MiroFish 多智能体世界推演系统增强

仓库地址： github.com/yycopy/MiroFish-Enhanced-Agent

时间： 2026.02 - 至今

基于 MiroFish 开源多智能体仿真框架进行工程化增强，扩展主动信息采集、长期记忆写入、多 Agent 可信评审与 ReAct 报告生成链路，实现从外部信息采集、图谱记忆构建、Agent 推演到可追溯预测报告输出的完整 Agent 应用系统。

系统架构

┌─────────────────────────────────────────────────────────────────┐
│                    MiroFish Enhanced Agent                       │
├─────────────┬──────────────┬──────────────┬────────────────────┤
│  信息采集层   │   记忆存储层   │   推演引擎层   │   报告生成层       │
│             │              │              │                    │
│ APScheduler │  MySQL 结构化 │  camel-oasis │  ReAct ReportAgent │
│ Celery      │  Chroma 向量  │  多 Agent 协作 │  工具调用链路       │
│ RabbitMQ    │  Zep GraphRAG │  可信评审机制  │  证据链追溯         │
└─────────────┴──────────────┴──────────────┴────────────────────┘
         │              │              │              │
         └──────────────┴──────────────┴──────────────┘
                        Flask RESTful API

核心工作

1. 主动采集链路

设计 APScheduler + Celery + RabbitMQ 主动采集链路，支持周期搜索、清洗去重、摘要压缩、任务状态记录与入库写入。

关键设计：

• APScheduler 按配置间隔触发采集任务
• Celery Worker 消费 RabbitMQ 队列，执行搜索与清洗
• 去重策略：基于内容哈希 + 语义相似度双重过滤
• 摘要压缩：LLM 对原始文本生成结构化摘要

2. 多层世界记忆

构建 MySQL + Chroma 多层世界记忆结构，结合时间衰减、重要性评分和按需召回，实现历史信息持续沉淀与动态注入。

记忆分层：

• 短期记忆：最近采集的原始新闻，存储于 MySQL
• 长期记忆：经过 Embedding 后存入 Chroma，支持语义检索
• 图谱记忆：实体关系图谱，存储于 Zep GraphRAG

3. 图谱记忆建模

基于 Zep GraphRAG 建模人物、组织、事件、观点等实体关系，将非结构化文本转化为 Agent 可感知的图谱记忆。

实体类型：

• 人物 (Person)：政治人物、企业家、学者
• 组织 (Organization)：政府、企业、国际组织
• 事件 (Event)：政治事件、经济事件、社会事件
• 观点 (Opinion)：专家观点、市场预期

4. 多 Agent 可信评审

设计多 Agent 可信评审机制，引入事实核查、支持方、反对方、风险审查等角色，输出支持证据、反对证据、冲突点与置信度。

评审角色：

• Fact Checker：核查事实准确性，标记未验证声明
• Proponent：寻找支持预测的证据
• Opponent：寻找反对预测的证据
• Risk Auditor：评估风险因素和不确定性

5. ReAct 报告生成

增强 ReAct ReportAgent，使其可自主调用图谱检索、主动搜索、Agent 采访和历史记忆召回工具，生成具备证据链和可追溯性的结构化预测报告。

工具调用链路：

1. 图谱检索 → 获取实体关系上下文
2. 向量检索 → 召回相关历史记忆
3. 主动搜索 → 补充最新信息
4. Agent 采访 → 获取多角度观点
5. 报告合成 → 生成带证据链的预测报告

技术选型与考量

决策点	选择	理由
Web 框架	Flask	轻量级，适合 AI Agent 服务，快速原型迭代
任务队列	Celery + RabbitMQ	解耦采集与处理，支持分布式扩展和失败重试
定时调度	APScheduler	支持 Cron、间隔等多种调度策略，与 Flask 集成简单
向量数据库	Chroma	开源、轻量、支持本地部署，适合原型阶段
图谱存储	Zep GraphRAG	专为 LLM 应用设计的图谱记忆方案，自动实体抽取
多 Agent 框架	camel-ai	中文友好，支持多 Agent 协作场景
LLM 接入	OpenAI-Compatible	统一接口，可切换不同模型提供商

技术栈

PythonFlaskOpenAI-Compatible LLMZep GraphRAGChromaRabbitMQCeleryAPSchedulerMySQLDockercamel-ai / camel-oasis

技术	用途
Flask	轻量级 Web 框架，提供 RESTful API
OpenAI-Compatible LLM	Agent 推演、评审、摘要生成的核心推理引擎
Zep GraphRAG	构建知识图谱，建模人物、组织、事件、观点等实体关系
Chroma	向量数据库，存储文本嵌入并支持语义相似度检索
RabbitMQ	消息队列，解耦采集任务的生产与消费
Celery	分布式任务队列，执行后台采集和数据处理任务
APScheduler	定时调度器，按配置的时间间隔触发采集任务
MySQL	结构化数据持久化，存储新闻、记忆、用户数据
Docker	容器化部署，统一开发和生产环境
camel-ai / camel-oasis	多智能体框架与中文 NLP 工具，用于文本清洗和实体提取