尧图网站建设 
MiroFish 本地部署指南4 条命令跑通群体智能预测引擎【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFishMiroFish 是一款简洁通用的群体智能预测引擎你上传一份种子材料新闻、报告甚至小说片段它会自动构建出一个由大量智能体构成的平行世界让智能体在其中自由交互、演化最终给你一份预测报告和一个可交互的数字沙盘。本文带你用源码部署的方式从零基础把 MiroFish 在本地跑起来10 分钟内完成首次页面访问。读完本文你将能够独立完成环境检查、用 4 条命令启动本地服务、修改端口与模型配置并在卡住时按清单快速定位问题。确认 MiroFish 的运行前置条件动手之前先花 30 秒确认本机工具链是否齐全。MiroFish 采用前后端分离结构前端是 Vite 开发的 Vue 应用后端是 Flask 服务两者由项目根目录的package.json统一调度所以你需要同时具备 Node.js 和 Python 环境。依赖项最低版本验证命令说明Node.js18node -v前端运行环境自带 npmPython≥3.11 且 ≤3.12python --version后端运行环境uv最新稳定版uv --versionPython 包管理器未安装可参考其官方文档Docker可选任意近期版本docker --version仅当你想走容器一键方案时才需要uv 之于 Python就像 npm 之于前端装好后所有包管理都交给它。如果你机器上已经有 Docker也可以在后面看到一条docker-compose up -d的替代路线两条路线最终访问的都是同一个界面。确认以上全部就绪后进入下一步。4 条命令快速启动 MiroFish 本地服务下面是最短路径克隆、配置、装依赖、启动总共 4 条命令。克隆仓库并进入目录# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/mi/MiroFish # 进入项目目录 cd MiroFish执行后你会看到终端提示克隆完成ls目录下有backend/、frontend/、.env.example等文件。提示clone 地址走的是 gitcode 镜像国内网络下载更快。创建配置文件并填入密钥# 复制配置模板 cp .env.example .env # 编辑 .env填入 LLM_API_KEY 和 ZEP_API_KEY 两个密钥执行后你会看到项目根目录多出一个.env文件。.env是系统的配置面板改完重启即生效MiroFish 的模型地址、密钥都在这一个文件里。⚠️注意LLM_API_KEY和ZEP_API_KEY不填后端启动时会直接校验失败并退出。一键安装前后端依赖# 同时安装前端 npm 依赖和后端 Python 依赖 npm run setup:all执行后你会看到终端先后滚动 npm 和 uv 两段安装日志最后以无报错结束。这个命令会在backend/下创建一个 Python 虚拟环境相当于一个隔离小房间装的包不影响系统首次运行大约需要 2~5 分钟。提示setup:all是根目录package.json里的别名等于前后端npm install 后端uv sync三连。同时启动前后端服务# 启动后端(5001)和前端(3000) npm run dev执行后你会看到终端出现 backend 和 frontend 两路日志浏览器自动打开http://localhost:3000。前端开发服务器就像前台会把所有/api请求转交给 5001 端口的后端所以你只需记住 3000 这一个地址。提示如果 3000 端口被占用别担心第 4 板块会讲怎么改端口。按需调整端口、模型与模拟轮数跑通之后下面三个配置是日常最常用的每个都对应一个明确目标。接入自己的 LLM 模型目标把默认的阿里百炼qwen-plus换成你自己的 OpenAI 兼容接口。需要改的文件项目根目录.env。# LLM API 配置支持 OpenAI SDK 格式的任意 LLM API -LLM_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1 -LLM_MODEL_NAMEqwen-plus LLM_BASE_URLhttps://api.openai.com/v1 # 改成你自己的接口地址 LLM_MODEL_NAMEgpt-4o-mini # 改成你账号里可用的模型名验证方法重启npm run dev在后端日志里看到无报错的启动信息后发起一次少于 40 轮的小模拟能正常出结果即接入成功。修改前后端监听端口目标本机 3000 或 5001 端口已被其他服务占用。端口就像门牌号一扇门只能挂一个号码所以只要改就要前后端一起改。需要改的文件.env和frontend/vite.config.js。# frontend/vite.config.js server: { - port: 3000, port: 3005, // 前端改为 3005 proxy: { /api: { - target: http://localhost:5001, target: http://localhost:5011, // 代理目标同步改成后端新端口# .env FLASK_PORT5011 # 后端监听端口backend/run.py 会读取这个环境变量验证方法重启npm run dev访问http://localhost:3005页面能打开且图谱功能可用即改好。⚠️注意两处必须同时改只改一端会出现页面能开、但所有请求都报错的半瘫痪状态。调低模拟轮数控制成本目标先用小轮数试跑避免默认 10 轮模拟带来较多的 API 消耗。需要改的文件.env。# .env OASIS_DEFAULT_MAX_ROUNDS3 # 默认 10 轮小试可先降到 3 轮后端在backend/app/config.py中读取该变量改完重启即生效。验证方法在 Web 界面发起一次模拟观察模拟进度轮数明显变少即配置成功。逐个排查 5 个高频卡点如果按上面的步骤走不通对照下面这份清单从上往下查。症状后端启动即退出终端打印LLM_API_KEY 未配置等配置错误。原因.env没创建或两个必填密钥没填。解法cp .env.example .env # 编辑 .env填入 LLM_API_KEY 和 ZEP_API_KEY症状npm run dev报 3000 端口被占用或页面打不开。原因端口与本机其他服务冲突。解法lsof -i:3000 # 确认占用端口的进程然后按修改前后端监听端口一节的步骤改端口。症状页面能打开但加载后数据为空或提示接口错误。原因5001 端口的后端没起来前端代理无处转发。解法查看终端里 backend 一路的日志多为.env配置或依赖问题修正后重新执行npm run dev。症状npm run setup:all中途超时或大量下载失败。原因默认 npm 源在当前网络下不稳定。解法npm config set registry https://registry.npmmirror.com npm run setup:all症状模拟过程特别慢API 账单涨得快。原因默认 10 轮模拟、双平台并行单次消耗不低。解法在.env中加OASIS_DEFAULT_MAX_ROUNDS3先试跑跑通后再逐步调大。部署完成之后可以继续阅读 README-ZH.md 了解从图谱构建到深度互动的完整工作流程或直接浏览 backend/app/ 下的后端源码对照各阶段实现若遇到清单之外的报错可到项目 Issue 区检索QQ 群与社区频道的入口在 README-ZH.md 顶部有说明。【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFish创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MiroFish 本地部署指南：4 条命令跑通群体智能预测引擎
MiroFish 本地部署指南4 条命令跑通群体智能预测引擎【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFishMiroFish 是一款简洁通用的群体智能预测引擎你上传一份种子材料新闻、报告甚至小说片段它会自动构建出一个由大量智能体构成的平行世界让智能体在其中自由交互、演化最终给你一份预测报告和一个可交互的数字沙盘。本文带你用源码部署的方式从零基础把 MiroFish 在本地跑起来10 分钟内完成首次页面访问。读完本文你将能够独立完成环境检查、用 4 条命令启动本地服务、修改端口与模型配置并在卡住时按清单快速定位问题。确认 MiroFish 的运行前置条件动手之前先花 30 秒确认本机工具链是否齐全。MiroFish 采用前后端分离结构前端是 Vite 开发的 Vue 应用后端是 Flask 服务两者由项目根目录的package.json统一调度所以你需要同时具备 Node.js 和 Python 环境。依赖项最低版本验证命令说明Node.js18node -v前端运行环境自带 npmPython≥3.11 且 ≤3.12python --version后端运行环境uv最新稳定版uv --versionPython 包管理器未安装可参考其官方文档Docker可选任意近期版本docker --version仅当你想走容器一键方案时才需要uv 之于 Python就像 npm 之于前端装好后所有包管理都交给它。如果你机器上已经有 Docker也可以在后面看到一条docker-compose up -d的替代路线两条路线最终访问的都是同一个界面。确认以上全部就绪后进入下一步。4 条命令快速启动 MiroFish 本地服务下面是最短路径克隆、配置、装依赖、启动总共 4 条命令。克隆仓库并进入目录# 克隆仓库 git clone https://gitcode.com/GitHub_Trending/mi/MiroFish # 进入项目目录 cd MiroFish执行后你会看到终端提示克隆完成ls目录下有backend/、frontend/、.env.example等文件。提示clone 地址走的是 gitcode 镜像国内网络下载更快。创建配置文件并填入密钥# 复制配置模板 cp .env.example .env # 编辑 .env填入 LLM_API_KEY 和 ZEP_API_KEY 两个密钥执行后你会看到项目根目录多出一个.env文件。.env是系统的配置面板改完重启即生效MiroFish 的模型地址、密钥都在这一个文件里。⚠️注意LLM_API_KEY和ZEP_API_KEY不填后端启动时会直接校验失败并退出。一键安装前后端依赖# 同时安装前端 npm 依赖和后端 Python 依赖 npm run setup:all执行后你会看到终端先后滚动 npm 和 uv 两段安装日志最后以无报错结束。这个命令会在backend/下创建一个 Python 虚拟环境相当于一个隔离小房间装的包不影响系统首次运行大约需要 2~5 分钟。提示setup:all是根目录package.json里的别名等于前后端npm install 后端uv sync三连。同时启动前后端服务# 启动后端(5001)和前端(3000) npm run dev执行后你会看到终端出现 backend 和 frontend 两路日志浏览器自动打开http://localhost:3000。前端开发服务器就像前台会把所有/api请求转交给 5001 端口的后端所以你只需记住 3000 这一个地址。提示如果 3000 端口被占用别担心第 4 板块会讲怎么改端口。按需调整端口、模型与模拟轮数跑通之后下面三个配置是日常最常用的每个都对应一个明确目标。接入自己的 LLM 模型目标把默认的阿里百炼qwen-plus换成你自己的 OpenAI 兼容接口。需要改的文件项目根目录.env。# LLM API 配置支持 OpenAI SDK 格式的任意 LLM API -LLM_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1 -LLM_MODEL_NAMEqwen-plus LLM_BASE_URLhttps://api.openai.com/v1 # 改成你自己的接口地址 LLM_MODEL_NAMEgpt-4o-mini # 改成你账号里可用的模型名验证方法重启npm run dev在后端日志里看到无报错的启动信息后发起一次少于 40 轮的小模拟能正常出结果即接入成功。修改前后端监听端口目标本机 3000 或 5001 端口已被其他服务占用。端口就像门牌号一扇门只能挂一个号码所以只要改就要前后端一起改。需要改的文件.env和frontend/vite.config.js。# frontend/vite.config.js server: { - port: 3000, port: 3005, // 前端改为 3005 proxy: { /api: { - target: http://localhost:5001, target: http://localhost:5011, // 代理目标同步改成后端新端口# .env FLASK_PORT5011 # 后端监听端口backend/run.py 会读取这个环境变量验证方法重启npm run dev访问http://localhost:3005页面能打开且图谱功能可用即改好。⚠️注意两处必须同时改只改一端会出现页面能开、但所有请求都报错的半瘫痪状态。调低模拟轮数控制成本目标先用小轮数试跑避免默认 10 轮模拟带来较多的 API 消耗。需要改的文件.env。# .env OASIS_DEFAULT_MAX_ROUNDS3 # 默认 10 轮小试可先降到 3 轮后端在backend/app/config.py中读取该变量改完重启即生效。验证方法在 Web 界面发起一次模拟观察模拟进度轮数明显变少即配置成功。逐个排查 5 个高频卡点如果按上面的步骤走不通对照下面这份清单从上往下查。症状后端启动即退出终端打印LLM_API_KEY 未配置等配置错误。原因.env没创建或两个必填密钥没填。解法cp .env.example .env # 编辑 .env填入 LLM_API_KEY 和 ZEP_API_KEY症状npm run dev报 3000 端口被占用或页面打不开。原因端口与本机其他服务冲突。解法lsof -i:3000 # 确认占用端口的进程然后按修改前后端监听端口一节的步骤改端口。症状页面能打开但加载后数据为空或提示接口错误。原因5001 端口的后端没起来前端代理无处转发。解法查看终端里 backend 一路的日志多为.env配置或依赖问题修正后重新执行npm run dev。症状npm run setup:all中途超时或大量下载失败。原因默认 npm 源在当前网络下不稳定。解法npm config set registry https://registry.npmmirror.com npm run setup:all症状模拟过程特别慢API 账单涨得快。原因默认 10 轮模拟、双平台并行单次消耗不低。解法在.env中加OASIS_DEFAULT_MAX_ROUNDS3先试跑跑通后再逐步调大。部署完成之后可以继续阅读 README-ZH.md 了解从图谱构建到深度互动的完整工作流程或直接浏览 backend/app/ 下的后端源码对照各阶段实现若遇到清单之外的报错可到项目 Issue 区检索QQ 群与社区频道的入口在 README-ZH.md 顶部有说明。【免费下载链接】MiroFishA Simple and Universal Swarm Intelligence Engine, Predicting Anything. 简洁通用的群体智能引擎预测万物项目地址: https://gitcode.com/GitHub_Trending/mi/MiroFish创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考