MiroFlow是MiroMind 團隊公開的一個高性能多 Agent 框架。它讓各種大模型變成像 Openai Deep Research 那樣能做深度研究的 AI 助手。簡單說，它能讓模型像人做研究一樣，自己安排步驟、用工具、檢查結果，完成多步的復雜任務。

MiroFlow核心能力

• 多工具協作：能結合網頁搜索、Python 運行、讀文件、調代碼、畫圖等工具，整個流程都能用上。

• 主-子 Agent 分工：主 Agent 把任務拆開，分給會瀏覽、會寫代碼、會算數的子 Agent，最后收結果。這樣能同時做不同事，也更專業。

• 高并發和容錯：用異步隊列加上重試、超時、回滾，就算接口卡住或者網絡不穩，也能順利做完。

• 透明可解釋：有個網頁面板，左邊實時看模型的思路過程和用了什么工具，右邊看最終答案，方便查問題和建立信任。

• 流式輸出：模型的思考、工具進度、中間結果能馬上看到，用起來更像 ChatGPT 的高級模式。

關鍵指標

• 在 GAIA 深度研究測試中，通過率是 72.2%–82.4%，這是現在能復現的最好成績的開源 Agent 框架。

• 部署花費低：用開源的 MiroThinker 模型，一張 RTX 4090 就能跑全套服務，不用買收費的閉源模型。

MiroFlow使用場景

• 學術研究：自動找文獻、抓重點、寫綜述，還能幫忙做實驗。

• 商業分析：把財報、新聞、社交數據放一起，做出投資報告或競爭分析。

• 教育或編程：幫做作業、寫代碼和改錯、畫數據圖。

MiroFlow生態系統

MiroFlow 屬于 MiroMind AI 生態的一部分，這個生態還有別的東西：

• MiroThinker：開源的基礎模型，本來就能配合工具推理。

• MiroVerse：有 14.7 萬條高質量開源訓練數據，用來研究智能體訓練。

• MiroTrain / MiroRL：幫做智能體模型訓練和穩定的工具。

MiroFlow快速開始

1. 克隆倉庫并設置環境：

git clone https://github.com/MiroMindAI/MiroFlow && cd MiroFlow
uv sync

2. 配置 API 密鑰：

cp .env.template .env
# 編輯 .env 并添加 OPENROUTER_API_KEY

3. 運行第一個智能體：

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"

GitHub 倉庫： https://github.com/MiroMindAI/Miroflow

演示：https://miromindai.github.io/MiroFlow/