MiroFish 部署实战指南3个场景5分钟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/MiroFish想上传一份报告让 AI 智能体替你推演结局一条命令就能在自己的机器上跑起 MiroFish——一个简洁通用的群体智能预测引擎。下面按你要做什么给出 3 条部署路径文末附踩坑速查。按场景选部署路径一句话区别Docker 路线最省事但改代码不方便源码路线前后端完全可控适合上线和二次开发。本地试玩Docker 一键部署 MiroFish适用情况只想体验完整流程上传报告 → 图谱构建 → 模拟 → 预测报告不想折腾环境的人。操作步骤前置已安装 Docker 与 Docker Composedocker --version可查。git clone https://gitcode.com/GitHub_Trending/mi/MiroFish # 拉取代码 cd MiroFish cp .env.example .env # 复制配置模板 docker compose up -d # 后台启动自动拉取镜像用编辑器打开.env填上LLM_API_KEY、LLM_BASE_URL、LLM_MODEL_NAME、ZEP_API_KEY四个值MiroFish 的图谱记忆依赖 Zep 云免费额度够日常试玩。关键提示⚠️ 镜像里虽然预装好了前后端但密钥缺失时后端会直接退出——启动前先填.env别等容器反复重启再查。✅ 拉取慢的话把 docker-compose.yml 里的image换成文件注释中提供的镜像加速地址。验证浏览器打开 http://localhost:3000 出现上传任意报告首页docker compose logs无循环报错、容器状态为 Up原理一句话Docker 就像给应用打了份行李镜像里前后端、依赖、运行时全打包好到任何机器上拆封即用不用手动配 Python 和 Node 环境。团队上线源码部署 MiroFish 并长期运行适用情况要部署到服务器、给多人使用或需要按机器配置调参的场景。环境要求工具版本检查命令Node.js≥ 18node -vPython3.11~3.12python --versionuv最新版uv --version操作步骤cd MiroFish cp .env.example .env # 同上填好 4 个密钥 npm run setup:all # 一键安装 Node Python 全部依赖 npm run dev # 同时启动前后端根目录npm run dev会用 concurrently 工具同时拉起两个进程只起单侧可用npm run backend或npm run frontend。关键提示⚠️ 上线前确认.env里FLASK_DEBUG为false或删掉该行。调试模式遇错会直接中断且生产环境有安全风险——后端启动时的配置校验逻辑见 backend/app/config.py。✅ 前端的/api请求由 Vite 代理到 5001 后端见 frontend/vite.config.js所以页面能打开但接口全 404基本都是后端没起来。验证http://localhost:3000 可进入工作台上传一份 md/txt/pdf 报告能推进到图谱构建后端 http://localhost:5001 有响应二次开发搭建 MiroFish 本地开发环境适用情况要改预测逻辑、调图谱展示、给项目加功能的贡献者。操作步骤前后端分开启动方便各自热更新cd MiroFish/backend uv sync # 自动建虚拟环境并装依赖 uv run python run.py # 单独起后端5001cd MiroFish/frontend npm run dev # 单独起前端3000自动开浏览器关键提示✅ 改后端逻辑重点看 backend/app/services/图谱构建、模拟、报告生成都在这里改页面交互看 frontend/src/components/。⚠️ 前端改了 Vite 会热更新后端 Python 改了要手动重启run.py才生效——忘重启是最高频的我改的怎么没用。验证改一行后端代码、重启后生效改前端组件浏览器自动刷新uv run pytest tests/能跑通 backend/tests/ 里的单测踩坑实录MiroFish 常见问题速查启动报端口 3000 或 5001 已被占用端口被本机其他服务占用了。lsof -i:3000 # 查看占用进程Windows 用 netstat -ano | findstr 3000 # Docker 方案改 docker-compose.yml 映射如 3001:3000再浏览器访问 3001后端起不来提示LLM_API_KEY 未配置.env没建或密钥没填。后端启动时会逐项校验配置缺一个就退出。cp .env.example .env # 重新复制模板 # 编辑 .envLLM_API_KEY / LLM_BASE_URL / LLM_MODEL_NAME / ZEP_API_KEY 缺一不可npm install失败或下载极慢网络到 npm 官方源不畅。换国内镜像源后重装npm config set registry https://registry.npmmirror.com rm -rf node_modules npm installWindows 控制台中文乱码backend/run.py 已对 Windows 强制 UTF-8 输出若仍乱码把终端字体换成支持中文的如 Cascadia Mono或改用 WSL 运行。进阶建议让预测引擎跑得更快更稳首跑把模拟轮数调小.env里设OASIS_DEFAULT_MAX_ROUNDS10左右先低成本验证整条链路再放大规模省 LLM API 开销。把上传数据持久化Docker 部署已把backend/uploads映射到宿主机报告与模拟结果不会随容器重建丢失删容器前记得确认数据目录还在。大图谱别和重型页面抢内存关系图动辄成百上千节点d3前端画图库渲染吃内存跑大规模模拟时关掉浏览器里其他重标签页避免前端卡死。最后留一句你部署花了多久、卡在哪一行评论区报个数——你踩过的坑可能就是别人卡住的下一关。【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