد من الموارد الحسابية وتستغرق وقتًا أطول للمعالجة.
هل يمكنني تخصيص سلوك الوكيل؟
نعم. يمكنك تعديل أنماط النشاط، وأوزان التأثير، وتوزيعات المواقف. يمكن للمستخدمين المتقدمين تعديل تكوينات الوكيل مباشرة قبل تشغيل المحاكاة.
هل يدعم MiroFish سيناريوهات غير صينية؟
تم تحسين تهيئة المنطقة الزمنية الافتراضية لسلوك وسائل التواصل الاجتماعي الصينية. يمكنك تخصيص أنماط النشاط لمناطق أخرى عن طريق تعديل تهيئة الوقت.
هل بياناتي خاصة؟
تتم معالجة المستندات محليًا وإرسالها إلى Zep Cloud لاستخراج الكيانات. يحتفظ Zep بالبيانات وفقًا لشروط الخدمة الخاصة بهم. بالنسبة للمواد الحساسة، ضع في اعتبارك استخدام بديل لقاعدة بيانات الرسم البياني المحلية.
الخلاصة
يخلق MiroFish عوالم رقمية موازية حيث يمكنك اختبار سيناريوهات وسائل التواصل الاجتماعي قبل حدوثها في العالم الحقيقي. من خلال محاكاة المئات من وكلاء الذكاء الاصطناعي ذوي الشخصيات وأنماط السلوك المميزة، يكشف عن السرديات الناشئة، والحركات المضادة، والأصوات المؤثرة التي تفوتها أدوات التحليل التقليدية.
سواء كنت تخطط لإعلان سياسة، أو تبحث عن سلوك الجمهور، أو تستكشف "ماذا لو" الأدبية، يقدم MiroFish عدسة جديدة لفهم الديناميكيات الاجتماعية المعقدة.