MarketFish – 128体のAI消費者で市場をシミュレーションし、ローンチ前に検証
MarketFish – Simulate a market with 128 AI consumers before you launch (github.com)
要約
MarketFishは、ローンチ前に製品が市場でどのように受け入れられるかを予測するためのマルチエージェント市場シミュレーションエンジンです。128体以上のAI消費者を個別のペルソナ、予算、感情、バイアスを持たせて構築し、30回の購入サイクルを通じて製品の成功確率、顧客維持率、社会的影響を分析します。6つの学術論文と11のLLMプロバイダーに基づいており、製品アイデアの検証や市場調査に活用できます。
全文翻訳
🐟 MarketFish
推測するな。シミュレーションしろ。
ローンチ前に、何百ものAI消費者に財布の紐を緩めてもらいましょう。
MarketFishは、マルチエージェント市場シミュレーションエンジンです。「この製品は成功するか?」と単一のLLMに尋ねる代わりに、128体以上のAI消費者 — それぞれが独自のアイデンティティ、予算、感情、バイアスを持つ — を擁するデジタル市場を構築し、30ラウンドにわたって買い物をさせます。彼らの購買決定、解約パターン、社会的影響は、実際のユーザーがどう行動するかを明らかにします。
6つの学術論文(Generative Agents, OASIS, TwinMarket, Agent Bazaar, EconSimulacra, SMIF)と11のLLMプロバイダーに基づいて構築されています。
クイックスタート
git clone https://github.com/Key-wxh/market-fish.git
cd market-fish
cp .env.example .env
# .envを編集 — 少なくとも1つのLLM APIキーを追加(DeepSeekが最も安価)
pip install -r requirements.txt
streamlit run streamlit_app.py
http://localhost:8501 を開き → モードを選択 → 実行します。
スクリーンショット
[画像: Products] [画像: Evidence] [画像: Agents]
[画像: Agent Graph] [画像: RL Strategy] [画像: Coupling]
仕組み
シードデータ(静的JSON) → 5段階パイプライン
1. オントロジー — 市場構造を抽出
2. ナレッジグラフ — エンティティ、関係性、ペインポイント
3. エージェントファクトリー — 128体の異種AI消費者(6つのLLM)
4. シミュレーション — 30ラウンド:決定、連携、RL、メモリ
5. レポート — エビデンス:誰が購入したか、なぜか、競合を潰したのは何か
V6モジュール(6つの論文を実装)
| モジュール | 論文 | 機能 |
|---|---|---|
| メモリ | Generative Agents (UIST 2023) | エージェントは購入履歴、後悔、考察を記憶する |
| タイムエンジン | OASIS (2025) | 現実的な24時間のアクティベーション — 全員が毎ラウンド活動するわけではない |
| RecSys | OASIS (2025) | パーソナライズされた製品レコメンデーション |
| BDI v2 | TwinMarket (NeurIPS 2025) | 6段階の認知ループ + 行動バイアス |
| ストレス | EconSimulacra (2026) | 経済的/社会的なプレッシャー → 支払い意欲の調整 |
| グラウンディング | SMIF (ETASR 2026) | RAG + ルール制約による現実的な意思決定 |
モード
| モード | 入力 | 出力 |
|---|---|---|
| 🔍 Explore | シードデータ | AIが製品の方向性を発見し、ランク付け |
| ✅ Validate | あなたの製品アイデア | 生存スコア、バイヤープロファイル、最適な価格 |
| ⚔️ Hybrid | あなたの製品 + データ | あなたのアイデア vs AI競合、同じサンドボックスで |
サポートされているLLMプロバイダー
11のプロバイダー。1つあれば十分です。多いほどエージェントの多様性が増します。
| 🇨🇳 中国 | DeepSeek, Qwen, Doubao, Zhipu, Baidu, Hunyuan | | 🌍 グローバル | OpenAI, Anthropic, Google, Mistral, Meta |
CLI
python run.py --mode explore # 方向性を発見
python run.py --mode validate --name "My App" --pricing "$10" # アイデアをテスト
python run.py --mode explore --reuse-agents # エージェントを再利用(コスト削減)
プロジェクト構造
market-fish/
├── engine/ # コアエンジン(20+モジュール)
│ ├── simulator.py, agent_factory.py # シミュレーションコア
│ ├── agent_store.py, memory.py # V6: 持続性 + メモリ
│ ├── temporal.py, recsys.py # V6: 時間 + レコメンデーション
│ ├── bdi_v2.py, stress.py, grounding.py # V6: 認知 + ストレス + 検証
├── config/ # モデルレジストリ + パラメータ
├── locales/ # EN/ZH i18n(300+キー)
├── tests/ # 26/26 テスト
├── streamlit_app.py # ダッシュボード
├── run.py # CLI
└── .env.example # APIキーテンプレート
学術的基盤
| 論文 | 会場 | ID | モジュール |
|---|---|---|---|
| Generative Agents | UIST 2023 | 2304.03442 | Memory |
| OASIS | 2025 | 2411.11581 | RecSys + TimeEngine |
| SMIF | ETASR 2026 | 10.48084/etasr.16536 | Grounding |
| Agent Bazaar | Princeton 2026 | 2605.17698 | RL |
| TwinMarket | NeurIPS 2025 | 2502.01506 | BDI v2 |
| EconSimulacra | 2026 | 2606.26883 | Stress |
vs MiroFish
MiroFish(5.5k ⭐)は最も有名なマルチエージェントシミュレーションエンジンです。どちらのプロジェクトもAIエージェントで社会的/市場行動をシミュレートしますが、焦点が異なります:
| MiroFish | MarketFish | |
|---|---|---|
| スコープ | 一般的なソーシャルシミュレーション | 製品市場予測 |
| アーキテクチャ | Flask + Node.js + Docker | Streamlitシングルアプリ |
| メモリ | Zep Cloud(外部サービス) | 内蔵(ローカルJSON、外部依存なし) |
| LLM | OpenAI互換のみ | 11プロバイダー(中国 + グローバル) |
| データ | ユーザーアップロードドキュメント | 8ソースライブ取り込みパイプライン |
| 言語 | EN/ZH | EN/ZH |
| ライセンス | AGPL-3.0 | MIT |
ライセンス
MIT — 個人および商用利用は無料です。
Keystart AI · ソロファウンダー · AIネイティブ による開発