新「上帝之手」MiroFish，干爆 Polymarket，其实只是个壳？｜附全面实测

这段时间以来，Polymarket 可以说是各种「神人」的俱乐部。

很多人可能没听说过这个平台，或者在某些社区里瞄到过这个名字，但完全不知道它是干嘛的。有人以为它是金融市场，有人以为它是博彩平台，甚至有人当笑话看。

这玩意儿太抽象了。

Polymarket，简单来说，就是一个「把观点变成可交易价格」的预测市场。它跟传统资讯网站不一样，也不完全等于博彩。它更像一个围绕「未来事件会不会发生」建立的交易所，「预测未来」就是它最大的卖点。

核心机制很简单。

比如一个市场的问题是「某人会不会赢得选举」，你可以买 Yes 或 No。份额价格在 0 到 1 美元之间波动，如果 Yes 现在报价 0.37 美元，通常就代表市场大致认为这件事有 37% 的概率发生。

就这么说吧，你甚至能在 Polymarket 上看到大家在交易「美军进入伊朗的方式是？」

选项只有俩：是 or 否，交易量能干到 1 个亿 RMB。

背后的创始人 Shayne Coplan 更抽象，前两年直接被 FBI 敲门送温暖了 😅

当然，重点不在 Polymarket 有多抽象。

重点在于：当 AI 来了之后，各路高德大能开始在这上面整活了。

到底有多整活呢？

全网都在疯传一名中国学生使用 Anthropic 的 AI，把 1000 美元变成了 150 万美元。

再比如，这里面有一个最炸裂的应用。一个国内开源的 Agent 项目，正在「干碎」 Polymarket。

X 上到处都是各种传奇故事：有人已经用它赚了超过 140 万美元，有人短期内迅速赚了几万美元。这个项目在国内曝光的比较少，但在海外各个社区已经成了现象级项目。

这个项目叫：MiroFish。

MiroFish 是一个开源的多智能体项目。

你可以这样理解它的做法：它先把你给的材料变成一个「数字世界」，再放进大量有记忆、有设定、有行为逻辑的智能体，让它们自己互动、演化，最后产出预测报告。

项目官方给自己的定义是「群体智能引擎」，目标是「预测万物」。Slogan 写的是：简洁通用的群体智能引擎，预测万物。

听起来，很像「世界模型」的概念。

背后创始人是国内一名大四学生 BaiFu （ 郭航江 ），前几天公开拿到了盛大 3000 万投资，大家都在聊这件事 🐮

GitHub 项目链接：

https://github.com/666ghj/MiroFish

那大家到底是怎么用它写「赚钱故事」的？

举几个例子。

有人用三年的 NBA 数据训练了一个「群体智能模型」，拿去在 Polymarket 上交易，最终赚到了 149 万美元。

他用 MiroFish 模拟了成千上万个 AI 智能体，喂入连续三个赛季的球员数据、球队状态、交锋历史、伤病概率、赔率资金流向。

还有个兄弟用 OpenClaw 复刻了 MiroFish 的交易路径，三天赚了 3.7 万美元。他分享的这段经历挺「传奇」的，大家看个乐呵：

看到这里，你心里肯定有一个大大的疑问。

卧槽，这也太牛逼了吧。这项目真有这么强？盛大投了 3000 万，GitHub 上 Stars 这么高，应该没问题吧？

所以我就去实际完完整整地部署了一下。

我看了一圈，全网几乎没有人真正跑过这个项目。所以这算是一手资料了 😤

我不直接说真假，不做这种判断，但我把完整的流程都放给你看，你自己去判断。

先说结论。

它给我的感觉，更像是一个工程化的固定框架。在这个框架下面，确实有一些比较有想象力的创新。但整个工作流比较死板，套壳的成分会大一点。

这话不完全是贬义。当年 Manus 也被广泛认为套壳，但它确实打开了一个完全不同的品类。所以我对 MiroFish 的定义是：一个有想象力的壳。

安装这个项目，我建议用 Claude Code。因为它涉及很多细节的东西，特别容易报错，跟网络环境也有关系。但用 Claude Code 的话，几乎所有问题都能解决。

它需要两个 API。第一个是大模型 API，我用的是淘宝上买的 Gemini 次卡。

第二个是 Zep Cloud 的 API，地址在这里：

Zep - Context Engineering for AI Applications

免费额度就能跑几次简单案例了。

我一共跑了两个案例。一个社会娱乐方向：贾乃亮举报模仿博主的舆论效应。一个故事预测方向：全职猎人的结局预测。

先说贾乃亮这个。

它的主页长下面这样。整个工作流分成五步，什么种子、图谱、模拟、动态更新时序，词汇确实复杂。但你实际操作的时候很简单，上传一个「现实种子」 （ 就是你的研究资料 ），然后用自然语言写提示词就行了。

比如我贴了一份关于贾乃亮举报模仿博主事件的综合调研，提示词写的是「贾乃亮举报模仿他的博主会引发什么样的网络效应」。

之后基本就不用管了。

它会先用 AI 分析整个文档，生成一个本体结构。

然后从文档里提取出很多关键词。

接着在左侧建立一个知识图谱，网状的关系图。里面一共有 18 个实体节点，37 条关系边。

下面是它比较有特色的部分。它会生成 Agent 人设，从关系图谱里挑出它认为有价值的节点，给每个节点单独设一个 Agent。

比如新浪财经、搜狐，都会被设成独立的 Agent 参与后续的工作流。

然后进入「双平台模拟配置」。让 AI 根据需求和资料做模拟测试，类似于玩「文明」那种感觉。你可以设置模拟多少轮，每轮虚拟时间 60 分钟，现实中会短很多。

它会给出比较透明的算法配置，比如在广场和话题两个平台中的各种权重，还有 AI 配置，什么时间段该符合什么规律。

环境搭好后就可以开跑了。最高能到 72 轮，但只想体验一下的话 10 到 40 轮就够了，token 消耗非常大。我设的 25 轮。

之后它开始了「双世界并行模拟」（这什么雷霆用词 😅）。

简单说就是分广场和社区两条线，左右两侧各放一堆 Agent。

这些 Agent 会自己发声、互相交流，模拟每个真实角色在社会环境中的反应。

25 轮跑完，所有 Agent 都发过声了，就开始做报告。

报告的工作流里有几个有意思的节点。比如它会先提取整个记忆流程中的关键事实。

然后会对所有 Agent 一个一个地采访，这点确实挺有意思。

但你仔细看这个工作流就会发现，最后还是落到调用 AI 大模型去生成内容。跟直接用 Chatbot 聊没有本质区别，顶多上下文不太一样。

过程中它还会给出各方的关系链，研究确实挺细的 😂

核心实体：

综合以上所有上下文之后，它给出了一份完整的报告。

我仔细看了看这份报告，说说真实感受。

优点有。结构清晰，角度覆盖也全，KOL、平台治理、媒体传播这些角度都涵盖了。里面模拟了很多 Agent 角色的发言，这是 MiroFish 多智能体模拟的核心机制，确实能体现出来。

但问题也很明显。

整体内容很空洞，基本没什么预测，都是一些你不用跑模拟也能想到的常识性东西，说的都很泛。那些模拟的智能体发言，说白了就像 AI 在自说自话。没有数据，没有数据报告，没有任何数据支撑，还是定性描述。

而且从工作流拆解来看，最后落点还是调用 AI 直接生成。模型目前的能力大家也清楚，远远到不了「预测」的程度。

前面说过，它整体框架比较僵硬。但光看社会娱乐这种场景，你可能感受不到，因为它本身就是做社会模拟的，场景契合度高。

下面我们用一个别好玩的案例来测试。让它分析全职猎人的真正结局 😏 这也是我的群友给到的灵感：

你可能会说，这个场景它搞砸了，是不是说明它本来就不该干这事？

不是。它的开源项目里有两个 demo，其中一个就是预测红楼梦的结局。所以故事推演这种事，本来就是它想做的。

先说下我给它的材料。我用 AI 做了一份 3000 到 5000 字的全职猎人故事链条报告作为「现实种子」。整本漫画那种量级的 PDF 内容，我这电脑肯定跑不动，我相信也没几个人能跑。

上传之后你会发现，这回关系图谱已经相当复杂了。这也算是它的优点，对故事逻辑的分析和掌控，确实做得不错。

这次模拟里，它一共设了 49 个 Agent，每个角色都有人设。

但下面这张图就暴露问题了。

它沿用的还是广场和社区两个平台。AI 配置跟贾乃亮事件的那套几乎完全一样。比如，「时间配置符合中国人作息习惯」。

你让它预测动漫结局，跟中国人几点起床几点睡觉有什么关系？😅

双平台模拟过程中，49 个 Agent，40 轮。

40 轮已经非常吃力了。

但整个关系图谱的构建确实变得非常复杂、非常壮观，看起来很牛逼。这种知识图谱的构建对 AI 来说比较困难，它背后需要一套很强的提示词工程。这确实是 MiroFish 的真正优势。

然后走到报告这一步，中间卡住了。它把我从淘宝上买的 Gemini API 周卡全部用光了 😰

我没敢让它接我自己的 token 额度账户，怕直接把我干负债了。所以一直用次卡，但次卡已经被它全部吞了。

第二天我又买了一张周卡续上，才做出这份报告。这篇文章我写了两天，40 轮模拟大概花了 6 个小时。

然后我仔细看了看这份「未来预测报告」。跟我一开始想的完全不一样。非常拉胯。

它完全没有预测任何结局。全职猎人结局的模拟推演，几乎得不到任何有效结果。它只是在叙述所有人围绕全职猎人结局的一种「态度模拟」，然后复盘事件，总结共识。

但它完全没有做任何预测。

一个叫「预测万物」的项目，跑了 6 个小时、烧了两张 API 卡，最后告诉你「大家对结局的态度是这样的」……

最后你还可以跟它互动，围绕报告提问。里面给了一堆复杂名词：深度归因、全景追踪、虚拟访谈。整个项目很爱用这种让人摸不着头脑的词 😂

现在总结下。

MiroFish 到底是真的强，还是一个包装精美的壳？

我的判断：它是一个有想象力的壳。

框架固定，场景切换时配置几乎不变。你用它跑社会舆论和跑动漫结局，底层配置居然差不多一样。最后还是落到调用大模型生成内容，跟你直接去问 ChatGPT，本质上没什么差别，顶多获得了一些经过多智能体碰撞后的上下文（叠甲，这可能是我的操作问题，但我认为我的操作问题不大 😊）。

但它确实有可取之处。

知识图谱的构建能力、Agent 人设系统、群体模拟的整体思路，这些都有想象力。49 个 Agent 在 40 轮里碰撞出来的那张关系网，确实壮观。背后的提示词工程，也需要功底，20 岁国人大学生做出来的，确实牛逼。

只是，「预测万物」这个 Slogan 吹得太大了。

它目前更像一个多智能体模拟的工程展示，一个概念验证。至于那些在 Polymarket 上赚了上百万美元的传说，到底有多少是 MiroFish 本身的能力，有多少是市场时机、套利策略和信息差的功劳，这个各位自己判断。

当年 Manus 也是这样。一出来全网先说「上帝之手」，用完都说套壳，但回头看，它确实撕开了一个口子，让所有人意识到 AI Agent 可以这么玩。

MiroFish 走的可能也是这条路。

它今天预测不了全职猎人的结局，预测不了贾乃亮事件的走向。但「让一群 AI 在虚拟世界里吵架、碰撞、演化，然后给你一个答案」这个想法本身，是有未来的。

只是这个未来，现在还没到。

看到这里，辛苦啦。

感谢你的阅读和「在场」！😊

文章来自于微信公众号 “AI Humanist by杉森楠”，作者 “AI Humanist by杉森楠”