项目介绍
MiroThinker 面向需要检索和推理的任务。评估时应关注能否返回可追溯证据、是否区分事实与推测,以及运行所需的模型和搜索资源。
MiroThinker 将模型推理与外部检索、工具调用和结果复核结合,面向需要反复查资料的研究任务。实际效果取决于模型、检索工具、运行预算和信息来源,公开评测成绩不能直接推导为家庭设备上的速度与成本。
核心功能
| 功能 | 作用与使用方式 |
|---|---|
| 检索调用 | 取得外部材料 |
| 多步推理 | 根据结果继续调查 |
| 证据核对 | 检查引用可访问性 |
| 执行轨迹 | 观察工具与失败 |
| 资源评估 | 记录模型与搜索开销 |
功能示意

图 1:自制功能示意图,概括本文的使用要点。
项目信息
| 项目 | 说明 |
|---|---|
| 类型 | 项目指南 |
| 分类 | AI 与开发 |
| 项目仓库 | MiroMindAI/MiroThinker |
| 整理日期 | 2026-11-14 |
安装与运行
在 Linux 或 WSL 准备 Git、uv 和项目要求的 Python。下面使用外部 GPT 模型,避免把本地大模型推理需求误写成群晖单容器部署。
1. 安装和初始化
git clone https://github.com/MiroMindAI/MiroThinker.git
cd MiroThinker/apps/miroflow-agent
uv sync
if [ ! -e .env ]; then cp .env.example .env; fi
chmod 600 .env
2. 第一次使用
在自己的 .env 中填写 OPENAI_API_KEY,以及任务实际启用的搜索/网页读取工具所需的 Key。配置完成后执行:
uv run python main.py llm=gpt-5 agent=single_agent_keep5
先输入一个可人工查证的小问题,检查搜索引用与调用次数,再运行多步研究任务。
SERPER、JINA、E2B 等是不同工具的账号,不是任意一个 Key 都能替代。缺少某工具时先调整对应 agent 配置;预算和模型上下文应按供应商限制设置。
常见问题
- 命令不存在:确认依赖已安装,关闭并重新打开终端,再检查实际使用的环境。Python 虚拟环境与系统 Python、Windows 与 WSL 的工具路径各自独立。
- 下载依赖失败:先查看具体失败的仓库和包名,检查该终端的网络;浏览器能访问不代表命令行已使用同一代理。
- 配置后仍报错:从当前项目目录启动,检查配置文件名、变量名和日志。真实账号与 API Key 放在本机私有配置中,不复制到公开教程或截图。
更新与备份
更新前保存项目配置、输入资料和输出结果。源码项目记录当前提交与依赖锁文件,比较新版本说明后再更新;安装包项目保留可回退的版本号。服务账号的授权与模型账单在对应平台管理,删除本地目录不会自动撤销授权。