admin123
/
ai-doc
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
ai-doc/agent选型/MiroFlow.md

11 KiB
Raw Blame History

MiroFlow

文档 演示 模型 数据

博客 GITHUB DISCORD 微信 小红书

image

这个仓库是MiroMind研究智能体项目的官方开源仓库。它是一个高性能、完全开源的研究智能体系统，旨在执行多步骤的互联网深度研究，用于解决复杂问题（例如：进行未来事件预测）。该项目目前包含四个核心组件：

  • 🤖 MiroFlow：一个开源研究智能体框架，在代表性基准（如 FutureX、GAIA、HLE、xBench-DeepSearch、BrowserComp）上实现了可复现的最高性能（代码详见本仓库）。动手尝试一下 [5分钟快速上手]。
  • 🤔 MiroThinker：一个开源智能体基座模型，原生支持工具辅助推理。详见 MiroThinker。
  • 📊 MiroVerse：14.7万条高质量开源训练数据，用于研究智能体训练。详见 MiroVerse。
  • 🚧 MiroTrain / MiroRL：支持研究智能体模型稳定高效训练的基础设施。详见 MiroTrain / MiroRL。

📋 目录

📰 最近更新

  • [2025-09-15]: 🎉🎉 MiroFlow v0.3：简化仓库代码架构，提升基准测试表现，使 GPT-5 的未来事件预测准确率提高 11%。MiroFlow 现已在未来预测基准中排名第一。详见 FutureX。
  • [2025-08-27]: MiroFlow v0.2：在多个重要的智能体基准测试上达到最高性能，且这些性能均可通过本仓库代码复现，包括 HLE (27.2%)、HLE-Text-Only (29.5%)、BrowserComp-EN (33.2%)、BrowserComp-ZH (47.1%)、xBench-DeepSearch (72.0%)。
  • [2025-08-26]: 发布了 GAIA 验证轨迹 (73.94% pass@1) 和用于本地部署的 Gradio 演示。
  • [2025-08-08]: MiroFlow v0.1：研究智能体框架首次完整开源发布。

🚀 5分钟快速上手

📋 前置条件

  • Python: 3.12 或更高版本
  • 包管理器: uv
  • 操作系统: Linux, macOS

⚡ 快速设置

示例: 带文档处理能力的智能文档分析。

# 1. 克隆并设置
git clone https://github.com/MiroMindAI/MiroFlow && cd MiroFlow
uv sync

# 2. 配置 API 密钥
cp .env.template .env
# 编辑 .env 并添加您的 OPENROUTER_API_KEY

# 3. 运行您的第一个智能体
uv run main.py trace --config_file_name=agent_quickstart_reading --task="What is the first country listed in the XLSX file that have names starting with Co?" --task_file_name="data/FSI-2023-DOWNLOAD.xlsx"

🎉 预期输出: 您的智能体应该返回 \boxed{Congo Democratic Republic} 😊

💡 提示: 如果遇到问题，请检查您的 API 密钥是否在 .env 文件中正确设置，以及是否安装了所有依赖项。

🤖 什么是 MiroFlow？

MiroFlow 是一个高性能、模块化的研究智能体框架，能够在复杂推理任务（例如：未来事件预测）上实现最先进的效果。它支持多轮对话、高度集成的工具生态，以及分层子智能体调度，确保任务最优完成。了解更多请参见我们的 智能体框架介绍。

MiroFlow Architecture
Research Assistant Demo - 阅读CVPR 2025最佳论文并给出研究方向建议

🌟 核心亮点

  • 可复现的最先进性能：在 多个重要的智能体基准测试 上排名第一，包括 FutureX、GAIA、HLE、xBench-DeepSearch、BrowserComp。
  • 高并发与高可靠性：具备健壮的并发管理和容错设计，MiroFlow 能高效处理受限速 API 和不稳定网络，确保顺畅的数据收集和复杂任务的可靠执行。
  • 高性价比部署：基于开源的 MiroThinker 模型，MiroFlow 可以在单张 RTX 4090 上运行研究智能体服务，整个栈依赖于免费开源工具，便于部署、扩展和复现，详见 MiroThinker。

🔧 支持的模型与工具

✨ 基准测试性能

截至 2025 年 9 月 10 日，MiroFlow 在 FutureX 基准排行榜 上排名第一，使 GPT-5 的未来预测准确率提高了 11%。

image

我们在一系列基准测试上对 MiroFlow 进行了评估，包括 GAIA、HLE、BrowseComp 和 xBench-DeepSearch，并取得了目前最好的的结果。

image
模型/框架 GAIA Val HLE HLE-Text BrowserComp-EN BrowserComp-ZH xBench-DeepSearch
MiroFlow 82.4% 27.2% 29.5% 33.2% 47.1% 72.0%
OpenAI Deep Research 67.4% 26.6% - 51.5% 42.9% -
Gemini Deep Research - 26.9% - - - 50+%
Kimi Researcher - - 26.9% - - 69.0%
WebSailor-72B 55.4% - - - 30.1% 55.0%
Manus 73.3% - - - - -
DeepSeek v3.1 - - 29.8% - - 71.2%

按照我们的详细指南在我们的基准测试文档中重现基准测试结果

❓ 常见问题

我需要什么 API 密钥？
您只需要一个 OpenRouter API 密钥即可开始。OpenRouter 通过单一 API 提供对多个语言模型的访问。
除了 OpenRouter，我可以使用其他语言模型吗？
是的，MiroFlow 支持各种语言模型。查看我们的文档了解配置详情。
如何重现基准测试结果？
按照我们详细的基准测试文档获取逐步重现指南。
是否有商业支持？
如需商业咨询和企业支持，请通过我们的官方网站联系我们。

🤝 贡献

我们欢迎社区的贡献！无论您是修复错误、添加功能还是改进文档，您的帮助都是受欢迎的。

  • 📋 问题反馈: 通过 GitHub Issues 报告错误或请求功能。
  • 🔀 拉取请求: 通过拉取请求提交改进。
  • 💬 讨论: 加入我们的 Discord 社区 进行问题讨论。

📄 许可证

本项目在 Apache License 2.0 下许可。

🙏 致谢

  • 基准测试贡献者 提供了综合评估数据集。
  • 开源社区 提供了使这一切成为可能的工具和库。

我们感谢所有帮助 MiroFlow 变得更好的贡献者：

加入我们的社区，帮助我们构建 AI 智能体的未来！

参考文献

技术报告即将发布！

@misc{2025mirothinker,
    title={MiroFlow: A High-Performance Open-Source Research Agent Framework},
    author={MiroMind AI Team},
    howpublished={\url{https://github.com/MiroMindAI/MiroFlow}},
    year={2025}
}

Star History Chart