Introducción
Lo ha visto suceder. Una empresa anuncia una nueva política. Una celebridad hace una declaración controvertida. Surge una noticia que nadie esperaba. Las redes sociales explotan y las consecuencias se extienden de formas que nadie predijo.
¿Qué pasaría si pudieras ver cómo se desarrolla un escenario antes de que suceda en el mundo real?
MiroFish es una plataforma de simulación de IA multiagente que responde a preguntas hipotéticas sobre las redes sociales. Crea un mundo paralelo digital donde cientos de agentes de IA con personalidades, recuerdos y patrones de comportamiento distintos interactúan libremente. Puedes cargar material de origen (un artículo de noticias, un borrador de política, un trabajo de investigación) y MiroFish simula cómo diferentes audiencias podrían reaccionar con el tiempo.
💡 El equipo de MiroFish construyó y probó todas las API de simulación utilizando Apidog. Desde el diseño de los puntos finales de construcción de gráficos hasta la validación de las respuestas de la API de entrevista, Apidog sirvió como la única fuente de verdad para el contrato backend/frontend durante todo el desarrollo.
Este explicador cubre qué hace MiroFish, cómo funciona la simulación multiagente y cuándo podrías usarlo.
¿Qué problema resuelve MiroFish?
La brecha de predicción
Las redes sociales se mueven rápido y reaccionan de formas impredecibles. Las herramientas de análisis tradicionales miran hacia atrás:
- El análisis de sentimientos te dice lo que la gente piensa ahora
- El monitoreo de tendencias te muestra lo que es popular hoy
- Las métricas de engagement miden lo que ya sucedió
Nada de esto te ayuda a ver lo que podría suceder si publicas ese anuncio, lanzas ese informe o respondes a esa controversia.
La alternativa: mundos paralelos digitales
MiroFish adopta un enfoque diferente. En lugar de analizar las redes sociales reales, crea una versión simulada:
- Construye un grafo de conocimiento a partir de tus documentos fuente
- Extrae entidades (personas, organizaciones, medios de comunicación) y las convierte en agentes de IA
- Asigna personalidades basándose en la información extraída (niveles de actividad, pesos de influencia, posiciones de postura)
- Ejecuta una simulación donde los agentes publican, comentan y reaccionan durante horas o días simulados
- Analiza el resultado para ver cómo se forman las narrativas, qué voces dominan y qué contramovimientos surgen
Piénsalo como un simulador de vuelo para escenarios de redes sociales.
Cómo funciona MiroFish: el flujo de trabajo de cinco pasos
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Paso 1 │ ──► │ Paso 2 │ ──► │ Paso 3 │ ──► │ Paso 4 │ ──► │ Paso 5 │
│ Generación │ │ Construcción │ │ Config. │ │ Ejecución │ │ Generación │
│ de la │ │ de GraphRAG │ │ del Ent. │ │ Simulación │ │ de Inf. │
│ Ontología │ │ │ │ │ │ │ │ │
└─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘
Paso 1: Generación de ontología
El sistema analiza tus documentos de entrada y los requisitos de simulación, luego usa un LLM para generar una ontología personalizada. Esto define:
- 10 tipos de entidad (Ej: Estudiante, Profesor, Universidad, MedioDeComunicación, AgenciaGubernamental)
- 10 tipos de relación (Ej: TRABAJA_PARA, COMENTA_SOBRE, RESPONDE_A)
- Atributos para cada tipo
La ontología impone una estructura de dos niveles: 8 tipos específicos basados en tu contenido y 2 tipos de reserva (Persona y Organización).
Paso 2: Construcción de GraphRAG
Tus documentos se dividen en fragmentos (500 caracteres con una superposición de 50 caracteres) y se envían a Zep Cloud en lotes. El sistema:
- Crea un grafo independiente con un ID único
- Establece la ontología personalizada
- Envía lotes de texto para la extracción de entidades y relaciones
- Espera a que Zep procese cada episodio
- Recupera el grafo final con nodos y aristas
El resultado: un grafo de conocimiento con cientos o miles de entidades conectadas por relaciones.
Paso 3: Configuración del entorno
El generador de configuración de simulación analiza el grafo y crea parámetros de agente detallados:
- Configuración de tiempo basada en patrones de zona horaria china (horas pico 19-22, horas muertas 0-5)
- Configuración de eventos con publicaciones iniciales y temas candentes
- Configuraciones de actividad de agente (publicaciones por hora, retrasos de respuesta, pesos de influencia)
- Configuraciones de plataforma para Twitter y Reddit con diferentes umbrales virales
Paso 4: Ejecución de la simulación
Los agentes se activan según sus horarios y comienzan a publicar, comentar y reaccionar. El sistema ejecuta simulaciones paralelas en Twitter y Reddit, registrando cada acción en archivos JSONL en tiempo real.
Una simulación típica de 72 horas genera miles de acciones en ambas plataformas.
Paso 5: Generación de informes
El Agente de Informes utiliza tres herramientas principales:
- InsightForge: Búsqueda profunda que descompone preguntas en subconsultas
- PanoramaSearch: Vista completa que incluye hechos históricos caducados/inválidos
- InterviewAgents: Entrevistas en tiempo real con agentes activos vía IPC
El informe final muestra la evolución de la narrativa, los momentos clave, las voces influyentes y los contramovimientos.
¿Qué son los agentes de IA en MiroFish?
Cada agente es una entidad autónoma con atributos configurables:
| Atributo | Descripción | Ejemplo |
|---|---|---|
| Identidad | Nombre, usuario, biografía | “@ZhangWei_Estudiante” |
| Persona | Personalidad y antecedentes | “Estudiante de posgrado investigando la ética de la IA” |
| Nivel de Actividad | Frecuencia de publicación (0.0-1.0) | 0.8 = muy activo |
| Horas Activas | Horario de conexión | [8, 9, 10, 11, 18, 19, 20, 21, 22, 23] |
| Retraso de Respuesta | Tiempo de reacción (minutos) | 5-30 min |
| Peso de Influencia | Probabilidad de amplificación | 0.8 (bajo) a 3.0 (alto) |
| Postura | Posición sobre temas | Apoyo, oposición, neutral, observador |
| Memoria | Acciones e interacciones pasadas | Almacenado en Zep Cloud |
Los agentes deciden cuándo y cómo interactuar según su configuración.
¿Qué se puede simular?
Anuncios de noticias y políticas
Carga un borrador de política o artículo. Analiza:
- ¿Qué voces amplifican el mensaje?
- ¿Qué críticas surgen?
- ¿Cómo evolucionan las narrativas en 24-72h?
Investigación académica
Carga un trabajo de investigación. Simula la recepción:
- ¿Qué hallazgos atraen la atención?
- ¿Qué malentendidos surgen?
- ¿Cómo difieren respuestas de expertos y legos?
Escenarios de crisis
Carga informes de incidentes. Prueba estrategias:
- ¿Cómo cambia la narrativa según el tiempo de respuesta?
- ¿Qué contranarrativas surgen?
- ¿Qué influyentes impulsan la conversación?
Análisis literario e histórico
Carga una novela o texto histórico. Explora "qué pasaría si":
- ¿Cómo reaccionarían los personajes ante eventos alternativos?
- ¿Qué relaciones impulsan la trama?
¿Qué hace diferente a MiroFish?
Inteligencia de enjambre
A diferencia de simuladores de usuario único, MiroFish ejecuta cientos de agentes con personalidades y roles diferentes, lo que genera narrativas y movimientos emergentes no programados.
Simulación de doble plataforma
Simula Twitter y Reddit en paralelo, mostrando:
- Twitter: Propagación viral rápida, alto impacto de influencers
- Reddit: Discusión en hilos, narrativas comunitarias
Grafo de conocimiento temporal
Las relaciones tienen metadatos de tiempo:
-
valid_at,invalid_at,expired_at
Esto permite rastrear la evolución de relaciones y narrativas.
Entrevistas con agentes en vivo
Puedes interrogar agentes durante o después de la simulación:
Pregunta
Agente 12 (Estudiante)
Esto agrega perspectivas cualitativas a los análisis.
Arquitectura técnica de un vistazo
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ Frontend │ │ Backend │ │ Servicios │
│ (Vue.js) │ ◄─► │ (FastAPI) │ ◄─► │ Externos │
│ │ │ │ │ │
│ - Constructor │ │ - API REST │ │ - Zep Cloud │
│ de grafos │ │ - Gestión de │ │ - API de LLM │
│ - Monitor de │ │ subprocesos │ │ - Framework │
│ simulación │ │ - Flujo JSONL │ │ OASIS │
│ - Visor de │ │ │ │ │
│ informes │ │ │ │ │
└─────────────────┘ └─────────────────┘ └─────────────────┘
Pila de backend
- Python FastAPI para endpoints REST
- OASIS Framework para simulación de agentes
- Zep Cloud para grafo de conocimiento
- SQLite para estado de simulación
Pila de frontend
- Vue.js 3 para UI reactiva
- WebSocket para actualizaciones en tiempo real
- D3.js para visualización de grafos
Diseño de API con Apidog
El backend expone más de 40 endpoints REST organizados en 5 servicios principales:
| Servicio | Endpoints | Propósito |
|---|---|---|
| Construcción de Grafo | 8 | Generación de ontología, carga por lotes, sondeo |
| Lector de Entidades | 4 | Filtrado, selección y exportación de entidades |
| Generador de Configuración | 6 | Configuración de tiempo, eventos, agentes, plataforma |
| Ejecutor de Simulación | 12 | Inicio, detención, monitoreo, entrevistas |
| Generador de Informes | 5 | Recuperación, análisis, generación de resúmenes |
Apidog se empleó para diseñar, simular y documentar todos los endpoints, ayudando a detectar discrepancias de esquema y mantener la alineación del equipo.
¿Cuándo deberías usar MiroFish?
Buenos casos de uso
- Planificación de escenarios: “¿Qué pasa si anunciamos X la próxima semana?”
- Análisis de stakeholders: “¿Cómo reaccionarán los diferentes grupos a Y?”
- Seguimiento de narrativas: “¿Qué contraargumentos surgen contra Z?”
- Validación de investigaciones: “¿Nuestras hipótesis sobre la audiencia se cumplen?”
- Exploración educativa: “¿Cómo reaccionarían figuras históricas a eventos modernos?”
Casos no recomendados
- Predicción precisa: Los resultados son plausibles, no garantizados
- Monitoreo en tiempo real: No rastrea redes sociales en vivo
- Análisis a pequeña escala: El valor surge con cientos de agentes
- Fenómenos no sociales: No modela sistemas económicos o físicos
Primeros pasos con MiroFish
Requisitos
- Python 3.10+
- Node.js 18+
- Clave API de Zep Cloud
- Acceso a la API de LLM (compatible con OpenAI)
Inicio rápido
# Clonar el repositorio
git clone https://github.com/666ghj/MiroFish.git
cd MiroFish
# Instalar dependencias
pip install -r requirements.txt
npm install
# Configurar el entorno
cp .env.example .env
# Editar .env con tus claves API
# Iniciar el backend
python backend/app/main.py
# Iniciar el frontend
npm run dev
Primera simulación
- Sube documentos: Archivos PDF, TXT o MD como material fuente
- Define requisitos de simulación: ¿Qué pregunta quieres explorar?
- Genera ontología: El sistema propone tipos de entidad
- Construye grafo de conocimiento: Extrae entidades y relaciones
- Configura y ejecuta: Define duración e inicia la simulación
- Monitorea y entrevista: Observa acciones en tiempo real, entrevista agentes
- Genera informe: Obtén el resumen de lo sucedido
Una simulación típica lleva de 30 a 60 minutos de principio a fin.
Preguntas frecuentes
¿Qué tan precisas son las simulaciones?
MiroFish genera escenarios plausibles a partir de tus datos y modelos. Es útil para explorar posibilidades, no para predecir resultados exactos.
¿Cuántos agentes puede simular?
Entre 50 y 200 agentes funcionan cómodamente. Más de 500 es posible, pero requiere más recursos.
¿Puedo personalizar el comportamiento de los agentes?
Sí. Puedes modificar patrones de actividad, pesos de influencia y posturas. Los usuarios avanzados pueden editar configuraciones directamente.
¿MiroFish soporta escenarios no chinos?
La configuración de zona horaria es china por defecto. Puedes personalizarla para otras regiones editando la configuración de tiempo.
¿Mis datos son privados?
Los documentos se procesan localmente y se envían a Zep Cloud para extracción de entidades. Revisa los términos de servicio de Zep. Para datos sensibles, considera usar una base de datos de grafos local.
Conclusión
MiroFish permite simular escenarios sociales antes de que ocurran, usando cientos de agentes de IA con comportamientos diversos. Así puedes descubrir narrativas emergentes, contramovimientos e influencias que las herramientas tradicionales no detectan.
Si necesitas planificar un anuncio, investigar comportamiento de audiencia o experimentar con escenarios hipotéticos, MiroFish es una herramienta poderosa para comprender dinámicas sociales complejas.
Top comments (0)