Yusuf Khalidd

Posted on Mar 19 • Originally published at apidog.com

ما هو MiroFish؟ منصة محاكاة الذكاء الاصطناعي متعددة العملاء للتنبؤ بنتائج وسائل التواصل الاجتماعي

مقدمة

لقد رأيت هذا السيناريو من قبل: شركة تعلن سياسة جديدة، أو تصريح مثير من شخصية مشهورة، أو قصة إخبارية غير متوقعة. فجأة، تنفجر منصات التواصل الاجتماعي بردود أفعال متسارعة وغير متوقعة.

جرّب Apidog اليوم

ماذا لو استطعت اختبار سيناريو "ماذا لو" مسبقًا قبل أن يحدث بالفعل في العالم الواقعي؟

MiroFish هو نظام محاكاة ذكاء اصطناعي متعدد الوكلاء يتيح لك استكشاف سيناريوهات التواصل الاجتماعي المحتملة. يمكنك تحميل وثيقة (مقال، سياسة، ورقة بحثية)، ويبدأ النظام في محاكاة تفاعل مئات من وكلاء الذكاء الاصطناعي بسمات وسلوكيات متنوعة مع المحتوى عبر الزمن.

💡 فريق MiroFish بنى واختبر جميع واجهات برمجة التطبيقات باستخدام Apidog. من إنشاء نقاط النهاية وحتى التحقق من استجابات API، كان Apidog منصة مركزية لضمان التوافق بين الواجهة الخلفية والأمامية خلال التطوير.

في هذا الدليل ستتعرف عمليًا على وظائف MiroFish، خطوات إعداد المحاكاة، وكيفية استغلال المنصة لتحليل سيناريوهاتك.

ما المشكلة التي يحلها MiroFish؟

فجوة التنبؤ

تتحرك وسائل التواصل الاجتماعي بسرعة ويصعب التنبؤ بتوجهاتها. أدوات التحليل التقليدية تركز على ما حدث بالفعل:

تحليل المشاعر: يعرض رأي الجمهور حاليًا
مراقبة الاتجاهات: يُظهر ما هو شائع اليوم
مقاييس التفاعل: تقيس أحداث ماضية

هذه الأدوات لا تجيبك على سؤال: ماذا سيحدث لو نشرت إعلانًا أو وثيقة مثيرة للجدل؟

البديل: بناء عالم رقمي محاكى

مشروع MiroFish يقدم نهجًا عمليًا:

بناء رسم بياني معرفي من مستنداتك المصدرية
استخراج الكيانات (أشخاص، مؤسسات، إعلام...) وتحويلها إلى وكلاء ذكاء اصطناعي
تعيين شخصيات وسلوكيات لكل وكيل
تشغيل المحاكاة: تفاعلات النشر والتعليق والردود على مدار "زمن محاكاة"
تحليل النتائج تلقائيًا لاكتشاف السرديات الناشئة والمؤثرين والاتجاهات

تخيلها كأنها "محاكي طيران" لسيناريوهات التواصل الاجتماعي.

كيف يعمل MiroFish: خطوات التنفيذ

┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│   Step 1    │ ──► │   Step 2    │ ──► │   Step 3    │ ──► │   Step 4    │ ──► │   Step 5    │
│  Ontology   │     │  GraphRAG   │     │   Env       │     │ Simulation  │     │   Report    │
│  Generation │     │   Build     │     │   Setup     │     │   Run       │     │ Generation  │
└─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘

الخطوة 1: إنشاء الأنطولوجيا (Ontology Generation)

حلّل مستندات الإدخال باستخدام نموذج LLM لاستنتاج:
- 10 أنواع كيانات: طالب، أستاذ، جامعة، إعلام، حكومة...
- 10 أنواع علاقات: يعمللدى، يردعلى، يعلق_على...
- سمات مميزة لكل نوع
يستخدم النظام هيكلًا هرميًا مرنًا مع 8 أنواع مستخرجة و2 عامة (شخص، منظمة).

الخطوة 2: بناء الرسم البياني (GraphRAG Build)

تقسيم المستندات إلى دفعات (500 حرف مع تداخل 50 حرف)
إرسالها إلى Zep Cloud مع تعيين الأنطولوجيا
استخراج الكيانات والعلاقات تلقائيًا واسترجاع الرسم البياني النهائي

النتيجة: رسم بياني معرفي غني بالعقد (كيانات) والحواف (علاقات).

الخطوة 3: إعداد البيئة (Env Setup)

توليد معلمات للوكلاء تلقائيًا:
- تهيئة الوقت: ساعات الذروة والسكون حسب المنطقة الزمنية
- تهيئة الأحداث: منشورات أولية، مواضيع ساخنة
- توزيعات النشاط والتأثير لكل وكيل
- إعداد المنصات: Twitter، Reddit مع تخصيص ديناميكية الانتشار

الخطوة 4: تشغيل المحاكاة (Simulation Run)

يبدأ كل وكيل بالنشر والتفاعل حسب جدوله وسلوكياته
المحاكاة متزامنة على منصتين (Twitter وReddit)
جميع الإجراءات تُسجل في ملفات JSONL لحظيًا

الخطوة 5: توليد التقرير (Report Generation)

تحليل النتائج عبر أدوات استرجاع:
- InsightForge: تحليل معمق للأسئلة
- PanoramaSearch: تلخيص شامل مع تتبع التغييرات التاريخية
- InterviewAgents: مقابلات حية مع وكلاء نشطين
استخراج أهم اللحظات، مؤثرين، وسرديات مضادة

وكلاء الذكاء الاصطناعي في MiroFish: ما الذي يميزهم؟

كل وكيل هو كيان مستقل بخصائص محددة:

السمة	الوصف	مثال
الهوية	الاسم، اسم المستخدم، السيرة الذاتية	`@ZhangWei_Student`
الشخصية	الخلفية والسلوك	طالب دراسات عليا في أخلاقيات الذكاء
مستوى النشاط	معدل النشر (0.0 - 1.0)	0.8 نشط جدًا
ساعات النشاط	الأوقات المتاحة	[8,9,10,18,19,20,21,22,23]
تأخير الاستجابة	سرعة التفاعل بالدقائق	5-30 دقيقة
وزن التأثير	مدى الانتشار	0.8-3.0
الموقف	رأيه حول المواضيع	داعم، معارض، محايد
الذاكرة	تاريخه مع التفاعلات	مخزن في Zep Cloud

كل وكيل يتخذ قراراته ذاتيًا بناءً على شخصيته وسياق المحاكاة.

ماذا يمكنك محاكاته عمليًا؟

إعلانات الأخبار والسياسات

حمّل مسودة سياسة أو خبر.
راقب كيف تتطور السرديات، من يضخم الرسالة، وما هي الاعتراضات.

البحث الأكاديمي

حمّل ورقة علمية.
افهم كيف يستقبلها الأكاديميون والجمهور، وما سوء الفهم أو الاهتمامات الناشئة.

سيناريوهات الأزمات

حمّل تقارير الحوادث.
اختبر تأثير سرعة الاستجابة أو الرسائل المختلفة على تطور الأزمة.

التحليل الأدبي والتاريخي

حمّل نص روائي أو وثيقة تاريخية.
استكشف "ماذا لو" مختلفة بردود فعل جديدة من الشخصيات أو الأحداث.

ما يميز MiroFish تقنيًا

ذكاء السرب (Swarm Intelligence)

لا يقتصر على وكيل واحد بل يستخدم مئات الوكلاء بسمات مستقلة، ما ينتج سلوكيات ناشئة وغير متوقعة.

محاكاة منصتين بوقت واحد

يحاكي Twitter (انتشار سريع) وReddit (نقاشات مجتمعية) ويقارن بينهما عمليًا.

رسم بياني معرفي زمني

كل علاقة لها أزمنة صلاحية (valid_at, invalid_at, expired_at) لتتبع تطور السرديات.

مقابلات مع الوكلاء مباشرة

يمكنك استجواب وكيل معين حول قراراته أثناء أو بعد المحاكاة للحصول على تحليلات نوعية.

نظرة تقنية سريعة

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│  Frontend       │     │  Backend        │     │  External       │
│  (Vue.js)       │ ◄─► │  (FastAPI)      │ ◄─► │  Services       │
│                 │     │                 │     │                 │
│ - Graph builder │     │ - REST API      │     │ - Zep Cloud     │
│ - Simulation    │     │ - Subprocess    │     │ - LLM API       │
│   monitor       │     │   management    │     │ - OASIS         │
│ - Report viewer │     │ - JSONL stream  │     │   Framework     │
└─────────────────┘     └─────────────────┘     └─────────────────┘

مكدس الواجهة الخلفية

Python FastAPI لنقاط النهاية REST
OASIS Framework لمحاكاة سلوك الوكلاء
Zep Cloud لإدارة الرسم البياني المعرفي
SQLite لتخزين بيانات حالة المحاكاة

مكدس الواجهة الأمامية

Vue.js 3 لبناء واجهة تفاعلية
WebSocket لتحديثات الوقت الحقيقي
D3.js لتصور الرسوم البيانية

تصميم API باستخدام Apidog

أكثر من 40 نقطة نهاية عبر 5 خدمات (بناء الرسم البياني، قراءة الكيانات، تهيئة المحاكاة، تشغيل المحاكاة، تقارير)
تم استخدام Apidog لتصميم وتوثيق كل نقطة نهاية، وإنشاء استجابات وهمية لتطوير الواجهة الأمامية، وضمان التوافق بين الفرق.

الخدمة	نقاط النهاية	الغرض
بناء الرسم البياني	8	توليد الأنطولوجيا، تحميل
قارئ الكيانات	4	تصفية الكيانات، التصدير
مولد التهيئة	6	إعداد الوقت/الحدث/الوكيل
مشغل المحاكاة	12	إدارة المحاكاة
مولد التقارير	5	تحليل واستخلاص النتائج

متى تستخدم MiroFish؟

أفضل حالات الاستخدام

تخطيط السيناريوهات: ماذا لو أطلقنا X؟
تحليل أصحاب المصلحة: كيف ستتفاعل الفئات المختلفة؟
تتبع السرديات: ما هي الحجج المضادة المتوقعة؟
التحقق من صحة البحث: هل توقعاتنا صحيحة؟
الاستكشاف التعليمي: محاكاة تفاعل شخصيات تاريخية مع أحداث جديدة

حالات غير مناسبة

التنبؤ الدقيق: النظام يقدم احتمالات وليس نتائج مؤكدة
مراقبة مباشرة: لا يتتبع بيانات حية بل يحاكي سيناريوهات مفترضة
تحليل صغير النطاق: الأنسب لمئات الوكلاء وليس استبانة صغيرة
ديناميكيات غير اجتماعية: يركز على تفاعلات التواصل الاجتماعي، وليس الاقتصاد أو الفيزياء

البدء مع MiroFish

المتطلبات

Python 3.10+
Node.js 18+
مفتاح API لـ Zep Cloud
وصول إلى LLM API (متوافق مع OpenAI)

خطوات التشغيل السريع

# استنساخ المشروع
git clone https://github.com/666ghj/MiroFish.git
cd MiroFish

# تثبيت الاعتماديات
pip install -r requirements.txt
npm install

# إعداد البيئة
cp .env.example .env
# عدّل .env وأضف مفاتيح الـ API الخاصة بك

# تشغيل الواجهة الخلفية
python backend/app/main.py

# تشغيل الواجهة الأمامية
npm run dev

أول محاكاة خطوة بخطوة

تحميل المستندات: PDF أو TXT أو MD
تحديد متطلبات المحاكاة: ما السؤال الذي تريد استكشافه؟
توليد الأنطولوجيا: النظام يقترح أنواع الكيانات
بناء الرسم البياني: استخراج الكيانات والعلاقات تلقائيًا
تهيئة المحاكاة وتشغيلها: ضبط المدة والانطلاق
المراقبة والمقابلات: متابعة التفاعلات وإجراء مقابلات مع الوكلاء
توليد التقرير: استخرج ملخصًا للسرديات والمؤثرين

عادةً تستغرق المحاكاة الأولى من 30 إلى 60 دقيقة حتى يكتمل كل شيء.

الأسئلة المتكررة

ما مدى دقة المحاكاة؟

النظام يستكشف سيناريوهات محتملة بناءً على مدخلاتك، وليس توقع نتائج محددة. القيمة في اكتشاف ديناميكيات وسرديات غير متوقعة.

كم وكيل يمكن محاكاته؟

من 50 إلى 200 وكيل هو النطاق المثالي. يمكن تشغيل محاكاة أكبر (>500) لكن ستحتاج موارد حسابية أعلى.

هل يمكنني تخصيص سلوك الوكلاء؟

نعم. يمكنك تعديل الأنشطة، أوزان التأثير، المواقف. للمستخدمين المتقدمين: عدّل ملفات التهيئة مباشرةً.

هل يدعم سيناريوهات غير صينية؟

يمكن تخصيص أنماط النشاط والمنطقة الزمنية لتناسب أي منطقة عن طريق ضبط التهيئة.

هل بياناتي خاصة؟

تتم معالجة المستندات محليًا وترسل إلى Zep Cloud فقط لاستخراج الكيانات. يمكنك استخدام قاعدة بيانات رسم بياني محلية للبيانات الحساسة.

الخلاصة

MiroFish أداة قوية لبناء واختبار سيناريوهات التواصل الاجتماعي قبل حدوثها فعليًا. بفضل محاكاة مئات الوكلاء بسمات وسلوكيات متنوعة، ستكتشف سرديات وحركات مضادة يصعب كشفها بالتحليل التقليدي.

إذا كنت بحاجة لفهم ديناميكيات اجتماعية معقدة أو اختبار تأثير الرسائل والسياسات الجديدة، MiroFish يقدم منصة عملية وسريعة التنفيذ.