Dulu, kalau kamu mau memprediksi perilaku pasar atau opini publik, kamu pakai model statistik. Regresi time series, simulasi monte carlo, hal-hal seperti itu. Masukkan data, dapat probabilitas.
MiroFish menawarkan pendekatan yang berbeda secara fundamental.
Apa Itu MiroFish?
MiroFish adalah swarm intelligence prediction engine — tools AI open-source yang memprediksi masa depan dengan cara membangun masyarakat digital tiruan, lalu mengamati apa yang terjadi.
Daripada mengandalkan satu model statistik, MiroFish men-deploy ribuan hingga jutaan AI agent, masing-masing dengan kepribadian, memori jangka panjang, dan logika perilaku spesifik. Mereka berinteraksi dalam lingkungan digital yang mencerminkan realitas — platform seperti Twitter dan Reddit — dan dari interaksi itulah prediksi muncul.
Hasilnya?
Dalam hitungan minggu sejak launching Maret 2026, MiroFish sudah:
- Mendapat 33.000+ stars di GitHub
- Berada di top GitHub Global Trending
- Mendapat funding $4.1 juta dalam 24 jam
- Dicuekin dulu oleh banyak orang, lalu tiba-tiba semua orang ngomonginnya
Proyek ini dibuat oleh Guo Hangjiang — mahasiswa tingkat akhir di China. Pendahulunya, BettaFish (multi-agent sentimen analysis tool), juga pernah menduduki top GitHub Trending dengan 20.000 stars dalam satu minggu.
Backer-nya? Chen Tianqiao — founder Shanda Group, pernah dijuluki orang terkaya di China.
Cara Kerjanya
MiroFish menggunakan 5-stage process:
1. Seed Material Kumpulkan materi awal — apapun yang relevan: ringkasan sentimen media sosial, berita terkini, draft kebijakan, laporan keuangan, atau bahkan karya fiksi. MiroFish bisa pakai hampir semua bentuk input berbasis teks.
2. Knowledge Graph Materi seed diubah menjadi knowledge graph terstruktur — representasi relasi antar entitas, konsep, dan peristiwa. Ini jadi "peta" dunia digital yang akan dibangun.
3. Digital Sandbox MiroFish membuat parallel world — virtual testing ground yang memantulkan realitas. Di sinilah AI agents akan berinteraksi.
4. Agent Simulation Ribuan agent dilepaskan ke sandbox. Setiap agent punya:
- Kepribadian independen
- Memori jangka panjang (via Zep Cloud)
- Logika perilaku spesifik
Mereka berinteraksi dan berevolusi secara bebas. Bukan satu AI yang berpikir — ribuan AI yang bertindak seperti manusia sungguhan.
5. Prediction Output Dari perilaku kolektif agents ini, MiroFish mengeluarkan prediksi. Bukan angka probabilitas mentah — tapi wawasan tentang bagaimana perilaku manusia akan berevolusi dari waktu ke waktu.
Dual-Platform Simulation
Yang menarik: MiroFish menjalankan simulasi di dua platform sekaligus:
- Twitter-like environment — untuk analisis sentimen dan reaksi cepat
- Reddit-like environment — untuk diskusi lebih dalam dan opini yang lebih bernuansa
Ini mencerminkan realitas bahwa manusia punya perilaku berbeda di platform berbeda. Simulasi jadi lebih akurat.
Use Cases
Analisis Pasar Simulasikan bagaimana investor retail akan bereaksi terhadap berita tertentu. Prediksi sentimen pasar berdasarkan pola perilaku, bukan cuma data harga historis.
Prediksi Opini Publik Sebelum mengumumkan kebijakan publik — simulasi bagaimana publik akan bereaksi. Siapa yang setuju, siapa yang menolak, bagaimana opini akan berevolusi dari waktu ke waktu.
Prediksi Cerita MiroFish pernah dipakai untuk prediksi ending "Dream of the Red Chamber" — salah satu novel klasik China — berdasarkan 80 bab pertama. Agents membangun karakter, berinteraksi, dan menghasilkan ending yang masuk akal.
Analisis Dampak Kebijakan Untuk pemerintahan atau organisasi: simulasi dampak kebijakan sebelum diimplementasi.
Apa Bedanya dari Peramalan Statistik?
Model statistik itu baik untuk pola yang sudah pernah terjadi. Masukkan data historis, dapat prediksi.
Tapi perilaku manusia itu berantakan. Orang tidak selalu bertindak rasional. Sentimen bisa terpolarisasi lebih cepat dari yang diprediksi model statistik. Dan banyak hal yang tidak punya preseden historis.
MiroFish mencoba mengatasi ini dengan menyimulasikan heterogenitas — setiap agent punya kepribadian berbeda, tidak semua berperilaku sama. Ini lebih dekat ke bagaimana crowds sungguhan bertindak.
Tentu saja, ada keterbatasan. LLM agents cenderung lebih mudah terpengaruh perilaku kawanan dibanding manusia sungguhan. OASIS research paper sendiri mengakui ini. Tapi untuk analisis eksploratori dan mendapatkan gambaran tentang rentang kemungkinan, ini pendekatan yang menarik.
Tech Stack
MiroFish open-source dan bisa di-self-host. Repo resminya: https://github.com/666ghj/MiroFish
| Komponen | Teknologi |
|---|---|
| Backend | Python 3.11+ |
| Frontend | Vue.js |
| Simulation Engine | OASIS (by CAMEL-AI) |
| Knowledge Graphs | GraphRAG |
| Agent Memory | Zep Cloud |
| LLM Support | Any OpenAI SDK-compatible model |
| Recommended LLM | Qwen-plus (via Alibaba's Bailian) |
Yang Menarik
MiroFish itu menarik bukan cuma soal teknologinya — tapi soal apa yang dia representasikan.
Chen Tianqiao, backernya, punya teori yang ia sebut "super-individual": di era AI, satu orang bisa menciptakan output yang setara dengan seluruh perusahaan. Guo Hangjiang — satu mahasiswa — membuat MiroFish. BettaFish juga dibuat satu orang.
Dari 20.000 stars dalam seminggu ke $4.1 juta funding dalam 24 jam. Dari side project mahasiswa ke tool yang dipakai untuk menganalisis perilaku pasar.
Swarm intelligence untuk prediksi mungkin bukan solusi ajaib. Tapi untuk mendapatkan gambaran tentang bagaimana perilaku kolektif mungkin muncul — ini salah satu pendekatan paling menarik yang muncul di 2026.