一份文件能預測未來嗎：從 MiroFish 看群體智慧模擬與市場調研

2026 年 3 月初，一個叫 MiroFish 的開源專案登上了 GitHub 全球 Trending 第一。它的口號是「簡潔通用的群體智慧引擎，預測萬物」：上傳一份「種子材料」（新聞、報告，甚至一部小說），用一句話寫下你想預測什麼，系統就會生成一個由大量 AI 智慧體組成的模擬社交網路，讓它們發帖、轉發、爭論，最後交給你一份「未來預測報告」。

圍繞它的故事很有傳播力：作者郭航江是一名大四學生，前一個專案是輿情分析工具 BettaFish（微輿）；據媒體報道，盛大集團的陳天橋看到 BettaFish 後約見了他，他用大約十天做出 MiroFish 的預測功能，24 小時內兩人進行了第二次談話，陳天橋當場決定投資 3000 萬元人民幣¹²。官方演示裡最吸引眼球的一個例子，是把《紅樓夢》前 80 回喂進去，「預測」出失傳的結局，其中黛玉焚稿、湘蓮出家等情節與通行本「基本吻合」³。到今天（2026 年 10 月），這個倉庫已經有約 7.6 萬 star。

看完這些，我的第一反應是好奇，第二反應是懷疑。於是有了幾個問題：

一份文件到底是怎麼變成一份「預測報告」的？
宣傳裡「成千上萬個智慧體」從哪來？它們在模擬裡怎麼互動？
為什麼人們相信「模擬一群人」就能預測？這個前提在 MiroFish 裡成立嗎？
如果它預測不準，那這一類「模擬人群」的技術，能不能吃掉傳統市場調研的蛋糕？

本文就順著這幾個問題往下講。前兩個問題的答案來自我對 MiroFish 開原始碼（666ghj/MiroFish，2026-10-02 的提交 7657031）的閱讀，後兩個問題則要走出這個專案，看學術研究和市場上發生了什麼。

一、從一份文件到一份報告

現象

MiroFish 的介面把流程分成五步：圖譜構建、環境搭建、開始模擬、報告生成、深度互動。從外面看，這像一個黑盒：放進去一份文件，過一段時間，出來一個視覺化的社交網路和一份報告。

拆開來看

開啟後端程式碼，這個黑盒其實是三個現成元件的串聯：

Zep Cloud：一個知識圖譜和記憶服務，負責把文字變成「實體 + 關係」的圖。
OASIS：CAMEL-AI 團隊開源的社交媒體模擬框架，能模擬最多 100 萬個 LLM 智慧體在類似 X 和 Reddit 的平臺上互動⁴。MiroFish 的 README 裡寫明「模擬引擎由 OASIS 驅動」。
任意 OpenAI 相容的大模型，README 推薦阿里百鍊的 qwen-plus。

一次執行大致是這樣走的：

設計本體。 大模型讀種子文字和預測需求，設計這次模擬要用的實體型別和關係型別（ontology_generator.py）。
建圖。 文字按 500 字一塊切開，送進 Zep，由 Zep 按本體抽取實體和關係（graph_builder.py）。
生成人設。 圖譜裡的每個實體，被大模型寫成一份社交媒體使用者的人設（oasis_profile_generator.py）。
生成配置並模擬。 大模型再生成一份模擬配置（時長、誰先發帖、每個人什麼時候上線），然後用 OASIS 同時起一個 Twitter 環境和一個 Reddit 環境跑若干輪（run_parallel_simulation.py）。
寫報告。 一個用 ReACT 模式工作的 ReportAgent 在模擬結果上檢索、採訪智慧體、分章節寫出報告（report_agent.py）。

用《紅樓夢》那次演示的數字填進去，就是下面這張圖。

圖 1 · 《紅樓夢》演示的一次完整執行。905 個實體節點裡抽出 580 個人設，這個數字決定了模擬裡有多少個智慧體。資料來自官方演示的媒體報道，階段劃分來自原始碼。

幾個數字值得留意：15 萬字的小說，最後變成了 580 個智慧體，30 輪模擬裡一共只發生了大約 2000 次動作，全程花了 14 元左右。這和「成千上萬個智慧體自由互動」的想象有一段距離。

那麼，這 580 個智慧體是怎麼來的？為什麼是 580，而不是 5000？

二、智慧體的來源

現象

README 的描述是「成千上萬個具備獨立人格、長期記憶與行為邏輯的智慧體」。但如果你去翻 MiroFish 的介面和配置，會發現沒有任何地方能填「我要多少個智慧體」。有人做過實測，想要 100 個智慧體，最後只生成了約 25 個⁵。

原因：智慧體就是圖譜裡的實體

答案藏在第一步「設計本體」的提示詞裡。ontology_generator.py 給大模型的要求是：

設計正好 10 個實體型別，其中最後兩個必須是兜底的 Person 和 Organization；
實體「必須是現實中真實存在的、可以在社媒上發聲和互動的主體」，可以是個人、公司、政府部門、媒體、特定群體代表；
抽象概念（「輿論」「情緒」）、話題（「學術誠信」）、立場（「支援方」）都不能當實體。

為什麼要這樣限定？因為後面每個實體都會直接變成一個社交媒體賬號。oasis_profile_generator.py 對每個實體先到 Zep 裡檢索它的相關關係做上下文，再讓大模型寫一份人設：200 字的簡介，加一份約 2000 字的詳細人設，內容包括年齡職業、人物背景、MBTI、發帖習慣、立場、口頭禪，以及「個人記憶」（這個人和事件的關聯）。機構類實體用另一套模板，MBTI 預設填 ISTJ，註釋寫的是「機構風格：嚴謹保守」。這份人設最後被放進 OASIS 裡該智慧體的系統提示詞。

所以，智慧體的數量 = 種子文件裡能抽出的、能發聲的實體數量。《紅樓夢》人物眾多，抽出了 580 個；一篇只提到幾個當事方的新聞稿，就只有幾十個。想要「成千上萬」，前提是你的文件裡本來就有成千上萬個有名有姓的角色。

這也決定了 MiroFish 模擬的是什麼樣的「群體」：它不是一個從人口裡抽出來的樣本，而是文件裡出現過的那些角色，每個角色由大模型根據文件裡的隻言片語，補寫成一個完整的人。

有了這些角色，它們在模擬裡又是怎麼「互動」的？

三、模擬的執行

現象

在介面的第二步，MiroFish 會展示一份大模型生成的、相當細緻的模擬配置：每個智慧體有自己的活躍度、活躍時段、情感傾向（sentiment_bias）、立場（stance）、影響力權重（influence_weight）；每個平臺有推薦演算法權重、病毒傳播閾值（viral_threshold）、回聲室強度（echo_chamber_strength）；還有定時事件和「輿論引導方向」。看上去，這是一個引數齊全的社會模擬器。

分析：每一輪發生了什麼

模擬的主迴圈在 scripts/run_parallel_simulation.py。以 Twitter 環境為例：

第 0 輪，配置裡指定的幾個智慧體發出「初始帖子」，作為整個事件的起點。
之後每一輪代表模擬世界裡的一段時間（預設 60 分鐘），總輪數 = 總時長 × 60 ÷ 每輪分鐘數，72 小時就是 72 輪。
每一輪先按模擬時鐘算出當前是幾點，內建一張「中國作息」表：19–22 點是高峰，倍率 1.5；0–5 點幾乎無人，倍率 0.05。
這一輪要啟用的人數 = random.uniform(5, 20) × 倍率。也就是說，預設每個模擬小時只有 5 到 20 個智慧體上線，高峰時多一些。
每個智慧體如果當前處在自己的活躍時段，就以 activity_level 的機率進入候選，再從候選裡隨機抽出目標人數。
被抽中的智慧體執行一次 LLMAction()：OASIS 把它的推薦流裡的帖子放進提示詞，由大模型決定這次是發帖、點贊、轉發、引用、關注，還是什麼都不做（Reddit 環境多了評論、點踩、搜尋、看熱榜等動作）。

這就解釋了為什麼 580 個智慧體跑 30 輪只有約 2000 次動作：每輪幾十個人上線，每人做一件事。

第二個發現：很多引數只是展示

順著程式碼往下找，我想知道 stance、sentiment_bias 這些引數在模擬裡是怎麼起作用的。結果是：在模擬指令碼里找不到讀取它們的地方。

圖 2 · 大模型生成的配置裡，真正被模擬指令碼讀取的只有作息配置和初始帖子（強調色）。立場、情感傾向、回聲室強度等欄位只在前端展示。示例數值為示意，欄位名來自原始碼。

具體來說（基於提交 7657031，在整個倉庫裡搜尋這些欄位名）：

sentiment_bias、stance、echo_chamber_strength、viral_threshold、推薦演算法權重、scheduled_events、narrative_direction，除了生成它們的 simulation_config_generator.py，只出現在前端的 Step2EnvSetup.vue 裡。influence_weight 只在生成配置時用來挑選誰發初始帖子。
推薦演算法用的是 OASIS 自帶的，沒有用到這裡生成的權重。
宣傳中的「上帝視角動態注入變數」，在開源版裡也沒有對應的介面：模擬開始後，能做的只有「採訪」某個智慧體。能「注入」的變數，其實就是開始前寫的那句預測需求。

真正影響模擬結果的，是三樣東西：人設文字、作息配置、初始帖子，其餘全部交給大模型在每一步自行判斷。

這本身不是什麼嚴重的缺陷，很多原型都是先把引數生成出來、再逐步接入。但它說明了一件事：MiroFish 的「社會動力學」幾乎完全來自大模型扮演角色時的自由發揮，而不是來自一個可調、可解釋的模型。

問題於是變成了：讓一個大模型扮演幾百個角色、在模擬的社交網路裡互動，憑什麼能預測現實？

四、群體為什麼能「預測」

群體智慧的前提

「群體智慧」這個說法讓人聯想到「群體的智慧」。最常被引用的例子是高爾頓在 1906 年記錄的一次鄉村集市：約 800 人競猜一頭牛宰殺後的重量，猜測的中位數和真實重量只差約 1%⁶。

但群體的智慧有前提。蘇羅維基在《群體的智慧》裡總結了四條：觀點多樣、彼此獨立、分散、有合適的方式把判斷彙總起來⁷。其中最關鍵的是「獨立」：每個人的誤差方向不同，彙總時才能相互抵消。如果所有人都犯同一個方向的錯，人再多也只是把同一個錯誤放大。

學術上真正做成的那一條線

用大模型模擬人，這幾年確實有紮實的研究進展，大致是這樣一條線：

Generative Agents（Park 等，2023）：25 個智慧體住在一個沙盒小鎮裡，提出了「記憶流、反思、規劃」的智慧體架構⁸。
OASIS（CAMEL-AI，2024）：把規模推到 100 萬個智慧體，復現了資訊傳播、群體極化和從眾效應，並用真實的 Twitter 傳播鏈做過校驗。論文同時承認，智慧體比人類更容易從眾⁴。
1000 人的生成式智慧體模擬（Park 等，2024）：這是目前最有說服力的結果。研究者對 1052 名真實的美國人每人做了 2 小時訪談，用訪談記錄生成對應的智慧體。在美國綜合社會調查（GSS）的問題上，這些智慧體的回答準確率達到了受訪者兩週後自己重答一致性的 85%；只給人口統計資訊（年齡、性別、種族、黨派）的基線是 74%⁹。

注意最後這個結果的前提：每個智慧體背後，是一個真實的人和兩個小時的真實訪談。85% 是被真實個體資料「校準」出來的。

那麼，MiroFish 的模擬滿足這些前提嗎？

五、MiroFish 的預測前提

一個模型，幾百個分身

對照群體智慧的四個條件，MiroFish 最難滿足的是「獨立」。580 個智慧體背後是同一個大模型，人設是它自己寫的，每一步的決定也是它做的。這更像一個人分飾 580 個角色，而不是 580 個人各自判斷。它們的誤差來自同一個模型的同一套偏好，是相關的，彙總時不會抵消（這是我的推斷，但和下面的研究結論一致）。

關於「用大模型扮演人群」，已經有一批研究指出了系統性的問題：

方差過小：合成樣本能對上群體的平均傾向，但觀點分佈比真人窄得多，子群體之間的關係也會失真；結果對提示詞和模型版本很敏感，難以復現¹⁰。
刻板化：大模型扮演某個身份群體時，傾向於把這個群體扁平化，並且用外人的視角去刻畫邊緣群體¹¹。
從眾：OASIS 自己的實驗就發現，智慧體比人類更容易跟風⁴。

沒有個體資料

和 Park 那項研究相比，MiroFish 的智慧體沒有任何真實個體資料。它們的「性格」「立場」「記憶」是大模型根據一份文件補寫出來的。種子文件裡有什麼偏見、什麼事實錯誤，模擬裡就會被幾百個角色反覆確認。一家券商的金融工程團隊測試後的結論正是如此：封閉的模擬環境會放大種子文件裡的事實錯誤，模型會堅持種子裡的觀點，需要人在對話中補充事實才會修正¹²。

回到《紅樓夢》

現在可以回頭看開頭那個最吸引人的演示了。模擬「預測」出的黛玉焚稿、湘蓮出家，與通行本「基本吻合」，這能說明模擬有預測能力嗎？

恐怕不能。後 40 回的情節、兩百年來的紅學討論，大機率都在大模型的訓練語料裡。一個讀過《紅樓夢》全書的模型，扮演書中的人物、續寫故事，寫出和通行本相近的情節，更可能是「記得」而不是「推演」（這是推斷，演示本身沒有做過排除訓練語料的對照）。

這其實是檢驗任何「預測系統」的第一條原則：你要預測的事情，必須發生在模型知道的資訊之外。

已有的實測

截至 2026 年 10 月，我沒有找到任何公開、可復現、樣本量足夠的 MiroFish 回測。零星的測試都不樂觀：

一次針對單個交易日的測試裡，MiroFish（約 25 個智慧體）和單次呼叫 Gemini 都預測標普 500 會下跌，結果當天上漲 0.77%；漲幅前五的個股，兩邊都一個沒猜中。測試者的結論是：群體模擬增加了複雜度，但沒有增加資訊⁵。當然，一天的樣本說明不了太多。
上面提到的券商團隊測了黃金走勢等五個場景，用另一個模型給報告打分，MiroFish 的報告在投資價值上並沒有顯著好於聯網搜尋的單個大模型，敘事更深，但結論更保守。他們給它的定位是「邏輯沙盤」¹²。

而 MiroFish 的 ReportAgent，在提示詞裡是這樣告訴大模型的：「你正在觀察的不是”實驗資料”，而是”未來的預演”」「模擬世界中的 Agent 言行就是對未來人群行為的預測」（report_agent.py）。這是一個斷言，程式碼裡沒有任何校準或回測去支撐它。

為什麼不直接交給一個 Agent

看到這裡，一個很自然的問題是：既然每一步都是大模型在拍板，為什麼還要搭一套圖譜加模擬的框架？把種子文件直接丟給 Codex 或 Claude Code 這類 Agent，讓它自己讀材料、寫人設、推演各方反應，最後給出判斷，行不行？

先看框架到底多給了什麼。去掉那些只在前端展示的引數，OASIS 真正提供的只有兩樣：

資訊隔離。 每個智慧體有自己的推薦流和關注關係，每次決策只看得到推給它的那幾條帖子。假如讓一個 Agent 在同一個上下文裡替 580 個角色輪流發言，每個「角色」都讀過全部材料和所有人的發言，那就是一個作者在寫群戲，連形式上的「獨立」都沒有了。
規模和成本。 580 個智慧體跑 30 輪是幾千次短呼叫，用 qwen-plus 這樣便宜的模型，全程十幾塊錢。同樣的量交給前沿模型驅動的 Agent 逐個扮演，費用和耗時都要高出一大截。

但這兩樣都不是框架獨有的。讓 Claude Code 寫一個幾十行的指令碼，每個角色單獨呼叫一次模型，只餵它自己的人設和它能看到的帖子，資訊隔離就有了；用 subagent 也行，每個 subagent 本來就有獨立的上下文。事實上，前面那家券商團隊就是用 Claude Code 去驅動 MiroFish 的¹²。

更關鍵的是，如果目標是「預測」，現有證據並不支援「先模擬一群人」這條路。在 ForecastBench 這個持續更新的預測基準上，最接近人類超級預測者的是「單個模型 + 聯網檢索 + 校準」的管線：到 2026 年初，最強模型的 Brier 分數約 0.10，只比超級預測者差 0.017¹³。沒有哪個社會模擬類系統上過這類榜單。上面那次標普測試裡，MiroFish 也沒有比單次呼叫 Gemini 更準⁵。所以，把問題直接交給一個會檢索、會推理的 Agent，大機率不會比 MiroFish 差，還便宜得多（這是推斷，目前沒有兩者的直接對比）。

那框架還剩什麼價值？它能把「過程」演出來：誰先發聲、誰轉發、觀點沿著哪條路徑擴散，再加上視覺化的網路和隨時可以採訪的角色。這對輿情推演、公關預案和展示很有用，因為人們想看的本來就是過程；但對「結果會是什麼」這個問題，它沒有提供額外的資訊。

所以，回答開頭的問題：MiroFish 的工程是真的，「預測」是沒有證據的。 它把知識圖譜、人設生成、社交模擬、報告寫作串成了一條完整、能跑通的流水線，作為輿情推演、公關預案、小說腦洞的沙盤，它是一個有意思的工具。但「預測萬物」這個定位，目前沒有任何資料支援。

不過，「用 AI 模擬一群人」這件事本身，確實有人在認真做，而且拿到了比 MiroFish 多得多的錢。它們瞄準的是一個更大的市場：傳統市場調研。

六、傳統市場調研的生意

它賣的是什麼

要判斷模擬人群能不能替代市場調研，得先看市場調研到底在賣什麼。

按 ESOMAR 的統計，2023 年全球市場研究的營收裡，定量研究佔 70%，定性研究佔 14%，諮詢和二手資料佔 15%；線上和移動端的定量調研佔全部營收的 34%¹⁴。整個洞察行業 2024 年約 1530 億美元，其中傳統市場研究約 560 億¹⁵。

單個專案的價格大致是這樣（歐洲市場）¹⁶：

方法	典型價格	說明
焦點小組	每組 3000–5000 歐元	6–10 人，2–3 小時
一對一深訪	每人 500–750 歐元	每個訪談約 8 小時工作量
線上問卷	平均約 8500 歐元	不含額外的樣本採購
一個完整的定量專案	8000–12000 歐元	通常只用一種方法

一位國內從業者的估算更直接地說明了錢花在哪：一個調研專案里約 70% 的成本是資料採集和執行，研究設計和寫報告只佔約 20%；一個樣本的價格，從上世紀 90 年代入戶訪問的一兩百元，降到了今天線上樣本庫的幾塊到十幾塊錢¹⁷。

把這些拆開來看，傳統市場調研賣的其實是三樣東西：

真實的人的回答：這是成本的大頭，也是這個行業存在的根本理由。
方法：怎麼抽樣、怎麼設計問卷、怎麼加權，保證結論能代表目標人群。
背書：一份第三方調研報告，可以拿去給老闆、投資人甚至監管看。

這門生意自己也有問題

便宜的線上樣本正在被 AI 汙染。業內估計，市場研究中欺詐作答的比例在 15%–30%，部分平臺高達 45%；34% 的線上調研參與者承認用大模型幫忙回答開放題；有研究者做了一個由大模型驅動的自動答題器，它透過了 99.8% 的標準資料質量檢查¹⁸。

這裡有一個有意思的反轉：當你花錢買來的「真人樣本」裡，已經混進了大量 AI 寫的回答，那「直接讓 AI 回答」和「花錢買真人回答」之間的差距，就沒有看上去那麼大了。

那麼，直接讓 AI 扮演受訪者，能替代哪一部分？

七、合成調研能替代什麼

行的地方：結構化問題上的排序

目前最紮實的正面證據來自 PyMC Labs 和高露潔的一項研究：他們拿 57 個真實的消費者調研（約 9300 名受訪者）做對照，讓大模型自由回答購買意向問題，再按回答和各個量表選項的語義相似度，把它轉成一個分數分佈。結果達到了人類重測一致性的約 90%¹⁹²⁰。

也就是說，在「這幾個產品概念，消費者更喜歡哪個」這類問題上，合成受訪者已經相當可用。

不行的地方：絕對數值

一家美國調研公司在 2025 年第四季度的快餐品牌追蹤調研裡，並排放了 934 個真人和 298 個合成受訪者²¹：

人口結構幾乎一樣，排名第一的品牌也一樣；
但中間的名次對調了；
「一定會推薦」的比例，合成受訪者在七個品牌上全部高估，幅度從 4 到 19 個百分點不等，各品牌的高估幅度相差約 5 倍，沒法用一個統一的係數修正；
被高估最多的，恰好是網上討論最多的品牌。研究者推測，模型反映的是網路上的輿論，而不是消費者在櫃檯前的決定。

最後這一點，和 MiroFish 的問題是同一個根源：大模型知道的是「網上的人怎麼說」，而不是「真實的人會怎麼做」。

真正在吃這塊蛋糕的，是另一條路線

看看拿到大錢的公司在做什麼：

Simile：創始團隊就是 Generative Agents 和「1000 人模擬」的作者。2026 年 2 月 A 輪 1 億美元，7 月 B 輪 2 億美元，估值 20 億美元²²；B 輪資金的用途之一，是做一個預測「每次模擬有多準」的置信模型²³²⁴。
Aaru：2025 年 12 月 A 輪，「標題估值」10 億美元，客戶包括埃森哲、安永²⁵。它在 2024 年美國大選前用模擬預測哈里斯小勝，結果特朗普贏了²⁶。
Qualtrics：2026 年 3 月推出合成消費者面板，用的是一個專門微調過的模型，訓練資料來自「超過 2 億名第三方調研受訪者」²⁷。

這些公司有一個共同點：它們的核心資產是真實的人的資料，並且把「這次模擬有多準」當作產品的一部分去做。

MiroFish 這種模式能吃掉多少

把前面的線索放在一起，可以得出幾個判斷（以下是我的推斷）：

MiroFish 和市場調研不是同一個形狀的東西。 市場調研要回答「目標人群裡有百分之幾的人會怎樣」，交付的是分佈和數字；MiroFish 的智慧體是文件裡出現的人物和機構，不是一個消費者樣本，交付的是一篇敘事報告。它更接近公關和諮詢裡的情景推演、兵棋推演，那是一個比市場調研小得多、原本主要靠專家頭腦風暴的市場。
合成調研確實會吃掉一塊蛋糕，但吃的是對精度要求低、對速度和成本敏感的環節：早期概念的篩選和排序、問卷的預測試、桌面研究、難以招募的小眾人群的探索性補充。需要絕對數值的品牌追蹤、定價決策、需要背書的結論、涉及情感和文化細節的問題，短期內吃不掉。
決定誰能吃到這塊蛋糕的，是校準資料，不是智慧體數量。 有效的方案都用真實的人的資料去校準：Park 的兩小時訪談、Qualtrics 的 2 億受訪者、PyMC 的 57 個真實調研。MiroFish 的賣點是「零資料，一份文件就能推演」，在這條競爭線上恰好站在最弱的位置。
反過來，真實的人會更值錢。 當線上樣本被 AI 汙染、合成資料又需要真人資料來校準時，「經過驗證的真實的人」反而成了整條鏈條上最稀缺的東西。傳統調研公司未來賣的，可能更多是這份「真實性」本身。

寫在最後

回顧一下這條問題鏈：

一份文件怎麼變成預測報告？ 本體設計 → Zep 建圖 → 實體寫成人設 → OASIS 雙平臺模擬 → ReportAgent 寫報告。三個現成元件的串聯，工程是完整的。
成千上萬個智慧體從哪來？ 智慧體就是文件裡能發聲的實體，數量由文件決定。《紅樓夢》抽出 580 個，一篇新聞稿只有幾十個。
它們怎麼互動？ 每個模擬小時隨機啟用 5 到 20 個，由大模型自由決定動作。立場、情感傾向、回聲室強度等引數只在前端展示，沒有進入模擬。
模擬一群人為什麼能預測？ 群體智慧需要獨立和多樣；學術上最好的結果（85%）依賴每人兩小時的真實訪談。
MiroFish 滿足這些前提嗎？ 不滿足。同一個模型的幾百個分身誤差相關，沒有個體資料，會放大種子文件的偏差；《紅樓夢》的「吻合」更可能來自訓練語料。目前沒有任何公開的回測。
為什麼不直接交給一個 Agent？ 可以。框架只多給了資訊隔離和低成本，兩者用指令碼或 subagent 都能做到；預測上更強的反而是單個模型加檢索和校準。框架的價值在於把傳播過程演出來。
這類技術能吃掉市場調研嗎？ 能吃掉一部分，主要是早期篩選和排序；吃到的會是用真實資料校準的玩家，而不是「零資料」的路線。

如果你想自己判斷一個「AI 預測系統」靠不靠譜，可以照著下面這個小實驗做：

選對時間。 挑 10 個以上發生在模型訓練截止日期之後的事件，只用事件發生前的材料做種子。
設一個基線。 同樣的材料，直接問一次單個大模型（最好允許聯網檢索），記錄它的判斷。
重複跑。 每個事件用不同的隨機種子跑 3 到 5 次模擬，看結論是否穩定。如果同一份輸入每次得出不同結論，那它的「預測」本身就沒有意義。
事後打分。 事件發生後，比較模擬和基線誰更準。只有在穩定地勝過基線的時候，那幾百個智慧體才算真正貢獻了資訊。

MiroFish 的爆紅本身也許就是一個很好的群體現象樣本：一個故事裡有大四學生、十天、3000 萬、《紅樓夢》，它的傳播速度遠遠快過任何人去驗證它。這大概也是我們在面對「預測未來」這類承諾時，最需要的那一點懷疑。

參考資料

陳天橋投了個00後36氪 · 2026-03-13收藏36kr.com ↩
大四學生AI專案登GitHub榜首，獲陳天橋3000萬投資騰訊新聞 · 2026-03-09收藏news.qq.com ↩
十天 Vibe Coding！00後小孩哥獲盛大3000萬投資，當上CEO上觀新聞收藏shobserver.com ↩
OASIS: Open Agent Social Interaction Simulations with One Million AgentsYang Z, et al. · arXiv · 2024 ↩ ↩² ↩³
MiroFish: swarm AIintnews · 2026-05收藏intnews.it ↩ ↩² ↩³
Vox PopuliGalton F · Nature · 1907 ↩
The Wisdom of CrowdsSurowiecki J · Doubleday · 2004 ↩
Generative Agents: Interactive Simulacra of Human BehaviorPark JS, et al. · UIST · 2023 ↩
Generative Agent Simulations of 1,000 PeoplePark JS, et al. · arXiv · 2024 ↩
Synthetic Replacements for Human Survey Data? The Perils of Large Language ModelsBisbee J, et al. · Political Analysis · 2024 ↩
Large language models that replace human participants can harmfully misportray and flatten identity groupsWang A, Morgenstern J, Dickerson JP · Nature Machine Intelligence · 2025 ↩
國聯民生金工用 Claude Code 驅動 MiroFish 的測試新浪財經 · 2026-03-24收藏finance.sina.com.cn ↩ ↩² ↩³
LLMs Are Closing the Gap on Human SuperforecastersForecasting Research Institute · 2026-01-29收藏forecastingresearch.substack.com ↩
How are research methods evolving?Researchworld收藏researchworld.com ↩
Inside the $153bn insights industryResearchworld收藏researchworld.com ↩
How much does Market Research cost in 2025?IntoTheMinds收藏intotheminds.com ↩
AI 將如何重塑市場與使用者洞察行業人人都是產品經理收藏woshipm.com ↩
Fraud in online surveys: a literature reviewNORC · 2026收藏norc.org ↩
LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert RatingsMaier BF, et al. · arXiv · 2025 ↩
Synthetic Consumers in Market ResearchPyMC Labs收藏pymc-labs.com ↩
What Our Data Showed When We Tested Synthetic vs Human Respondents in a Brand SurveyThe Directions Group收藏directionsgroup.com ↩
Synthetic-user startup Simile raises $200M at $2B valuation 5 months after $100M Series ATechCrunch · 2026-07-30收藏techcrunch.com ↩
AI digital twin startup Simile raises $100MSiliconANGLE · 2026-02-12收藏siliconangle.com ↩
Simile Series Braising.fi · 2026-07收藏raising.fi ↩
AI synthetic research startup Aaru raised a Series A at a $1B headline valuationTechCrunch · 2025-12-05收藏techcrunch.com ↩
An AI polling startup polls bots, predicts Harris will winSemafor · 2024-11-04收藏semafor.com ↩
Qualtrics adds AI-powered synthetic data research toolsSiliconANGLE · 2026-03-18收藏siliconangle.com ↩