MiroFish Là Gì? Nền Tảng Mô Phỏng AI Đa Tác Tử Dự Đoán Kết Quả Mạng Xã Hội

Giới thiệu

Bạn đã từng chứng kiến điều đó xảy ra. Một công ty công bố chính sách mới. Một người nổi tiếng đưa ra tuyên bố gây tranh cãi. Một tin tức bất ngờ xuất hiện. Mạng xã hội bùng nổ, và những hậu quả lan rộng theo những cách không ai lường trước được.

Điều gì sẽ xảy ra nếu bạn có thể thấy một kịch bản diễn ra như thế nào trước khi nó xảy ra trong thế giới thực?

MiroFish là một nền tảng mô phỏng AI đa tác nhân, trả lời các câu hỏi "điều gì sẽ xảy ra nếu" về mạng xã hội. Nó tạo ra một thế giới song song kỹ thuật số nơi hàng trăm tác nhân AI với tính cách, ký ức và kiểu hành vi riêng biệt tương tác tự do. Bạn tải lên tài liệu gốc—một bài báo, một bản dự thảo chính sách, một bài nghiên cứu—và MiroFish mô phỏng cách các đối tượng khác nhau có thể phản ứng theo thời gian.

💡

Nhóm MiroFish đã xây dựng và thử nghiệm tất cả các API mô phỏng bằng Apidog. Từ việc thiết kế các điểm cuối xây dựng đồ thị đến xác thực phản hồi API phỏng vấn, Apidog đóng vai trò là nguồn đáng tin cậy duy nhất cho hợp đồng backend/frontend trong suốt quá trình phát triển.

nút

Bài giải thích này bao gồm những gì MiroFish làm, cách thức hoạt động của mô phỏng đa tác nhân và khi nào bạn có thể sử dụng nó.

MiroFish giải quyết vấn đề gì?

Khoảng cách dự đoán

Mạng xã hội di chuyển nhanh chóng và phản ứng theo những cách không thể đoán trước. Các công cụ phân tích truyền thống nhìn lại quá khứ:

Phân tích cảm xúc cho bạn biết mọi người nghĩ gì bây giờ
Giám sát xu hướng cho bạn thấy điều gì đang phổ biến hôm nay
Số liệu tương tác đo lường những gì đã xảy ra

Không có công cụ nào trong số này giúp bạn thấy điều gì có thể xảy ra nếu bạn công bố thông báo đó, phát hành báo cáo đó, hoặc phản hồi tranh cãi đó.

Giải pháp thay thế: Các thế giới song song kỹ thuật số

MiroFish áp dụng một cách tiếp cận khác. Thay vì phân tích mạng xã hội thực, nó tạo ra một phiên bản mô phỏng:

Xây dựng đồ thị tri thức từ các tài liệu nguồn của bạn
Trích xuất các thực thể (người, tổ chức, cơ quan truyền thông) và biến chúng thành tác nhân AI
Gán tính cách dựa trên thông tin được trích xuất (mức độ hoạt động, trọng số ảnh hưởng, vị thế quan điểm)
Chạy mô phỏng nơi các tác nhân đăng bài, bình luận và phản ứng trong suốt hàng giờ hoặc ngày mô phỏng
Phân tích kết quả để xem các câu chuyện hình thành như thế nào, tiếng nói nào chiếm ưu thế và những phong trào phản đối nào xuất hiện

Hãy coi nó như một trình mô phỏng bay cho các kịch bản mạng xã hội.

MiroFish hoạt động như thế nào: Quy trình làm việc năm bước

┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│   Bước 1    │ ──► │   Bước 2    │ ──► │   Bước 3    │ ──► │   Bước 4    │ ──► │   Bước 5    │
│  Tạo Ontology│     │  Xây dựng   │     │   Thiết lập │     │   Chạy      │     │   Tạo       │
│  (Ontology) │     │  GraphRAG   │     │   Môi trường│     │   Mô phỏng  │     │   Báo cáo   │
└─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘

Bước 1: Tạo Ontology

Hệ thống phân tích các tài liệu đầu vào và yêu cầu mô phỏng của bạn, sau đó sử dụng LLM để tạo một ontology tùy chỉnh. Điều này định nghĩa:

10 loại thực thể (ví dụ: Sinh viên, Giáo sư, Đại học, Cơ quan truyền thông, Cơ quan chính phủ)
10 loại quan hệ (ví dụ: LÀM_VIỆC_CHO, BÌNH_LUẬN_VỀ, PHẢN_HỒI_ĐỐI_VỚI)
Các thuộc tính cho từng loại

Ontology thực thi cấu trúc hai cấp: 8 loại cụ thể dựa trên nội dung của bạn, cộng với 2 loại dự phòng (Person và Organization) để nắm bắt bất kỳ thứ gì không phù hợp ở nơi khác.

Bước 2: Xây dựng GraphRAG

Các tài liệu của bạn được chia thành các đoạn (500 ký tự với 50 ký tự chồng lấp) và gửi đến Zep Cloud theo lô. Hệ thống:

Tạo một đồ thị độc lập với ID duy nhất
Thiết lập ontology tùy chỉnh
Gửi các lô văn bản để trích xuất thực thể và quan hệ
Chờ Zep xử lý từng tập
Truy xuất đồ thị cuối cùng với các nút và cạnh

Kết quả: một đồ thị tri thức với hàng trăm hoặc hàng nghìn thực thể được kết nối bằng các quan hệ.

Bước 3: Thiết lập môi trường

Trình tạo cấu hình mô phỏng phân tích đồ thị tri thức và tạo các tham số tác nhân chi tiết:

Cấu hình thời gian dựa trên các mô hình múi giờ Trung Quốc (giờ cao điểm 19-22, giờ thấp điểm 0-5)
Cấu hình sự kiện với các bài đăng ban đầu và các chủ đề nóng
Cấu hình hoạt động của tác nhân (số bài đăng mỗi giờ, độ trễ phản hồi, trọng số ảnh hưởng)
Cấu hình nền tảng cho Twitter và Reddit với các ngưỡng lan truyền khác nhau

Bước 4: Chạy mô phỏng

Các tác nhân thức dậy theo lịch hoạt động của họ và bắt đầu đăng bài, bình luận và phản ứng. Hệ thống chạy mô phỏng song song trên Twitter và Reddit, ghi lại mọi hành động vào các tệp JSONL theo thời gian thực.

Một mô phỏng 72 giờ điển hình tạo ra hàng nghìn hành động trên cả hai nền tảng.

Bước 5: Tạo báo cáo

Tác nhân Báo cáo sử dụng ba công cụ truy xuất cốt lõi để phân tích những gì đã xảy ra:

InsightForge: Tìm kiếm chuyên sâu phân tích câu hỏi thành các truy vấn phụ
PanoramaSearch: Xem toàn cảnh bao gồm các sự kiện lịch sử đã hết hạn/không hợp lệ
InterviewAgents: Phỏng vấn thời gian thực với các tác nhân đang hoạt động qua IPC

Báo cáo cuối cùng cho thấy sự phát triển của câu chuyện, những khoảnh khắc quan trọng, tiếng nói có ảnh hưởng và các phong trào phản đối.

Các tác nhân AI trong MiroFish là gì?

Mỗi tác nhân trong MiroFish là một thực thể AI độc lập với:

Thuộc tính	Mô tả	Ví dụ
Danh tính	Tên, tên người dùng, tiểu sử	“@ZhangWei_Student”
Tính cách	Tính cách và nền tảng	“Sinh viên cao học nghiên cứu đạo đức AI”
Mức độ hoạt động	Tần suất họ đăng bài (0.0-1.0)	0.8 = rất năng động
Giờ hoạt động	Khi họ trực tuyến	[8, 9, 10, 11, 18, 19, 20, 21, 22, 23]
Độ trễ phản hồi	Tốc độ họ phản ứng (phút)	5-30 phút
Trọng số ảnh hưởng	Khả năng người khác nhìn thấy bài đăng của họ	0.8 (thấp) đến 3.0 (cao)
Quan điểm	Lập trường về các chủ đề	Ủng hộ, phản đối, trung lập, quan sát viên
Bộ nhớ	Các hành động và tương tác trong quá khứ	Lưu trữ trong đồ thị Zep Cloud

Các tác nhân đưa ra quyết định một cách tự chủ. Họ chọn thời điểm đăng bài, nội dung bình luận và cách phản hồi dựa trên tính cách của họ và trạng thái hiện tại của mô phỏng.

Bạn có thể mô phỏng điều gì?

Tin tức và thông báo chính sách

Tải lên một bản dự thảo chính sách hoặc bài báo. Xem cách các nhóm bên liên quan khác nhau phản ứng:

Những tiếng nói nào khuếch đại thông điệp?
Những lời chỉ trích nào xuất hiện?
Các câu chuyện phát triển như thế nào trong 24-72 giờ?

Nghiên cứu học thuật

Tải lên một bài nghiên cứu. Mô phỏng sự tiếp nhận của giới học thuật và công chúng:

Những phát hiện nào thu hút sự chú ý?
Những hiểu lầm nào phát sinh?
Phản ứng của chuyên gia và người bình thường khác nhau như thế nào?

Các kịch bản khủng hoảng

Tải lên báo cáo sự cố hoặc tài liệu nền. Kiểm tra các chiến lược phản hồi:

Câu chuyện thay đổi như thế nào nếu bạn phản hồi ngay lập tức so với chờ đợi?
Những câu chuyện phản đối nào xuất hiện?
Những người có ảnh hưởng nào thúc đẩy cuộc trò chuyện?

Phân tích văn học và lịch sử

Tải lên một tiểu thuyết hoặc văn bản lịch sử. Khám phá các kịch bản “điều gì sẽ xảy ra nếu”:

Các nhân vật có thể phản ứng thế nào với các sự kiện vượt ra ngoài kết thúc ban đầu?
Những kết quả thay thế nào là hợp lý?
Những mối quan hệ nào thúc đẩy các điểm cốt truyện chính?

Điều gì làm cho MiroFish khác biệt?

Trí tuệ bầy đàn, không phải tác nhân đơn lẻ

Nhiều công cụ AI sử dụng một tác nhân đơn lẻ để mô phỏng "một người dùng." MiroFish sử dụng hàng trăm tác nhân với tính cách riêng biệt. Điều này tạo ra hành vi nổi bật—các câu chuyện và phong trào phát sinh từ các tương tác, không phải từ các kịch bản được lập trình sẵn.

Mô phỏng song song trên hai nền tảng

Twitter và Reddit chạy song song với các động lực khác nhau:

Twitter: Lan truyền nhanh chóng, tác động cao từ người có ảnh hưởng
Reddit: Thảo luận theo luồng, câu chuyện do cộng đồng định hướng

So sánh cả hai nền tảng cho thấy cơ chế nền tảng ảnh hưởng đến kết quả như thế nào.

Đồ thị tri thức theo thời gian

Các quan hệ trong MiroFish có siêu dữ liệu thời gian:

valid_at: Khi quan hệ trở nên hợp lệ
invalid_at: Khi nó trở nên không hợp lệ
expired_at: Khi nó bị thay thế

Điều này cho phép bạn theo dõi cách các quan hệ phát triển, không chỉ trạng thái hiện tại.

Phỏng vấn tác nhân trực tiếp

Bạn có thể phỏng vấn các tác nhân đang hoạt động trong hoặc sau khi mô phỏng:

Câu hỏi

Tác nhân 12 (Sinh viên)

Điều này cung cấp những hiểu biết định tính vượt ra ngoài các số liệu định lượng.

Tổng quan kiến trúc kỹ thuật

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│  Frontend       │     │  Backend        │     │  Dịch vụ        │
│  (Vue.js)       │ ◄─► │  (FastAPI)      │ ◄─► │  Bên ngoài      │
│                 │     │                 │     │                 │
│ - Xây dựng đồ thị│     │ - REST API      │     │ - Zep Cloud     │
│ - Giám sát      │     │ - Quản lý       │     │ - LLM API       │
│   mô phỏng      │     │   tiến trình con│     │ - OASIS         │
│ - Trình xem     │     │ - Luồng JSONL   │     │   Framework     │
│   báo cáo       │     │                 │     │                 │
└─────────────────┘     └─────────────────┘     └─────────────────┘

Ngăn xếp Backend

Python FastAPI cho các điểm cuối REST
OASIS Framework để mô phỏng tác nhân
Zep Cloud để lưu trữ và truy xuất đồ thị tri thức
SQLite cho cơ sở dữ liệu trạng thái mô phỏng

Ngăn xếp Frontend

Vue.js 3 cho giao diện người dùng phản ứng
WebSocket để cập nhật thời gian thực
D3.js để trực quan hóa đồ thị

Thiết kế API với Apidog

Backend của MiroFish cung cấp hơn 40 điểm cuối trên 5 dịch vụ chính:

Dịch vụ	Điểm cuối	Mục đích
Xây dựng đồ thị	8	Tạo ontology, tải lên hàng loạt, thăm dò trạng thái
Trình đọc thực thể	4	Lọc thực thể, chọn loại, xuất
Trình tạo cấu hình	6	Tạo cấu hình thời gian/sự kiện/tác nhân/nền tảng
Trình chạy mô phỏng	12	Bắt đầu, dừng, giám sát, phỏng vấn, quản lý trạng thái
Trình tạo báo cáo	5	Truy xuất, phân tích, tạo tóm tắt

Apidog đã được sử dụng để thiết kế tất cả các điểm cuối, mô phỏng phản hồi cho phát triển frontend và tạo tài liệu API. Điều này đã giúp phát hiện sớm các lỗi không khớp sơ đồ và giữ cho nhóm phát triển được đồng bộ trong suốt quá trình.

Khi nào bạn nên sử dụng MiroFish?

Các trường hợp sử dụng tốt

Lập kế hoạch kịch bản: “Điều gì sẽ xảy ra nếu chúng ta công bố X vào tuần tới?”
Phân tích các bên liên quan: “Các nhóm khác nhau sẽ phản ứng thế nào với Y?”
Theo dõi câu chuyện: “Những lập luận phản bác nào xuất hiện chống lại Z?”
Xác thực nghiên cứu: “Các giả thuyết của chúng ta về hành vi của khán giả có đúng không?”
Khám phá giáo dục: “Những nhân vật lịch sử này có thể phản ứng thế nào với các sự kiện hiện đại?”

Các trường hợp sử dụng không tốt

Dự đoán chính xác: MiroFish cho thấy các kết quả khả thi, không phải tương lai được đảm bảo
Giám sát thời gian thực: Nó mô phỏng các kịch bản giả định, không theo dõi mạng xã hội trực tiếp
Phân tích quy mô nhỏ: Hệ thống hoạt động hiệu quả với hàng trăm tác nhân; quá mức cần thiết cho các khảo sát đơn giản
Hiện tượng phi xã hội: Nó mô hình hóa động lực mạng xã hội, không phải hệ thống kinh tế hoặc vật lý

Bắt đầu với MiroFish

Yêu cầu

Python 3.10+
Node.js 18+
Khóa API Zep Cloud
Truy cập API LLM (tương thích OpenAI)

Bắt đầu nhanh

# Clone repository
git clone https://github.com/666ghj/MiroFish.git
cd MiroFish

# Cài đặt phụ thuộc
pip install -r requirements.txt
npm install

# Cấu hình môi trường
cp .env.example .env
# Chỉnh sửa .env với khóa API của bạn

# Khởi động backend
python backend/app/main.py

# Khởi động frontend
npm run dev

Mô phỏng đầu tiên

Tải tài liệu lên: Các tệp PDF, TXT hoặc MD chứa tài liệu nguồn của bạn
Xác định yêu cầu mô phỏng: Bạn đang khám phá câu hỏi nào?
Tạo ontology: Cho phép hệ thống phân tích và đề xuất các loại thực thể
Xây dựng đồ thị tri thức: Trích xuất các thực thể và quan hệ
Cấu hình và chạy: Đặt thời lượng mô phỏng và bắt đầu
Giám sát và phỏng vấn: Xem các hành động trong thời gian thực, phỏng vấn các tác nhân
Tạo báo cáo: Nhận bản tóm tắt về những gì đã xảy ra

Một mô phỏng đầu tiên điển hình mất 30-60 phút để hoàn thành.

Các câu hỏi thường gặp

Các mô phỏng chính xác đến mức nào?

MiroFish tạo ra các kịch bản khả thi dựa trên dữ liệu đầu vào và các mô hình hành vi. Hãy coi nó như việc khám phá không gian khả năng, không phải dự đoán các kết quả cụ thể. Giá trị nằm ở việc làm nổi bật các động lực mà bạn có thể không lường trước được.

MiroFish có thể mô phỏng bao nhiêu tác nhân?

Hệ thống xử lý 50-200 tác nhân một cách thoải mái. Các mô phỏng lớn hơn (500+) vẫn có thể thực hiện được nhưng yêu cầu nhiều tài nguyên tính toán hơn và mất nhiều thời gian xử lý hơn.

Tôi có thể tùy chỉnh hành vi của tác nhân không?

Có. Bạn có thể sửa đổi các kiểu hoạt động, trọng số ảnh hưởng và phân bố quan điểm. Người dùng nâng cao có thể chỉnh sửa trực tiếp các cấu hình tác nhân trước khi chạy mô phỏng.

MiroFish có hỗ trợ các kịch bản ngoài Trung Quốc không?

Cấu hình múi giờ mặc định được tối ưu hóa cho hành vi mạng xã hội Trung Quốc. Bạn có thể tùy chỉnh các kiểu hoạt động cho các khu vực khác bằng cách sửa đổi cấu hình thời gian.

Dữ liệu của tôi có được riêng tư không?

Các tài liệu được xử lý cục bộ và gửi đến Zep Cloud để trích xuất thực thể. Zep giữ lại dữ liệu theo các điều khoản dịch vụ của họ. Đối với các tài liệu nhạy cảm, hãy cân nhắc sử dụng một lựa chọn cơ sở dữ liệu đồ thị cục bộ thay thế.

Kết luận

MiroFish tạo ra các thế giới song song kỹ thuật số nơi bạn có thể thử nghiệm các kịch bản mạng xã hội trước khi chúng xảy ra trong thế giới thực. Bằng cách mô phỏng hàng trăm tác nhân AI với tính cách và kiểu hành vi riêng biệt, nó tiết lộ các câu chuyện nổi bật, các phong trào phản đối và các tiếng nói có ảnh hưởng mà các công cụ phân tích truyền thống bỏ lỡ.

Cho dù bạn đang lên kế hoạch cho một thông báo chính sách, nghiên cứu hành vi khán giả, hay khám phá các kịch bản "điều gì sẽ xảy ra nếu" trong văn học, MiroFish đều mang đến một góc nhìn mới để hiểu về các động lực xã hội phức tạp.

nút