原文标题：how I run 200 AI agents on the hormuz crisis with Mirofish, and compare it to polymarket
原文作者：The Smart Ape
原文编译：Peggy，BlockBeats
编者按：当 AI 开始能够模拟一个舆论场，预测这件事本身，也在悄然发生变化。
本文记录了一次围绕霍尔木兹海峡局势的实验：作者用 MiroFish 构建了一个由 200 个代理组成的仿真系统，让政府、媒体、能源公司、交易员与普通人共同生活在一个模拟的社交网络中，在持续互动、争论与信息传播中形成判断，并将这一群体结果与 Polymarket 的市场定价进行对比。
结果并不一致。群体讨论整体偏乐观，而市场显著更悲观；在自由发言中，少数悲观者反而更接近真实定价；而一旦进入访谈情境，几乎所有代理都会收敛到更温和、合作性的表达。
这种分裂并不陌生。在现实世界中，公开表态往往趋于稳定与乐观，而真正的风险判断，则隐藏在行动与非正式表达之中。换句话说，人们怎么说，与他们怎么想，以及用钱如何下注，往往是三套不同的系统。
在这样的结构中，最有价值的信号，往往不来自共识，而来自那些在噪音中显得不合群的声音。
以下为原文：
我用 MiroFish 模拟了未来几周霍尔木兹海峡的局势。这个工具在处理这类问题时非常出色，因为它可以进行高度复杂的情景推演：在同一系统中引入多个参与主体、不同角色与各自的激励机制，并让这些代理之间不断博弈、辩论，最终逐步形成一种接近共识的结果。
以下是我运行这场模拟的具体步骤，以及我最终得到的结果。任何人都可以复现，关键只是知道该按哪些步骤来操作。
首先，MiroFish 是一个来自中国研究团队的开源项目。你向它输入一批文档后，它会先构建知识图谱，再基于这张图谱生成不同的代理人格，随后把这些代理投放进一个模拟的 Twitter 环境中。在这个环境里，它们会发帖、转推评论、点赞、互相争论。模拟结束之后，你还可以逐个采访每一个代理，查看它们各自的立场与推理过程。
你向它输入一个危机场景，它会生成一场围绕该事件的辩论；再从这场辩论中，你可以提炼出一个预测结果。
我把它对准了一个正在进行的 Polymarket 市场问题：到 2026 年 4 月底，霍尔木兹海峡的海上运输是否会恢复正常？
于是，我把这些信息全部喂给了 MiroFish，生成了 200 个代理角色——包括政府、媒体、军方、能源公司、交易员，以及普通民众——然后让他们在一个模拟环境中争论 7 个模拟日。最后，再把他们输出的结果与市场定价进行对比。
整体配置如下：
·模型：GPT-4o mini，在 200 个代理的场景下，成本与效果的平衡最好
·记忆系统：Zep Cloud，用于存储代理记忆和知识图谱
·仿真引擎：OASIS（Camel-AI 提供的 Twitter 克隆环境）
·硬件：Mac mini M4 Pro，24GB 内存
·运行时长：约 49 分钟，完成 100 轮模拟
·成本：API 调用约 3 到 5 美元
·种子材料：一份 5800 字符的简报，整理自 Wikipedia、CNBC、Al Jazeera、Forbes、Reuters，内容包括军事时间线、封锁状态、油价、经济损失、外交努力，以及 GCC 3.2 万亿美元投资相关因素。也就是说，代理形成判断所需的核心信息都被纳入其中。
如何复现这套流程（逐步说明）
如果你也想自己跑一遍，下面就是我实际操作的完整步骤。整套流程大约需要 2 小时完成配置，API 成本约为 3 到 5 美元；如果你增加轮数或代理数量，成本还会更高。
你需要准备的东西
·Python 3.12（不要用 3.14，tiktoken 在这个版本上会报错）
·Node.js 22 及以上版本
·一个 OpenAI API Key（GPT-4o mini 足够便宜，适合这个场景）
·一个 Zep Cloud 账户（小规模模拟用免费版就够）
·一台内存还不错的机器。我用的是 Mac mini M4 Pro，24GB 内存，不过 16GB 应该也够用
第一步：安装 MiroFish
然后配置你的.env 文件
OPENAI_API_KEY=sk-your-key
OPENAI_BASE_URL=link
OPENAI_MODEL=gpt-4o-mini
ZEP_API_KEY=your-zep-key
第二步：创建项目并上传你的种子文档
种子文档是整个流程里最重要的一部分，它决定了代理知道哪些关于当前局势的信息。我当时准备的是一份约 5800 字符的简报，内容涵盖军事时间线、封锁状态、油价、经济损失、外交努力，以及 GCC 投资这一层面的影响，资料来源包括 Wikipedia、CNBC、Al Jazeera、Forbes 和 Reuters。
第三步：生成本体（ontology）
这一步是告诉 MiroFish，它应该识别哪些类型的实体，以及这些实体之间可能存在什么关系。
我这边最终生成了 10 类实体：国家、军方、外交人员、商业实体、媒体机构、经济实体、组织、个人、基础设施、预测市场；以及 6 类关系。若自动生成的结果不太贴合你的场景，也可以手动调整。
第四步：构建知识图谱
这一步就会用到 Zep Cloud。MiroFish 会把种子文档和本体一起发送给 Zep，由它负责抽取实体并构建图谱。
这个过程大概需要一两分钟。我最终得到的是一个包含 65 个节点、85 条边的图谱，里面把国家、人物、组织、大宗商品等元素都连接了起来。
第五步：生成代理
MiroFish 会根据知识图谱，为每个实体生成一套完整的人格设定，包括 MBTI 性格类型、年龄、所属国家、发帖风格、情绪触发点、禁忌话题，以及机构记忆等。
我最初从知识图谱中生成了 43 个核心代理。之后，系统还能把这些核心角色扩展到你想要的总数量。我最后把总代理数设成了 200，并额外加入了更多样化的平民角色，例如加密交易员、航空公司飞行员、教授、学生、社会活动人士等。
第六步：准备仿真环境
这一步会生成完整的仿真配置，包括代理的行动日程、初始种子帖子以及时间参数。MiroFish 会自动选择一套相对合理的默认设置，比如活跃高峰时段、睡眠时间、以及不同类型代理各自的发帖频率。
我当时的配置是：共模拟 168 小时（7 天）、100 轮（每轮代表 1 小时）、只使用 Twitter 场景，并为不同代理设置了各自的活跃时间表。
第七步：开始运行模拟。
然后就是等待。我这边用 GPT-4o mini 跑 200 个代理、100 轮模拟，耗时大约 49 分钟。你可以通过 API 监控进度，也可以直接查看日志。
在整个过程中，代理会自主运行：它们会观察时间线，决定自己是发帖、转推评论、转发、点赞，还是单纯刷一刷信息流，整个过程不需要人工干预。
第八步（可选）：采访代理
模拟结束后，系统会进入命令模式。这时你可以单独采访某个代理，也可以一次性采访全部代理：
分析
MiroFish 会先读取种子文档，并自动生成本体结构（包括 10 类实体与 6 类关系）；随后基于这些定义抽取出一个知识图谱（包含 65 个节点与 85 条边）。在此基础上，它会为每一个实体构建完整的人格设定，包括 MBTI 性格类型、年龄、所属国家、发帖风格、情绪触发点以及制度性记忆等要素。
最终，从知识图谱中生成了 43 个核心代理，并在此基础上扩展至 200 个总代理，引入更多样化的平民角色，以增强整体模拟的多样性与真实感。
具体构成如下：
·140 个平民代理：加密交易员、航空飞行员、供应链经理、学生、社会活动人士、教授等
·16 个外交/政府角色：伊朗外长、沙特外长、阿曼外长、巴林首相、中国外长、欧盟、联合国等
·15 个媒体机构：路透、CNN、彭博、半岛电视台、BBC、福克斯、华尔街日报等
·10 个能源/航运相关：OPEC、Platts、QatarEnergy、Aramco、马士基等
·7 个金融机构：Polymarket、Kalshi、高盛、摩根大通、Citadel、ADIA 等
·2 个军事/政治角色：特朗普、伊朗革命卫队指挥官
在 7 天（100 轮）的模拟过程中，共产生：
1,888 条帖子
6,661 条行为轨迹（记录所有动作）
1,611 条引用转发（代理之间相互回应与博弈）
4,051 次刷新（仅浏览信息流）
311 次什么都不做（选择观望）
208 次点赞、207 次转发
70 条原创观点（新的独立立场或判断）
整体来看，这个系统呈现出的并不是简单的信息生成，而更接近一个社会行为模拟：绝大多数时间，代理在观察、消化信息与互动，而非持续输出。这种结构，反而更贴近真实舆论场中的行为分布——少量原创内容，叠加大量的转述、博弈与情绪反馈。
代理的大部分时间都花在阅读和引用他人观点上，而不是主动创造新的内容。
整个群体在情绪传播上呈现出明显偏向：乐观观点更容易被放大和转发，而偏悲观的判断，即便在逻辑上更接近现实，也往往传播更少、声量更弱。
更有意思的是，有 19 个代理在发帖过程中自发给出了具体的概率判断，并不是被要求这么做，而是在讨论中自然演化出来的结果。
群体自发形成的平均概率为 47.9%，而 Polymarket 市场给出的概率为 31%，两者之间存在 16.9 个百分点的差距。
在模拟过程中，一些代理甚至在 100 轮互动中改变了自己的立场。
模拟结束后，我使用 MiroFish 的采访功能，向 43 个核心代理提出同一个问题：你认为到 2026 年 4 月底，霍尔木兹海峡的海上运输恢复正常的概率是多少（0–100%）？
结果是：43 个代理中有 31 个给出了具体数值，另有 12 个选择拒绝回答。值得注意的是，那些最为谨慎的声音，往往选择自我审查，而不是给出明确预测——而这，恰恰也更接近现实中这些机构的行为方式。
每一个类别的平均值都在 60% 以上：军方为 75%，媒体为 69%，能源为 66%，金融为 65%，外交为 61%。而市场给出的数字是 31.5%。
自然演化的群体结果（organic）与访谈结果（interview）：呈现出两幅截然不同的图景。
这就是最关键的发现。
访谈结果会显得更加乐观。当代理自由发帖时，空头（悲观者）的观点往往更响亮、更具体；但当你对他们进行一对一采访时，出于合作偏好，几乎所有人都会给出 60%–70% 的判断。
自然演化的结果（organic）更可靠。一位金融顾问在激烈讨论中发帖说我估计是 65%，这是在互动过程中形成的判断；而一个代理在访谈中回答问题，本质上是在进行模式匹配。
那些自然表达中的悲观者，反而是最好的预测者。在模拟中给出 ≤30% 概率的 7 个代理（伊朗外长、中国外长、Kalshi、Platts、一位经济学教授、一名伊朗学生、一位反战活动人士），平均值为 22%，与 Polymarket 的结果相差不到 10 个百分点。专业知识 + 自然表达 = 最接近市场。
更关键的是，这不仅仅是一个 AI 的现象，现实世界中的行为者也是如此。
你去采访任何一位国家领导人谈论一场危机，他们都会说我们致力于和平、我们对解决方案保持乐观。这是标准话术，是镜头前必须说的话。但如果你去看他们实际在做什么：军事部署、制裁、资产冻结、撤资——他们的行动，往往讲述的是一个完全不同的故事。
沙特王储会对路透社说我们相信外交手段，与此同时，他的主权财富基金正在审视高达 3.2 万亿美元的美国资产配置。伊朗总统会说和平是我们的共同目标，但伊朗革命卫队却在海峡布设水雷。特朗普会说走着瞧，同时拒绝每一个停火提议。
这场模拟在无意中复现了同样的结构性分裂：当代理自由发帖、争论、回应和传播信息时，其中的专家群体逐渐收敛在 20%–30% 的区间——更悲观，也更接近现实；但一旦你把他们请进会议室，正式提问你的预测是多少？，他们立刻切换到外交模式：65%–70%，明显更乐观。
自然发帖，更像是私下行为和非公开对话；访谈结果，则更像是新闻发布会。如果你真的想知道一个人怎么想，不要直接问他——去看他在没人打分时的行为。
接下来做什么
这只是一次初步测试。目标并不是给出一个确定的预测，而是看在这种群体模拟中，哪些信号是有用的，哪里会失真，哪些部分值得优化。
现在已经有了答案，自然演化的讨论能产生有效信号，访谈不能；悲观者才是信号源；而 GPT-4o mini 的合作偏好确实是一个问题。
下一次实验会做几项升级。
首先是更大的种子数据。不再只是 5800 字的简报，而是引入 20 年以上的历史背景：霍尔木兹相关事件、伊朗与美国的冲突升级、历次石油危机、GCC 外交变化等——也就是一个真正的地缘政治分析师在做判断前脑中会具备的那套背景。
其次是更强的模型。GPT-4o mini 在 3 美元成本下完成验证已经足够，但更强的模型，应该能让代理更接近角色本身的思考方式，而不是在关键时刻回落到我对对话持乐观态度这种默认表达。
最后是更多的代理。200 个已经不错，但还可以进一步扩展：更多样化的普通人角色、更多区域性声音、更多边缘案例。参与者越多，讨论结构就越丰富，最终形成的信号也会越有价值。
原文链接
