Agent专题报告：MiroFish实测：多智能体宏观与行业趋势推演

MiroFish实测：多智能体宏观与行业趋势推演 glmszqdatemark2026年03月24日 MiroFish是一个开源的群体智能预测引擎，通过构建高保真平行数字世界实现宏观与行业趋势推演。其技术架构深度融合时序GraphRAG、多智能体系统与OASIS仿真引擎，能够基于用户上传的“种子材料”自动生成具备独立人格、长期记忆与行为逻辑的AI智能体，在虚拟社交平台中并行演化并涌现群体行为模式。不同于传统统计回归工具，MiroFish核心创新在于将知识图谱中的实体转化为数字孪生Agent，通过双轨仿真环境推演复杂决策场景，最终生成包含事件脉络、风险预警与策略建议的结构化预测报告。 分析师叶尔乐执业证书：S0590525110059邮箱：yeerle@glms.com.cn 黄金2026年走势预测案例展示了从“种子文件”到群体涌现的完整工作流与核心发现。基于涵盖八项材料的“种子文件”，系统构建了包含政府部门、金融机构、专家等60个Agent的仿真社会，经72轮跨平台互动推演，形成黄金2026年走势的模型输出结果。该流程验证了图谱构建、人设初始化、双轨仿真到报告生成的自动化能力，但也暴露出封闭环境的局限——当输入信息存在偏差时，Agent会持续强化错误认知，仅能通过后续对话补充事实信息进行有限修正。 相关研究 1．量化周报：调整或未结束-2026/03/222．量化专题报告：Vibe Coding：打造一人量化团队-2026/03/203．基本面选股组合月报：困境反转组合2月实现2.41%超额收益-2026/03/194．量化周报：景气度边际走弱-2026/03/155．量化周报：市场由趋势转为盘整-2026/03/08 在能力测评中，MiroFish展现出优秀的知识图谱构建与多维度叙事能力，但在预测精确性上未显著超越联网LLM。在黄金走势预测案例中，模型虽然逻辑深度更高，但从投资建议实用性维度未显著超越Kimi K2.5联网下的回答。基础能力测试显示，得益于Zep Cloud的时序关系记忆服务，系统在Agent人格设计、端到端流程自动化及多元视角模拟方面表现突出；金融任务测评涵盖AI产业政策、大类资产配置、地缘冲突推演与科技路径预测四大场景，证明其在政策影响分析、产业链传导路径研判等需要反复推敲的宏观研究领域具有独特价值；基模型对比发现，Claude Opus 4.6在因果推演、结构化分析方面表现更优，而Qwen 3.5-plus在数据密度与结论具象化上更具优势。 MiroFish或更适合作为逻辑推演与查漏补缺的“沙盒”工具，而非高精度预测终端。由于其封闭模拟环境极度依赖“种子文件”的准确性与完整性，系统容易放大部分假设偏误，且受限于Token成本难以实现大规模深度交互。实际应用中，MiroFish的价值主要体现在提供强叙事性与逻辑闭环的分析框架，辅助研究人员进行政策影响推演、技术路线排查及假设情景测试，但对于需要实时数据验证或精确数值预测的投资决策，建议结合传统量化模型与联网AI工具交叉验证。 风险提示：模型存在信息封闭性与推演偏差风险；文中AI生成的分析与结论不代表我司任何观点和投资建议。 目录 1 MiroFish是什么？..................................................................................................................................................31.1 MiroFish机制简介.............................................................................................................................................................................41.2 MiroFish工作流程.............................................................................................................................................................................72 MiroFish能力测评...............................................................................................................................................162.1基础能力测评....................................................................................................................................................................................162.2金融任务测评....................................................................................................................................................................................162.3基模型效果测评................................................................................................................................................................................173总结.....................................................................................................................................................................194风险提示..............................................................................................................................................................20插图目录..................................................................................................................................................................21表格目录..................................................................................................................................................................21 1MiroFish是什么？ 当下随着AI Agent能力的指数级提升，智能体技术正从单一任务执行向复杂系统协作演进，成为推动AI向生产力主体跃迁的关键工程。多Agent协同成为重要的探索方向。从简单的对话助手到如今自主决策的数字化参与者，Agent技术正在重塑各行各业的工作范式，尤其在需要处理非结构化信息、模拟复杂决策场景的领域中展现出独特价值。未来我们将开启系列报告，系统探索AI Agent技术在量化金融投研领域的创新应用与工程实践。本报告我们将首先探索多智能体项目：MiroFish。 MiroFish是一个开源AI预测引擎，定位为“简洁通用的群体智能引擎”。项目发布于2025年12月，于2026年3月登顶GitHub全球趋势榜榜首。与传统基于统计回归的预测工具不同，MiroFish的核心创新在于通过构建高保真平行数字世界来推演未来。系统能够从用户上传的“种子材料”（如突发新闻、政策草案、金融信号、文学文本或数据分析报告）中提取关键信息，自动生大量具备独立人格、长期记忆与行为逻辑的AI智能体。这些智能体在虚拟环境中自由交互、社会演化，通过群体涌现效应生成预测结果。 资料来源：Github，国联民生证券研究所 资料来源：Github，国联民生证券研究所 1.1MiroFish机制简介 MiroFish的技术架构深度融合了时序GraphRAG（图检索增强生成）技术、多智能体系统（Multi-Agent System, MAS）以及OASIS仿真引擎。系统支持严肃的商业决策预演（如政策评估、金融投资推演、舆情危机模拟）与创意仿真。 MiroFish采用“数字孪生社会”架构，其核心不是单一AI模型，而是一个多智能体并行计算集群： 1、由用户输入“种子材料”和模拟提示词2、由图谱构建引擎生成GraphRAG知识网络3、由智能体工厂生成N个独立人格智能体4、双轨仿真环境推演5、由涌现检测器捕捉群体行为模式6、生成结构化预测报告 资料来源：国联民生证券研究所绘制 图谱构建过程中，LLM根据输入的“种子材料”自动分析文档，提取实体类型（Entity Types）与关系类型（Edge Types），并构建对应知识图谱，同时为每个实体节点注入个体记忆（个人经历）与群体记忆（社会背景），形成可演化的数字社会基础架构。其核心依赖的时序知识图谱与长期记忆服务，由ZepCloud提供。Zep Cloud是一个为AI Agent设计的长期记忆服务，区别于传统向量数据库，它专门优化了时序关系记忆，使AI能够像人类一样记住“谁在什么时间做了什么”，并随时间更新关系。 资料来源：getzep，国联民生证券研究所 环境搭建过程中，MiroFish将知识图谱中的Person节点转化为具备完整人格的Agent，Organization节点转化为“大发言人”拟人化实体。每个Agent配置包含：年龄、性别、MBTI、职业、国籍、活动频率、情感倾向、立场（支持/反对/中立）、影响力权重，同时包含基于“种子材料”生成的认知背景。MiroFish还将配置Agent自动生成OASIS仿真规则（互动频率、话题敏感度、平台特性参数）。 资料来源：OASIS，Camel-AI，国联民生证券研究所 仿真执行过程中，MiroFish启动模拟的X与Reddit两个社交平台并行仿真，通过zep_graph_memory_updater.py，Agent行为实时转化为自然语言描述回写至Zep图谱，实现关系动态更新（如信任度衰减、立场转变）。 报告生成过程中，MiroFish采用ReACT（Reasoning & Acting）范式，主动调用工具集而非被动生成文本。工具集构成包括： 1）insight_forge：深度洞察提取；2）panorama_search：跨平台全景检索3）interview_agents：智能体访谈（查询决策动机） 报告生成将整合Twitter+Reddit双平台数据，识别舆论极化、级联传播、相变临界点、意见领袖涌现等复杂网络特征。最终输出结构化Markdown报告，包含事件脉络、关键时间节