> **来源：[研报客](https://pc.yanbaoke.cn)** # MiroFish 专题报告总结 ## 核心内容 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进行宏观与行业趋势推演。其技术架构融合了时序 GraphRAG、多智能体系统（MAS）与 OASIS 仿真引擎，能够从用户上传的“种子材料”中提取关键信息，生成具备独立人格、长期记忆与行为逻辑的 AI 智能体，并在虚拟社交平台中进行并行演化，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。 MiroFish 的核心价值在于其通过多智能体模拟与群体行为涌现，提供强叙事性与逻辑闭环的分析框架，适用于政策影响分析、技术路线排查及假设情景测试等宏观研究任务。其优势体现在知识图谱构建、Agent 人设初始化、跨平台互动仿真与结构化报告生成等方面。 ## 主要观点 1. **MiroFish 的工作流程**： - 用户上传“种子材料”与模拟提示词； - 系统生成知识图谱并初始化多个 AI Agent； - Agent 在模拟环境中进行互动与演化； - 最终生成结构化预测报告，并支持与 Agent 的进一步对话与问卷调查。 2. **MiroFish 的能力测评**： - **知识图谱构建质量测试**：系统对结构化与非结构化文本处理能力强，尤其在社交媒体文本中表现更优； - **Agent 画像生成多样性测试**：生成的 Agent 角色多样，背景描述详细，但 MBTI 和年龄/性别分布不够丰富； - **预测一致性与输入敏感性测试**：系统具备良好的可复现性与适度敏感性； - **Agent 采访与深度对话测试**：Agent 对话质量高，人设一致性强，支持多视角分析。 3. **金融任务测评**： - MiroFish 在四个金融场景（AI 产业政策、资产配置、地缘冲突推演、科技路径预测）中表现良好； - 报告质量方面，MiroFish 的叙事性与逻辑闭环较强，但数据量化与可交易性不如联网 LLM； - **基模型对比**：Claude Opus 4.6 在因果推演、结构化分析、信息诚实度方面表现更优，而 Qwen 3.5-plus 在数据密度与结论具象化方面更具优势。 4. **MiroFish 的局限性**： - 系统高度依赖“种子文件”的准确性和完整性，若存在偏差，将导致预测结果持续放大错误； - 由于 Token 成本限制，难以实现大规模深度交互； - 在预测精确性方面，未显著优于联网 LLM。 5. **实际应用建议**： - MiroFish 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； - 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 工具进行交叉验证。 ## 关键信息 - **MiroFish 的技术亮点**： - 时序 GraphRAG 知识图谱构建； - 多智能体系统模拟与群体行为涌现； - OASIS 仿真引擎支持多平台互动； - Zep Cloud 提供时序关系记忆服务。 - **黄金走势预测案例**： - 基于8项材料生成60个 Agent，进行72轮跨平台互动； - 报告指出黄金在2026年将进入宽幅震荡阶段，而非深幅回调； - 模型对“种子文件”信息有较强依赖，若信息偏差，预测结果会受到影响。 - **与其他模型的对比**： - MiroFish 报告风格为“宏大叙事 / 战略级”，而 Kimi K2.5 为“交易导向 / 战术级”； - MiroFish 在宏观深度、逻辑完整性、观点多元性等方面表现优异，但在数据量化、可交易性、极端情景分析等方面略逊于联网 LLM。 - **风险提示**： - 模型存在信息封闭性与推演偏差风险； - AI 生成的分析与结论不代表任何机构观点或投资建议。 ## 结构化总结 ### 一、MiroFish 机制概述 - **定位**：简洁通用的群体智能引擎； - **技术架构**： - 时序 GraphRAG：构建知识图谱； - 多智能体系统：模拟社会行为； - OASIS 仿真引擎：支持跨平台互动； - **Agent 生成**：包含年龄、性别、MBTI、职业、国籍、立场、影响力权重等属性； - **仿真平台**：X（Twitter）与 Reddit 并行模拟； - **报告生成**：采用 ReACT 范式，主动调用工具集生成结构化 Markdown 报告。 ### 二、MiroFish 工作流程 1. **输入“种子材料”与提示词**； 2. **知识图谱构建**； 3. **Agent 初始化与行为设定**； 4. **双轨仿真环境运行**； 5. **报告生成与多情景分析**； 6. **支持与 Agent 的深度对话与问卷调查**。 ### 三、MiroFish 能力测评结果 | 维度 | MiroFish | Kimi K2.5 | 评价 | |------|----------|----------|------| | 风格 | 宏大叙事 / 战略级 | 交易导向 / 战术级 | MiroFish 更具战略视角 | | 价格预测 | 模糊（强调5000+高位震荡） | 明确（6000-6300年底） | Kimi K2.5 更具可操作性 | | 季度拆解 | 偏逻辑演化 | 明确区间+驱动切换 | Kimi K2.5 更具实操性 | | 情景分析 | 定性为主 | 概率+幅度量化 | Kimi K2.5 更具量化能力 | | 历史对比 | 深度强（信用体系变迁） | 更结构化（表格+机制） | MiroFish 更具深度 | | 政策分析 | 深（美元信用、财政矛盾） | 更“可交易化” | MiroFish 更具深度 | | 可执行性 | 弱 | 强 | Kimi K2.5 更具可执行性 | | 极端假设 | 很多（战争、5000+一季度） | 也激进但更渐进 | MiroFish 更具假设性 | ### 四、基模型对比分析 | 指标 | Qwen 3.5-plus | Claude Opus 4.6 | 评价 | |------|----------------|-----------------|------| | 总耗时 | 1,926s（产业政策） | 1,103s | Claude 更快 | | 总动作数 | 92（产业政策） | 96 | Claude 更多 | | 报告长度 | 7,240 字符（产业政策） | 6,915 字符 | Qwen 更长 | | 图谱节点 | 34 | 43 | Claude 更多 | | 图谱边数 | 29 | 35 | Claude 更多 | | 推演深度 | 3.5/4.5 | 3.5/4.5 | 均衡 | | 逻辑合理性 | 3.5/4.5 | 3.5/4.5 | 均衡 | | 逻辑完整性 | 3.0/4.5 | 3.5/4.5 | Claude 更好 | | 逻辑细节度 | 4.5/4.0 | 4.5/4.0 | 均衡 | | 结论明确度 | 4.5/3.5 | 4.5/4.0 | MiroFish 更明确 | | 观点多元性 | 3.5/4.0 | 4.0/4.5 | Claude 更多元 | | 创新性/独特洞察 | 3.5/4.5 | 4.0/4.5 | 均衡 | | 可操作性 | 4.5/3.5 | 4.5/3.5 | 均衡 | | 证据引用质量 | 3.0/4.5 | 3.5/4.5 | 均衡 | | 风险分析深度 | 3.5/4.5 | 3.5/4.5 | 均衡 | | 语言表达质量 | 3.5/4.5 | 3.5/4.5 | 均衡 | | 信息边界意识 | 2.5/4.5 | 2.5/4.5 | 均衡 | ### 五、总结与建议 - MiroFish 在宏观研究领域具有独特价值，尤其在政策影响分析、技术路线排查与情景推演中表现突出； - 然而，其封闭模拟环境可能导致偏误信息被放大，影响预测准确性； - 建议将 MiroFish 作为逻辑推演与查漏工具，而非高精度预测终端； - 对于投资决策，建议结合传统量化模型与联网 AI 工具进行交叉验证。 ## 风险提示 - 模型存在信息封闭性与推演偏差风险； - AI 生成的分析与结论不代表任何机构观点或投资建议。