MiroFish-Offline API参考手册：45+个REST端点速查，快速构建你自己的舆论仿真自动化流水线

MiroFish-Offline API参考手册45个REST端点速查快速构建你自己的舆论仿真自动化流水线【免费下载链接】MiroFish-OfflineOffline multi-agent simulation prediction engine. English fork of MiroFish with Neo4j Ollama local stack.项目地址: https://gitcode.com/gh_mirrors/mi/MiroFish-OfflineMiroFish-Offline 是一款完全本地化的多智能体Multi-Agent舆论仿真引擎它把上传的文档变成数百个 AI Agent在模拟社交平台上发帖、评论、争论并自动产出预测报告。本文将带你速查其45 个 REST API 端点并基于这些舆论仿真 REST 端点搭建一条上传文档 → 构建知识图谱 → 运行 Agent 仿真 → 生成预测报告 → 访谈 Agent的全自动流水线让仿真过程像流水线一样一键跑通 一分钟启动先让 API 跑起来所有端点都运行在 Flask 后端上默认监听0.0.0.0:5001可通过FLASK_PORT环境变量修改。最省事的启动方式是 Dockergit clone https://gitcode.com/gh_mirrors/mi/MiroFish-Offline cd MiroFish-Offline cp .env.example .env docker compose up -d服务起来后先访问健康检查端点确认后端就绪GET /health → {status: ok, service: MiroFish-Offline Backend} 完整部署说明见 README.mdDocker 编排文件为 docker-compose.yml后端入口在 backend/run.py。总览三大蓝图45 个端点后端通过 Flask Blueprint 注册了三大 API 模块注册逻辑见 backend/app/init.py蓝图前缀源码文件职责端点数/api/graphbackend/app/api/graph.py项目管理、文档上传、本体生成、知识图谱构建10/api/simulationbackend/app/api/simulation.py实体读取、仿真准备、运行控制、实时数据、Agent 访谈31/api/reportbackend/app/api/report.py报告生成、章节流式读取、Agent 对话、日志18所有响应统一为{success: true/false, data: ...}结构失败时附带error字段非常适合程序化调用。自动化流水线五步核心调用链下面这条调用链覆盖了从文档到报告的全部舆论仿真流程也是你编写自动化脚本时最常用的端点序列 ⬇️第1步上传文档构建知识图谱POST /api/graph/ontology/generatemultipart/form-data是整条流水线的入口上传 PDF/MD/TXT 文档 一句simulation_requirement仿真需求描述LLM 会自动分析出实体类型与关系类型的本体定义并返回project_id。拿到project_id后调用POST /api/graph/build异步构建知识图谱接口立即返回task_id随后轮询任务进度端点说明POST /api/graph/ontology/generate上传文档 生成本体定义POST /api/graph/build异步构建知识图谱返回 task_idGET /api/graph/task/task_id查询构建任务进度GET /api/graph/data/graph_id获取图谱节点与边数据GET /api/graph/project/list列出所有项目POST /api/graph/project/id/reset重置项目以便重建图谱第2步创建并准备仿真POST /api/simulation/create → 返回 simulation_id POST /api/simulation/prepare → 异步生成 Agent 人设 LLM 生成仿真配置返回 task_id POST /api/simulation/prepare/status → 轮询准备进度/prepare内部会做四件事读取图谱实体 → 为每个实体生成带人格、观点倾向的 OASIS Agent Profile → LLM 智能生成simulation_config.json模拟时长、初始帖子、热点话题→ 落盘脚本。支持force_regenerate: true强制重新生成。准备完成后还能用这些实时端点边生成边预览GET /api/simulation/id/profiles/realtime—— 实时查看正在生成的人设GET /api/simulation/id/config/realtime—— 实时查看正在生成的配置第3步启动仿真并实时监控POST /api/simulation/start → 支持 twitter / reddit / parallel 三种平台模式/start有几个值得注意的参数max_rounds限制模拟轮数、force: true强制重启、enable_graph_memory_update: true可让 Agent 的行为回写知识图谱让图谱记住仿真过程。运行中靠这几个端点轮询即可拿到完整监控面板数据端点返回内容GET /id/run-status轮次进度、模拟小时数、双平台行为计数GET /id/run-status/detail全部 Agent 行为明细发帖/评论/关注GET /id/timeline按轮次汇总的时间线GET /id/agent-statsAgent 活跃度统计排名POST /stop/POST /close-env急停 / 优雅关闭仿真环境第4步自动生成预测报告仿真跑完后调用POST /api/report/generate异步返回task_id。报告 Agent 会自动查询图谱证据、访谈焦点小组 Agent再产出结构化 Markdown 报告。配套端点POST /api/report/generate/status—— 轮询生成进度GET /api/report/report_id/sections—— 获取章节目录GET /api/report/report_id/section/index—— 逐章读取内容适合流式展示GET /api/report/report_id/download—— 下载 Markdown 报告POST /api/report/chat—— 与报告 Agent 对话追问第5步访谈 Agent深挖舆论细节这是舆论仿真中最有趣的 API 组——直接采访模拟世界里的 Agent它回答时会带上完整记忆与人格要求仿真环境存活端点用途POST /api/simulation/interview访谈单个 AgentPOST /api/simulation/interview/batch批量访谈多个 Agent各自不同问题POST /api/simulation/interview/all用同一个问题访谈全部 Agent快速民调POST /api/simulation/interview/history查询历史访谈记录POST /api/simulation/env-status检查仿真环境是否可接收访谈一句话就能做民调/interview/all prompt你对这件事的整体看法是什么几十上百个 Agent 的回复一次拿全 全量端点速查表 /api/graph知识图谱模块10 个方法端点说明GET/project/project_id获取项目详情GET/project/list列出所有项目DELETE/project/project_id删除项目POST/project/project_id/reset重置项目状态POST/ontology/generate上传文档并生成本体POST/build异步构建知识图谱GET/task/task_id查询任务状态GET/tasks列出所有任务GET/data/graph_id获取图谱节点与边DELETE/delete/graph_id删除图谱 /api/simulation仿真模块31 个实体读取GET /entities/graph_id、GET /entities/graph_id/uuid、GET /entities/graph_id/by-type/type仿真管理POST /create、POST /prepare、POST /prepare/status、GET /sim_id、GET /list、GET /history人设与配置GET /sim_id/profiles、GET /sim_id/profiles/realtime、GET /sim_id/config、GET /sim_id/config/realtime、GET /sim_id/config/download、POST /generate-profiles、GET /script/name/download运行控制POST /start、POST /stop、POST /close-env、POST /env-status实时数据GET /sim_id/run-status、GET /sim_id/run-status/detail、GET /sim_id/actions、GET /sim_id/timeline、GET /sim_id/agent-stats、GET /sim_id/posts、GET /sim_id/commentsAgent 访谈POST /interview、POST /interview/batch、POST /interview/all、POST /interview/history /api/report报告模块18 个方法端点说明POST/generate异步生成预测报告POST/generate/status查询生成进度GET/report_id获取报告GET/by-simulation/sim_id按仿真取报告GET/list报告列表GET/report_id/download下载 MarkdownDELETE/report_id删除报告POST/chat与报告 Agent 对话GET/report_id/progress报告进度GET/report_id/sections章节目录GET/report_id/section/index单章内容GET/check/sim_id检查报告状态GET/report_id/agent-logAgent 日志增量GET/report_id/agent-log/streamAgent 日志流GET/report_id/console-log控制台日志增量GET/report_id/console-log/stream控制台日志流POST/tools/search图谱语义检索调试用POST/tools/statistics图谱统计调试用写流水线时的 3 个实用技巧1️⃣ 异步端点统一用提交 轮询模式/graph/build、/simulation/prepare、/report/generate都是长耗时操作返回task_id后立即结束。轮询时建议指数退避2s → 4s → 8s且/prepare/status支持用simulation_id兜底查询——即使丢了task_id也能判断是否已就绪。2️⃣ 善用幂等设计/prepare与/report/generate都会自动检测是否已完成已完成时直接返回既有结果already_prepared: true所以流水线可以放心地重复执行而不产生脏数据需要重跑时传force_regenerate: true即可。3️⃣ 用 realtime 端点做前端进度条/profiles/realtime与/config/realtime会返回is_generating、total_expected等元信息是前端生成中动效的数据源/run-status提供progress_percent与total_actions_count直接映射到进度条和实时动态流。小结MiroFish-Offline 的 45 个 REST 端点按图谱 → 仿真 → 报告三层清晰划分/api/graph负责把文档变成知识图谱/api/simulation负责 Agent 生成与仿真运行监控/api/report负责把仿真结果沉淀为可对话的预测报告。掌握本文的五步调用链后你完全可以用几十行脚本把整条舆论仿真流水线自动化——比如每天定时抓取新闻稿、自动推演舆论走向、批量访谈 Agent 生成民调数据 相关代码位置路由注册 backend/app/init.py、图谱模块 backend/app/api/graph.py、仿真模块 backend/app/api/simulation.py、报告模块 backend/app/api/report.py、运行脚本 backend/scripts/【免费下载链接】MiroFish-OfflineOffline multi-agent simulation prediction engine. English fork of MiroFish with Neo4j Ollama local stack.项目地址: https://gitcode.com/gh_mirrors/mi/MiroFish-Offline创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考