当AI学会预测未来:我用MiroFish模拟了乔布斯健在的平行世界
乔布斯要是没走，苹果现在会怎样？这个问题我想过很多次，估计不少果粉也想过。最近拿一个开源项目跑了一遍，得到了一些有意思的结果。不能说是答案，但确实给了我一些没想到的角度。
这个项目叫 MiroFish，一个大四学生写的群体智能预测引擎。去年火过一阵的“微舆”就是他做的，有印象吧？这次他搞了个更大的：用一堆 AI Agent 建一个平行世界，让它们像真人一样互动，然后看看事情会怎么发展。
说白了就是 AI 版的奇异博士。
![FireShot Capture 007 - Mirofish - Predict Anything - [mirofish-demo.pages.dev].png](https://cdnfile.sspai.com/2026/03/17/article/94b62affc75859affe437bf2b4f1266b.png?imageView2/2/w/1120/q/90/interlace/1/ignore-error/1/format/webp)
MiroFish 的思路和传统预测完全不一样。传统方法，不管是数据建模还是专家拍脑袋，本质上都在做线性外推。但现实哪有那么线性。一个 CEO 的脾气、一次偶然的会议、一条突发新闻，都能把整个行业的方向拐到另一条路上。
MiroFish 不是让一个 AI “算”答案。
它是建一个数字世界，往里面扔几十上百个有独立人格和记忆的 Agent，让它们自己互动、争论、合作，看看群体行为会往哪个方向涌现。你在旁边用“上帝视角”看着，想的话还能往里面扔点变量搅一搅。
官网 slogan 写的是“让未来在数字沙盘中预演”。听着有点大，但思路我觉得是对的。
我给自己出了一道难题：如果乔布斯没有离世，一直领导苹果到现在，会怎样？
MiroFish 需要你先给它“现实世界的种子”，就是背景资料。我让 Gemini 写了一份几万字的苹果公司发展报告，从 1976 年车库创业一直写到 2026 年，包括产品线、财务、高层变动这些。存成 Markdown 上传就行。
输入框里直接打字："如果乔布斯没有离世，而是一直领导着 Apple，现在的 Apple 和科技行业会变成怎样？"
不用写代码，不用调参数。就这样。
点开始之后，系统先从我的报告里抽实体和关系，画出一张知识图谱。
屏幕上慢慢冒出来一个大网络：乔布斯、库克、Jony Ive、iPhone、iMac、微软、谷歌、各种投资者和供应商……几百个节点，关系线密密麻麻。
有意思的是每个节点不只是个名字。系统会给它们“灌记忆”。
比如乔布斯这个节点，它“知道”自己创办苹果、被赶走、又回来、发布了 iPhone，还“记得”自己那套设计哲学和跟团队打交道的方式。
这步用的是 GraphRAG。把一坨非结构化文本变成结构化图谱，后面 Agent 互动的时候就有了"世界观"基础。
这步我看得最仔细。系统开始一个个建 Agent，每个都有张卡片：
最后出来 26 个当前 Agent、26 个预测 Agent，一共识别了 157 个种子实体。
每个 Agent 都有完整背景：职业、性格、行为模式，连活跃时间段和发言频率都设好了。不是简单的聊天机器人，是有记忆、会根据环境变化调整行为的"数字人格"。至少设计意图是这样。
模拟用的是双平台并行：一个"信息广场"类似微博，一个"话题社区"类似论坛。Agent 们在上面自由发言、互动、吵架、站队。
Agent 们在聊苹果的 AI 方向、iPhone 设计、跟竞争对手的关系。时间在数字世界里加速，系统自动设置“世界流速”。
我观察到一个挺有意思的现象：某个 Agent 提了一个关于产品策略的观点，其他几个 Agent 开始围绕它讨论，有的支持有的反对，慢慢形成了两派。这不是预设剧本，是自己“长”出来的。这大概就是他们说的“群体涌现”。
不过说实话，我没法完全确认这种涌现有多少是真实的群体智能，有多少是 LLM 的随机性制造出来的“假象”。这个问题我后面会聊。
我跑的是 40 轮测试模式（官方推荐），大模型用的 百炼的Coding Plan的Qwen3.5-Plus，大概 40 分钟跑完。
跑完之后系统会出一份预测报告。但更好玩的是你能直接跟这个模拟世界聊天。
可以问报告 Agent 关于预测结果的问题，也可以去跟世界里任何一个个体对话。
我去找 Jony Ive 聊 iPhone 17 Pro 的设计。他的回答不算泛泛而谈，能看出来是基于模拟过程中他跟其他 Agent 的互动、乔布斯"给他的要求"说的。有一定连贯性和个性。
但也碰到了边界：例如具体的产品外观细节，Agent 直接说它预测不了这个。
MiroFish 能模拟的感觉更多的是趋势和策略演化，一些具象化的东西还是无法预测。
作为技术爱好者我还是想搞清楚底层逻辑。
GraphRAG
把非结构化文本变成图谱。比起普通 RAG 只检索文本片段，GraphRAG 保留了实体之间的关系链。Agent 知道“乔布斯和沃兹尼亚克共同创办苹果”，也知道“乔布斯被董事会赶走后又回来”。这些关系链是 Agent 行为的逻辑基础。
Multi-Agent
每个 Agent 有独立的 LLM 实例、独立记忆、独立决策。互动不是预设的，是基于各自人设和当前环境动态生成。几十个 Agent 同时互动，整体行为会超出单个 Agent 的能力范围。就像真实社会里，个体的简单行为能产生复杂的集体现象。
动态记忆系统
让 Agent 能“记住”自己说过的话和经历过的事。记忆随时间更新，模拟中发生的新事件会写入记忆，影响后续行为。这让整个世界能“往前走”而不是原地打转。
我在社区上看到几个有意思的用法。
金融方面，可以模拟某个政策出台后投资者的情绪变化和资金流动。跟传统量化不同的是，它试图把人性因素建模进去。政策推演方面，政府出新政前可以先在数字世界里“预演”，看不同群体的反应。
但让我印象最深的是那个红楼梦的案例。作者用《红楼梦》前 80 回几十万字做种子，让 MiroFish 去推演后 40 回。它不是“续写”，是让书里的人物“活过来”，基于性格和关系自己演出后续。这个用法我觉得比金融预测靠谱得多，因为对“准确性”的要求完全不一样。
品牌营销也是一个方向：投放前在数字世界里先测试广告效果和用户反应。
用完之后我的感受挺复杂的。兴奋是有的，但冷静下来想，问题不少。每次跑出来的结果都不一样。
同样的种子、同样的问题，两次跑出来的预测报告可以差很远。你可以说这是“反映现实的不确定性”，但我不太确定有多少是有意义的随机性，有多少只是 LLM 的噪音。如果是后者，那参考价值就很有限了。
LLM 能力是天花板。
我用的 Qwen3.5-Plus 已经算国产顶级了，复杂推理和长期记忆一致性上还是能感觉到吃力。换 GPT-4o 或者更强的模型应该会好一些，但基础模型的局限就是 MiroFish 的局限。
具象的东西预测不了。
能推演趋势和策略，预测不了 iPhone 17 长什么样。它是个社会模拟器，不是技术预言机。
Token 消耗真的很猛。
40 轮、26 个 Agent 就已经用了不少 Token。如果想搞 100 个 Agent 跑 200 轮，钱包要先做好准备。
网上已经有人在用 MiroFish 炒股了。我对这事持保留态度。
逻辑上说得通：金融市场是人的博弈，情绪、预期、羊群效应这些确实是 MiroFish 擅长模拟的。
但现阶段随机性太大，可解释性不够，验证机制也没有。拿来辅助思考可以，直接拿来投真金白银，我不敢。
等 LLM 更强了、Agent 建模更精细了、有了严格的回测验证，也许能在金融领域真正落地。现在还早。
从 ChatGPT 到 MidJourney 到 AlphaFold，AI 的能力边界一直在扩。MiroFish 试的这个方向——不是统计预测，是通过模拟群体行为来“涌现”预测——我觉得确实是个新思路。至于这个思路最终能走多远，说实话我不知道。
当然这也带来一些不太舒服的问题。如果 AI 能模拟人的行为，操纵舆论会不会变得更容易？如果决策者太依赖模拟，会不会反而不敢拍板了？
这些问题我没有答案。但我觉得值得想想。
用完 MiroFish 之后，我对“预测”这个词的理解变了。它不是告诉你未来一定会怎样，而是让你看到更多可能性，帮你在做决定之前多想几步。
工具归工具，判断还是得人来做。
我这次的配置：
想自己试的话直接去 GitHub clone 就行。跑一次比看十篇文章有用。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。