Introdução
Você já viu acontecer: uma empresa anuncia uma nova política, uma celebridade faz uma declaração polêmica, uma notícia inesperada surge. As mídias sociais explodem, e as consequências se espalham rapidamente e de forma imprevisível.
E se fosse possível antecipar como um cenário desses se desenrola antes que aconteça no mundo real?
MiroFish é uma plataforma de simulação de IA multiagente que responde perguntas do tipo "e se" sobre mídias sociais. Ela permite criar um mundo digital paralelo com centenas de agentes de IA, cada um com personalidade, memória e comportamento próprios. Você faz upload de materiais — artigos, políticas, pesquisas — e o MiroFish simula, ao longo do tempo, como diferentes públicos podem reagir.
💡 Dica prática: Toda a API do MiroFish foi projetada, testada e documentada usando Apidog. Desde o design de endpoints até a validação das respostas, Apidog foi a fonte de verdade para o contrato backend/frontend durante o desenvolvimento.
Neste guia, você verá o que o MiroFish faz, como funciona a simulação multiagente, e como implementar um cenário passo a passo.
Que Problema o MiroFish Resolve?
A Lacuna de Previsão
Mídias sociais reagem rápido e de forma inesperada. Ferramentas tradicionais olham para trás:
- Análise de sentimento: mostra o que pensam agora
- Monitoramento de tendências: o que está popular hoje
- Engajamento: mede o que já aconteceu
Mas nenhuma dessas ferramentas mostra o que pode acontecer se você publicar algo novo.
Mundos Paralelos Digitais
MiroFish resolve isso criando um ambiente simulado:
- Gera um grafo de conhecimento a partir dos documentos enviados
- Extrai entidades (pessoas, organizações, veículos de mídia) e cria agentes de IA
- Atribui personalidades conforme os dados extraídos (níveis de atividade, influência, postura)
- Executa a simulação: agentes postam, comentam e reagem ao longo de horas ou dias simulados
- Analisa os resultados: mostra formação de narrativas, vozes dominantes e surgimento de contramovimentos
É um simulador de voo — mas para cenários de mídia social.
Como o MiroFish Funciona: Fluxo de Trabalho em 5 Etapas
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Etapa 1 │ ──► │ Etapa 2 │ ──► │ Etapa 3 │ ──► │ Etapa 4 │ ──► │ Etapa 5 │
│ Geração de │ │ Construção │ │ Configuração│ │ Simulação │ │ Geração de │
│ Ontologia │ │ GraphRAG │ │ do Ambiente│ │ Execução │ │ Relatório │
└─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘
Etapa 1: Geração de Ontologia
- Analise seus documentos e requisitos de simulação.
- Um LLM gera uma ontologia personalizada com:
- 10 tipos de entidade (ex: Estudante, Professor, Universidade, Mídia, Governo)
- 10 tipos de relacionamento (ex: TRABALHA_PARA, COMENTA_SOBRE)
- Atributos customizados para cada tipo
- A estrutura tem 8 tipos específicos + 2 genéricos (
Pessoa,Organização) para cobrir tudo.
Etapa 2: Construção GraphRAG
- Os documentos são divididos em blocos (500 caracteres, sobreposição de 50).
- Envie para o Zep Cloud em lotes.
- Fluxo prático:
- Crie um grafo autônomo (ID exclusivo)
- Defina a ontologia
- Envie o texto para extração de entidades/relacionamentos
- Aguarde processamento do Zep
- Recupere o grafo final com nós e arestas
Resultado: grafo de conhecimento com centenas/milhares de entidades conectadas.
Etapa 3: Configuração do Ambiente
- O gerador de configuração cria parâmetros detalhados:
- Tempo: segue padrões de fuso horário chinês, picos e horários mortos
- Eventos: define posts iniciais, tópicos quentes
- Atividade dos agentes: posts/hora, delays de resposta, influência
- Plataformas: configura limites virais para Twitter e Reddit
Etapa 4: Execução da Simulação
- Agentes ativam conforme seu horário de atividade.
- Postam, comentam e reagem em Twitter e Reddit em paralelo.
- Todas as ações são registradas em arquivos JSONL em tempo real.
Simulações de 72h geram milhares de ações por plataforma.
Etapa 5: Geração de Relatórios
- O Agente de Relatórios usa três ferramentas:
- InsightForge: busca aprofundada via subconsultas
- PanoramaSearch: visão global, incluindo fatos expirados
- InterviewAgents: entrevistas em tempo real com agentes via IPC
O relatório resume narrativa, momentos chave, influenciadores e contramovimentos.
O Que São Agentes de IA no MiroFish?
Cada agente é independente e parametrizável:
| Atributo | Descrição | Exemplo |
|---|---|---|
| Identidade | Nome, usuário, bio | “@ZhangWei_Estudante” |
| Persona | Personalidade e histórico | “Estudante de pós-graduação em IA” |
| Nível de Atividade | Frequência de postagens (0.0–1.0) | 0.8 = muito ativo |
| Horas Ativas | Quando está online | [8, 9, 10, 11, 18, 19, 20, 21, 22, 23] |
| Atraso de Resposta | Rapidez para reagir (minutos) | 5–30 min |
| Peso de Influência | Probabilidade de outros visualizarem seus posts | 0.8 (baixo) a 3.0 (alto) |
| Posição | Postura sobre tópicos | Apoiador, opositor, neutro, observador |
| Memória | Ações e interações passadas | Armazenado no grafo Zep Cloud |
Os agentes tomam decisões autônomas — postam, comentam e respondem de acordo com sua personalidade e contexto da simulação.
O Que Você Pode Simular?
Notícias e Políticas
- Faça upload de políticas ou notícias.
- Simule reações de stakeholders:
- Quem amplifica, quem critica, como evolui a narrativa em 24–72h.
Pesquisa Acadêmica
- Faça upload de artigos científicos.
- Simule repercussão acadêmica e pública:
- Quais descobertas chamam atenção? Quem entende errado? Como especialistas e leigos reagem?
Cenários de Crise
- Faça upload de relatórios ou materiais de incidente.
- Teste estratégias de resposta:
- O que muda se responder rápido vs. esperar? Quais contranarrativas surgem?
Análise Literária e Histórica
- Faça upload de romances ou textos históricos.
- Simule alternativas de “e se”:
- Como personagens reagiriam a novos eventos? Quais relações mudam a trama?
O Que Torna o MiroFish Diferente?
Inteligência de Enxame
- Em vez de um agente só, use centenas com personalidades distintas.
- Comportamento emergente: narrativas e movimentos surgem das interações, não de scripts fixos.
Simulação em Duas Plataformas
- Twitter: viralização rápida, influência de grandes contas
- Reddit: discussões em tópicos, narrativa puxada pela comunidade
Compare dinâmicas e veja como a plataforma afeta o resultado.
Grafo de Conhecimento Temporal
- Relacionamentos têm metadados:
-
valid_at,invalid_at,expired_at
-
- Permite rastrear evolução dos relacionamentos, não só o estado atual.
Entrevista com Agentes ao Vivo
- Durante ou após a simulação, entreviste agentes ativos.
- Obtenha insights qualitativos além dos números.
Arquitetura Técnica Resumida
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ Frontend │ │ Backend │ │ Serviços │
│ (Vue.js) │ ◄─► │ (FastAPI) │ ◄─► │ Externos │
│ │ │ │ │ │
│ - Construtor de │ │ - API REST │ │ - Zep Cloud │
│ grafo │ │ - Gerenciamento │ │ - API LLM │
│ - Monitor de │ │ de subprocesso│ │ - Estrutura │
│ simulação │ │ - Stream JSONL │ │ OASIS │
│ - Visualizador │ │ │ │ │
│ de relatório │ │ │ │ │
└─────────────────┘ └─────────────────┘ └─────────────────┘
Backend
- Python FastAPI: endpoints REST
- OASIS Framework: simulação de agentes
- Zep Cloud: armazenamento do grafo de conhecimento
- SQLite: banco de dados de estado
Frontend
- Vue.js 3: UI reativa
- WebSocket: atualizações em tempo real
- D3.js: visualização do grafo
Design de API com Apidog
O backend expõe 40+ endpoints em 5 serviços:
| Serviço | Endpoints | Propósito |
|---|---|---|
| Construção de Grafo | 8 | Geração de ontologia, upload, consulta status |
| Leitor de Entidades | 4 | Filtragem, seleção, exportação |
| Gerador de Configurações | 6 | Configuração de tempo/evento/agente/plataforma |
| Executor de Simulação | 12 | Iniciar, parar, monitorar, entrevistar, gerenciar |
| Gerador de Relatórios | 5 | Recuperação, análise, sumarização |
Apidog foi usado para modelar e testar todos os endpoints, simular respostas para o frontend e gerar documentação de API. Isso reduziu bugs de integração e acelerou o desenvolvimento.
Quando Usar o MiroFish?
Bons Casos de Uso
- Planejamento de cenários: “E se anunciarmos X?”
- Análise de stakeholders: “Como grupos reagem a Y?”
- Rastreamento de narrativa: “Quais contra-argumentos surgem?”
- Validação de pesquisa: “Nossas hipóteses sobre público se confirmam?”
- Exploração educacional: “Como figuras históricas reagiriam a eventos modernos?”
Casos Não Recomendados
- Previsão exata: Mostra possibilidades, não certezas.
- Monitoramento em tempo real: Não rastreia mídias sociais ao vivo.
- Análises pequenas: O sistema é ideal para cenários com múltiplos agentes.
- Modelos não sociais: Não serve para sistemas econômicos ou físicos.
Começando com o MiroFish
Requisitos
- Python 3.10+
- Node.js 18+
- Chave de API Zep Cloud
- Acesso à API LLM (compatível com OpenAI)
Início Rápido
# Clone o repositório
git clone https://github.com/666ghj/MiroFish.git
cd MiroFish
# Instale as dependências
pip install -r requirements.txt
npm install
# Configure o ambiente
cp .env.example .env
# Edite .env com suas chaves de API
# Inicie o backend
python backend/app/main.py
# Inicie o frontend
npm run dev
Primeira Simulação
- Faça upload dos documentos: PDFs, TXTs ou Markdown com o material de origem
- Defina requisitos: Qual pergunta você quer explorar?
- Gere ontologia: O sistema analisa e sugere tipos de entidade
- Construa o grafo: Extraia entidades e relacionamentos
- Configure e execute: Defina duração e inicie a simulação
- Monitore e entreviste: Veja ações em tempo real e entreviste agentes
- Gere o relatório: Resumo completo do que aconteceu
Tempo estimado: 30–60 minutos para rodar uma simulação do zero.
Perguntas Frequentes
Quão precisas são as simulações?
MiroFish explora cenários plausíveis conforme dados e modelos comportamentais, mas não prevê resultados exatos. Use para descobrir dinâmicas inesperadas.
Quantos agentes podem ser simulados?
Normalmente 50–200 agentes. Simulações maiores (500+) exigem mais recursos.
Posso personalizar comportamento dos agentes?
Sim. Altere padrões de atividade, influência e postura. Para usuários avançados, edite configurações diretamente.
Suporta cenários não chineses?
O padrão é para mídias chinesas, mas você pode customizar padrões de atividade para outras regiões no setup de tempo.
Meus dados são privados?
Os documentos são processados localmente e enviados ao Zep Cloud apenas para extração de entidades. Para dados sensíveis, use alternativas locais de banco de dados de grafo.
Conclusão
O MiroFish permite simular cenários de mídias sociais em mundos digitais paralelos, testando hipóteses antes que eventos ocorram no mundo real. Ao orquestrar centenas de agentes de IA, revela narrativas emergentes e dinâmicas que ferramentas tradicionais não capturam.
Seja para planejamento de políticas, pesquisa comportamental ou análise literária, o MiroFish oferece uma nova perspectiva para entender dinâmicas sociais complexas.
Top comments (0)