万物可预测，世界可推演 —— 开箱即用、零配置依赖门槛、全自动国内网络加速的群体智能与小说世界推演引擎。
📖 第一次用？ 直接看 完整使用教程 docs/TUTORIAL.md —— 从零安装到手机远程、从排障到提 Issue，照着做就能通。
- 🌍 世界推演引擎优先：集 “设定库导入 ➔ 时序时间线抽取 ➔ 知识图谱构建 ➔ 多智能体动态仿真推演 ➔ 分叉世界线管理” 于一体的通用推演系统。
- ⚡ 完全傻瓜式开箱即用：零 Docker 依赖，双击脚本即可全自动静默准备 Python、Node.js、Java、Neo4j 及双隔离虚拟环境，小白用户无需任何繁琐的前置环境安装。
- 🚀 国内纯净网络全生态加速：全面内置清华源 (PyPI)、npmmirror (Node)、华为云/中科院软件所 (Neo4j)、GitHub Proxy 镜像源与多节点自动容灾重试，国内环境秒级完成初始化。
- 🖥️ Windows / macOS / Linux 深度兼容：原生自适应各操作系统进程树管理、终端 UTF-8 编码重配与文件原子安全写入，彻底告别 Windows GBK 乱码与进程残留。
- 🤖 全面赋能 AI Agent 与自动化：提供强大的命令行工具集
mirofish_cli.py与 OpenAPI 接口，全流程支持--json输出与流式推演日志。
无需提前克隆，打开终端/PowerShell 直接粘贴即可：
# 官方
curl -fsSL https://raw.githubusercontent.com/qi-1021/miroworld/main/install.sh | bash
# 国内镜像
curl -fsSL https://ghproxy.net/https://raw.githubusercontent.com/qi-1021/miroworld/main/install.sh | bashirm https://raw.githubusercontent.com/qi-1021/miroworld/main/install.ps1 | iex
# 国内镜像
irm https://ghproxy.net/https://raw.githubusercontent.com/qi-1021/miroworld/main/install.ps1 | iexcd miroworld
# macOS / Linux
./start.sh
# Windows
start.bat日常：
./update.sh/update.bat一键更新；./stop.sh --all/stop.bat --all停止（含 Neo4j）。详细步骤见 TUTORIAL 第2章。
| 服务 | 地址 | 说明 |
|---|---|---|
| 🎨 Web 界面 | http://localhost:3000 | 推演、设定、时间线与图谱 |
| ⚙️ 后端 API | http://localhost:5001 | /api/health 健康检查 |
| 🗄️ Neo4j | http://localhost:7474 | neo4j / password |
| 🧩 模型设置 | 前端右下角「模型设置」 | 详见下方与 TUTORIAL 第3章 |
右下角 「模型设置」 添加 OpenAI 兼容连接即可。推荐：主模型 Opencode go/mimo-v2.5 或 DeepSeek-v4-flash-0731，向量 硅基流动 BAAI/bge-m3（免费）。接入方式可直接问任意 AI。完整 3 分钟配置流程见 TUTORIAL 第3章。
为什么： 小说/剧本/TRPG 的世界一旦写长，就会“吃设定”、时间线前后矛盾、人物动机漂移。现有工具要么只管写作排版，要么只做大纲，缺少一个能把“设定+正文”真正跑起来的推演沙盘。Miroworld 想补上这一块。
有什么用：
- 创作者：一键查设定冲突、理清多线并行的时间线、试“如果主角当时选了另一条路”会怎样。
- 普通读者/测试者：把任意长篇丢进去，看机器能否抽出靠谱的时间线与关系图谱，用来验证设定自洽性。
- 开发者/Agent：所有能力都有 CLI 与 REST API，可被自动化脚本或 Agent 批量调用。
技术上怎么做的（简述）：
- 本地优先、便携运行：Flask + Vue3 + Neo4j 全本地，不依赖云端；
app/backend/data/与neo4j/随项目目录走，拷硬盘即走。 - 设定库与检索：
WorldBibleService对背景/正文分块 + 向量检索（BGE-M3 / 本地 embedding），支撑后续抽取与问答。 - 时序归一：
timeline_normalizer把“三年后 / 幼年 / 星历2045年”等自然语言时间表达归一到可排序的sort_key，再做多线程/多维度抽取。 - 知识图谱：
Graphiti / Zep抽本体并写入 Neo4j，graphiti_patch强制关闭思考模型、容错空响应与 JSON 围栏解析。 - 世界模拟：独立子进程
run_world_simulation以Semaphore(max_concurrency=2)限流并发 LLM 决策，避免 429；支持固定分钟/叙事跳跃、变数干预与世界线分叉。 - 模型分工：
PRIMARY / SIMULATION / GRAPHITI_LLM / GRAPHITI_EMBEDDING四角色绑定，快照 +GRAPHITI_MAX_CONCURRENCY=1串行保障稳定性；LLM 走 OpenCode 网关，SiliconFlow 仅作向量。 - 双端交付：所有脚本成对提供
.sh/.bat/.ps1，subst虚拟盘符解决 Windows 中文路径，5 源 PyPI 镜像轮询容灾，开箱即用是硬指标。
想看端到端操作、手机远程、排障与反馈，请直接进 TUTORIAL；想看开发约束，请看 DEVELOPMENT。
graph TD
A[世界设定与正文输入] --> B[时间线自动抽取与时序修正]
A --> C[知识图谱与世界本体构建]
B --> D[多智能体角色画像与环境规则生成]
C --> D
D --> E[世界推演仿真主循环]
E --> F[突发变数上帝干预 / 角色深度采访]
E --> G[世界线分叉推演与回溯]
- 设定库导入 (
World Bible)：拖拽 txt/pdf/docx，分块索引。 - 时序时间线 (
Timeline)：多线抽取与排序，支持批量修正与分叉。 - 世界图谱 (
Knowledge Graph)：本体生成与关系补边。 - 仿真推演 (
Simulation)：多智能体按规则自主决策。 - 分叉世界线 (
Worldline)：任意事件点开启平行推演。
10 分钟跑通示例见 TUTORIAL 第4章。
app/backend/scripts/mirofish_cli.py 提供 project/world/timeline/graph/sim/assistant 全链路 CLI，全部支持 --json 与 --wait 流式。示例与参数详见 TUTORIAL 第6章。
miroworld/
├── app/backend/ # Flask 后端（api/services/models/utils）
├── app/frontend/ # Vue3 + Vite 前端
├── app/backend/data/ # 本地数据（world/timeline/sim/graph/task-manager）
├── neo4j/ # 便携 Neo4j
├── scripts/ # start/stop/smoke/setup-env/install-neo4j（成对 .sh/.bat）
└── docs/ # TUTORIAL / DEVELOPMENT / DEPLOYMENT 等
完整结构见 docs/PROJECT-STRUCTURE.md。
- 下载慢/卡住？ 已内置国内镜像，无需梯子；详见 TUTORIAL 第8章。
- U 盘随身带？ 可以，
neo4j/与app/backend/data/随项目走。 - 端口占用？
lsof -i :3000/netstat -ano | findstr :3000查 PID 后kill。
我从看到MiroFish这个项目那天起，就想将其改造为一个可以为小说创作者服务的工具了。
然而当时的人工智能能力还不是很高，可以完成改造需求的又都是Claude那种比较昂贵的模型。所以我只好放下幻想。
一切在Deepseek V4 Flash 0731发布之后改变了。这款模型非常的强大，已经足以帮助我完成整个项目了。因此这整个项目的重构，绝大多数都是由Deepseek帮我完成的。
然而，时运不济，命运多舛。DeepSeek在8月中旬的涨价让这一切被迫按下了暂停键。如果没有手头残存的一点Gemini额度做支撑，我实际上连发布都无法做到。
当然，这不代表我不再进行修改和维护，只是，现在肯定无法做一个修一个了。
不瞒各位，鄙人并非程序员，在计算机方面几乎目不识丁，只有想法，没有能力，所以，即使我迭代了很多次，依然有数不清的问题。
对此我只能像一个绿皮一样，俺寻思能用，但是实际上能不能用？我甚至无法第一时间在Windows机器上进行测试。
烦请诸君，不要对这个小玩具太过苛责，如果有问题，那就在issues上尽可能提出来。如果我看到且手上的AI还有余量的话，我当然会将问题汇总到一块，集中处理。如果各位自己着急，也可以与我联系，我们一起做。
最后我声明，我是个大技霸。 2026/08/17
本项目基于开源社区的智慧与心血演进而来，特别向以下优秀的开源项目与贡献者致以最崇高的谢意：
- 🌟 MiroFish 原始官方项目：感谢原作者及团队开创性的群体智能预测引擎设计，为世界推演与多智能体交互奠定了坚实而充满想象力的基石！
- 🛠️ MiroFish-local：感谢将 MiroFish 引入本地化部署的探索者与同志们，为零云端依赖的便携式运行提供了宝贵的实践基础。
- 🧬 Graphiti / Zep 与 Camel-AI / OASIS：感谢提供强大的知识图谱与多智能体仿真驱动支持。
本项目遵循 AGPL-3.0 License 开源协议。