多Agent人群模拟的中国商业预测平台 — 10,000+ 虚拟消费者，模拟真实市场行为，预测商业趋势。
传统市场调研耗时数周、花费数十万，且样本有限。天眼用 AI 生成 10,000+ 虚拟消费者，在几分钟内模拟真实市场行为，让商业决策从"猜测"变为"预测"。
核心理念： 基于人口统计学 + 大语言模型 + 多 Agent 协作，构建一个虚拟的中国市场。
| 功能 | 说明 |
|---|---|
| 🧑🤝🧑 虚拟人群生成 | 基于人口统计学数据，生成 10,000+ 虚拟消费者，覆盖年龄、性别、收入、城市、消费习惯、价值观等维度 |
| 🛒 行为模拟 | 模拟购买、评价、分享、退货、复购等真实消费行为链 |
| 📈 市场预测 | 预测新产品上市、营销活动、品牌联名等场景的市场反应 |
| ⚔️ 竞品分析 | 模拟消费者在多个竞品之间的选择过程与迁移路径 |
| 💰 定价优化 | 模拟不同定价策略下的销量、利润、市场份额变化 |
| 📋 报告生成 | 自动生成包含数据图表、趋势分析、策略建议的市场分析报告 |
┌─────────────────────────────────────────────────────────┐
│ 👁️ 天眼 平台 │
├─────────────┬─────────────┬──────────────┬──────────────┤
│ 人群引擎 │ 行为引擎 │ 预测引擎 │ 报告引擎 │
│ Population │ Behavior │ Prediction │ Report │
│ Generator │ Simulator │ Engine │ Generator │
├─────────────┴─────────────┴──────────────┴──────────────┤
│ 🤖 多 Agent 协调层 │
│ (Orchestrator / Supervisor / Worker) │
├─────────────────────────────────────────────────────────┤
│ 🧠 LLM 推理层 │
│ (GPT-4 / Claude / DeepSeek / 本地模型) │
├─────────────────────────────────────────────────────────┤
│ 📊 数据层 │
│ (人口统计 / 消费数据 / 社交媒体 / 电商数据 / 行业报告) │
└─────────────────────────────────────────────────────────┘
天眼采用多 Agent 架构，每个 Agent 负责特定职责：
- 🎭 Persona Agent — 生成和管理虚拟消费者人格
- 🛒 Behavior Agent — 模拟消费行为决策过程
- 📊 Analysis Agent — 汇总分析群体行为数据
- 📝 Report Agent — 生成可读的市场分析报告
- 🎯 Strategy Agent — 基于预测结果提出商业策略建议
- 人口分布建模 — 基于国家统计局数据，构建多维人口分布模型
- 消费者画像生成 — 使用 LLM 为每个虚拟消费者赋予独特的人格、偏好、消费历史
- 行为决策树 — 模拟"需求识别 → 信息搜索 → 方案评估 → 购买决策 → 购后评价"完整链路
- 群体涌现 — 从个体行为中涌现出市场趋势、口碑传播、羊群效应等宏观现象
git clone https://github.com/MoKangMedical/tianyan.git
cd tianyan
pip install -r requirements.txtcp .env.example .env
# 编辑 .env，填入你的 LLM API Keyfrom tianyan import Tianyan
# 初始化天眼
eye = Tianyan(api_key="your-api-key")
# 生成虚拟人群
population = eye.generate_population(n=10000, region="全国")
# 定义产品
product = eye.create_product(
name="元气森林·夏限定",
category="饮料",
price=5.5,
features=["0糖0卡", "白桃味", "限定包装"]
)
# 模拟市场反应
result = eye.simulate(population, product, duration_days=30)
# 查看预测结果
print(result.summary())
# → 预测首月销量: 120万瓶
# → 核心人群: 18-30岁女性，一线城市
# → 预测好评率: 87.3%
# → 社交传播系数: 2.4x
# 生成报告
result.generate_report("output/report.pdf")# 生成人群
tianyan population generate --size 10000 --region 华东
# 运行模拟
tianyan simulate --product product.yaml --population population.json --days 30
# 生成报告
tianyan report --input results.json --format pdf --output report.pdf模拟新产品在不同人群中的接受度，预测首月/首季销量，识别核心用户群。
测试不同价格点对销量和利润的影响，找到最优定价区间。
模拟 KOL 推荐、社交媒体广告、线下活动等不同营销策略的效果。
模拟消费者在你的产品和竞品之间的选择，发现差异化机会。
按城市等级、地理区域分析市场差异，制定本地化策略。
基于虚拟人群的消费行为变化，预测行业未来 6-12 个月的趋势。
# 初始化
eye = Tianyan(api_key="...", model="gpt-4")
# === 人群生成 ===
population = eye.generate_population(
n=10000, # 人群数量
region="全国", # 区域：全国/华东/华南/华北/西南/...
age_range=(18, 65), # 年龄范围
income_level="mixed" # 收入水平：low/mixed/high
)
# === 产品定义 ===
product = eye.create_product(
name="产品名称",
category="品类",
price=99.0,
features=["特性1", "特性2"],
brand="品牌名",
channel=["线上", "线下"] # 销售渠道
)
# === 市场模拟 ===
result = eye.simulate(
population=population,
product=product,
duration_days=30, # 模拟天数
competitors=[...], # 可选：竞品列表
marketing_budget=100000, # 可选：营销预算
channels=["抖音", "小红书", "天猫"] # 可选：营销渠道
)
# === 结果分析 ===
result.summary() # 文字摘要
result.daily_sales() # 每日销量曲线
result.user_segments() # 用户分群结果
result.sentiment_analysis() # 情感分析
result.word_cloud() # 评价词云
result.generate_report(path) # 生成完整报告| 方法 | 端点 | 说明 |
|---|---|---|
| POST | /api/v1/population/generate |
生成虚拟人群 |
| POST | /api/v1/product/create |
创建产品 |
| POST | /api/v1/simulation/run |
运行市场模拟 |
| GET | /api/v1/simulation/{id}/status |
查询模拟状态 |
| GET | /api/v1/simulation/{id}/results |
获取模拟结果 |
| POST | /api/v1/report/generate |
生成分析报告 |
| GET | /api/v1/reports |
获取报告列表 |
启动服务后访问：
- Swagger UI:
http://localhost:8000/docs - ReDoc:
http://localhost:8000/redoc
# 构建并启动
docker-compose up -d
# 或单独构建
docker build -t tianyan .
docker run -d -p 8000:8000 -e OPENAI_API_KEY=your-key tianyan当前仓库已经包含：
miniprogram/：微信小程序前端mock_backend/：本地演示后端与静态音视频资产campaigns/：商业模式、小红书、抖音、数字人宣传页面
正式后端对外接口：
GET /api/healthPOST /api/v1/report/generatePOST /api/v1/media/audioPOST /api/v1/media/video
本地开发可直接启动：
python3 demo_server.py然后让小程序连接：
http://127.0.0.1:8000
如果未配置 DEEPSEEK_API_KEY 或 COMFYUI_BASE_URL，服务会自动回退到本地演示资产，但接口格式保持不变。
仓库已经包含 GitHub Pages 发布链路：
scripts/build_github_pages.py.github/workflows/ci.yml
行为是：
- Pull Request 和 push 都先跑测试
- 只有
main分支 push 且测试通过后，才会自动发布 Pages
启用方法：
- 推送当前改动到 GitHub
- 打开仓库
Settings -> Pages - 将 Source 设为
GitHub Actions
# 安装依赖
pip install -r requirements.txt
# 配置环境变量
cp .env.example .env
vim .env
# 启动服务
python -m tianyan serve --host 0.0.0.0 --port 8000支持部署到以下平台：
- AWS: 使用 ECS/EKS + RDS
- 阿里云: 使用 ACK + RDS
- 腾讯云: 使用 TKE + CDB
- Vercel/Netlify: 仅前端展示页面
详细部署文档见 docs/deployment.md
tianyan/
├── README.md # 本文件
├── requirements.txt # Python 依赖
├── .env.example # 环境变量模板
├── docker-compose.yml # Docker 编排
├── Dockerfile # Docker 配置
├── tianyan/ # 核心源码
│ ├── __init__.py
│ ├── population.py # 人群生成模块
│ ├── agents.py # 多 Agent 系统
│ ├── scenarios.py # 场景引擎
│ ├── report_generator.py # 报告生成
│ └── cli.py # 命令行工具
├── src/
│ ├── population_generator.py # 人群生成器
│ └── market_simulator.py # 市场模拟器
├── data/
│ └── virtual-population.json # 虚拟人群数据模板
├── docs/
│ └── methodology.md # 方法论文档
├── examples/
│ └── new-product-launch.md # 新产品上市案例
├── tests/ # 测试用例
└── index.html # 项目展示页
天眼的预测结果经过以下验证：
- 历史回测：对过去 3 年 50+ 新产品上市数据进行回测，预测准确率 78%+
- 人群真实性：虚拟人群的消费行为分布与中国统计年鉴数据吻合度 92%+
- A/B 测试：与真实市场调研结果对比，趋势一致性 85%+
详细方法论见 docs/methodology.md
欢迎贡献！请查看 CONTRIBUTING.md 了解开发规范。
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/your-feature) - 提交更改 (
git commit -m 'feat: add your feature') - 推送分支 (
git push origin feature/your-feature) - 创建 Pull Request
| 项目 | 定位 |
|---|---|
| OPC Platform | 一人公司全链路学习平台 |
| Digital Sage | 与100位智者对话 |
| Cloud Memorial | AI思念亲人平台 |
| 天眼 Tianyan | 市场预测平台 |
| MediChat-RD | 罕病诊断平台 |
| MedRoundTable | 临床科研圆桌会 |
| DrugMind | 药物研发数字孪生 |
| MediPharma | AI药物发现平台 |
| Minder | AI知识管理平台 |
| Biostats | 生物统计分析平台 |
本项目采用 MIT License 开源许可证。
- 中国国家统计局公开数据
- OpenAI / Anthropic / DeepSeek 提供的 LLM 能力
- 所有贡献者和社区成员
👁️ 天眼 — 让数据说话，让预测可靠
用 AI 虚拟人群，看见市场的未来