Кто и что стоит за MiroFish? Небольшое 😁 продолжение. Уж больно тема интересная. MiroFish разработал китайский студент (в англоязычных источниках его чаще всего называют Guo Hangjiang / BaiFu), причём первый прототип он собрал примерно за 10 дней. Проект быстро выстрелил: репозиторий попал в тренды GitHub, вокруг него сформировалось комьюнити разработчиков, а затем подключились крупные инвесторы — в том числе китайский миллиардер Чэнь Тяньцяо, который вложился в развитие системы и её инфраструктуры. ❗️Важно: MiroFish изначально задумывался как open‑source‑платформа, а не закрытый корпоративный продукт. Это значит, что код можно развернуть локально, допиливать под свои задачи, интегрировать с собственными моделями и данными — не полагаясь только на облако разработчика. Как MiroFish устроен «под капотом» Если сильно упростить, MiroFish — это связка из нескольких ключевых модулей: • Граф знаний Сначала система превращает текст (новость, законопроект, кейс, отчет) в граф: персонажи, организации, темы, институции и связи между ними. Это позволяет не просто «читать текст», а оценивать структуру сил и интересов. • Агенты и память На основе графа создаются тысячи ИИ‑агентов. У каждого есть: – профиль (ценности, роль, уровень влияния), – точка зрения, – долгосрочная память (куда складывается их опыт взаимодействия). Память реализована через отдельный сервис, так что агент не живёт «одним шагом», а накапливает историю. • Симуляция цифровых соцсетей Движок симуляции (OASIS и ко) моделирует поведение агентов в средах, похожих на Twitter и Reddit: посты, лайки, репосты, ответы, ветки обсуждений, формирование фракций и пузырей фильтров. Фактически это мини‑общество с информационным шумом, лидерами мнений, токсичными кластерами и т.д. • Аналитика и отчёты Отдельный «агент‑аналитик» собирает происходящее в человекочитаемые отчеты: – как развивалась волна реакции, – какие кластеры аудитории проявились, – где точки эскалации, – какие триггеры оказывают максимальное влияние. Плюс можно “зайти внутрь” любого агента — посмотреть, что он «читал», почему так реагирует, какой инфопоток на него влияет. Технически это Python‑бэкенд, фронтенд на Vue, интеграция с крупными языковыми моделями через совместимые API, плюс инфраструктура для памяти и симуляций. Развернуть можно локально или через контейнеры, а дальше уже прикручивать свои модели, данные, ограничения и метрики. Как MiroFish уже использовали Несколько показательных кейсов, которые уже попали в паблики: • Университетский кейс (общественное мнение) В одном из китайских университетов MiroFish использовали для моделирования реакции на резонансное событие в кампусе. В систему загрузили описание ситуации, фон и контекст, потом прогнали симуляцию: – как студенты и преподаватели могут отреагировать, – какие версии событий будут распространяться, – через какие «узлы» пойдёт эскалация. В результате получили прогноз по волнам реакции и чувствительные точки коммуникации — что позволяет заранее выстраивать антикризисный план. • Литературный эксперимент В другом эксперименте загрузили первые ~80 глав классического китайского романа «Сон в красном тереме». На основе графа персонажей и сюжетных линий агенты «доиграли» сюжет и сгенерировали правдоподобную версию утерянного финала. Это демонстрация того, что система способна удерживать сложные многослойные миры и социальные динамики — не только «лайки и новости», но и глубокий нарратив. • Концепты для рынков и политики В комьюнити и обзорах обсуждаются сценарии: – симуляция реакции на новые налоги, ограничительные законы, санкции; – моделирование паники/эйфории вокруг акций и крипты; – тестирование формулировок политических инициатив и их восприятия разными группами населения. Многие из этих кейсов пока в формате пилотов и proof‑of‑concept, но направление понятно: это инструмент для «репетиций будущего» в политиках, финансах и коммуникациях. ‼️ Почему это важно для PR, политики и бизнеса