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. Usted carga 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.
Este explicador cubre qué hace MiroFish, cómo funciona la simulación multiagente y cuándo podría 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 le dice lo que la gente piensa ahora
- El monitoreo de tendencias le muestra lo que es popular hoy
- Las métricas de engagement miden lo que ya sucedió
Nada de esto le ayuda a ver lo que podría suceder si publica ese anuncio, lanza ese informe o responde 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 sus 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
Piénselo 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 sus documentos de entrada y los requisitos de simulación, luego usa un LLM para generar una ontología personalizada. Esto define:
- 10 tipos de entidad (por ejemplo, Estudiante, Profesor, Universidad, MedioDeComunicación, AgenciaGubernamental)
- 10 tipos de relación (por ejemplo, TRABAJA_PARA, COMENTA_SOBRE, RESPONDE_A)
- Atributos para cada tipo
La ontología impone una estructura de dos niveles: 8 tipos específicos basados en su contenido, más 2 tipos de reserva (Persona y Organización) para capturar cualquier cosa que no encaje en otra parte.
Paso 2: Construcción de GraphRAG
Sus 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 de conocimiento 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 de actividad 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 de recuperación principales para analizar lo sucedido:
- 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 a través de 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 en MiroFish es una entidad de IA independiente con:
| Atributo | Descripción | Ejemplo |
|---|---|---|
| Identidad | Nombre, nombre de usuario, biografía | “@ZhangWei_Estudiante” |
| Persona | Personalidad y antecedentes | “Estudiante de posgrado investigando la ética de la IA” |
| Nivel de Actividad | Con qué frecuencia publican (0.0-1.0) | 0.8 = muy activo |
| Horas Activas | Cuándo están en línea | [8, 9, 10, 11, 18, 19, 20, 21, 22, 23] |
| Retraso de Respuesta | Qué tan rápido reaccionan (minutos) | 5-30 min |
| Peso de Influencia | Qué tan probable es que otros vean sus publicaciones | 0.8 (bajo) a 3.0 (alto) |
| Postura | Posición sobre temas | Apoyo, oposición, neutral, observador |
| Memoria | Acciones e interacciones pasadas | Almacenado en el grafo de Zep Cloud |
Los agentes toman decisiones de forma autónoma. Eligen cuándo publicar, qué comentar y cómo responder basándose en su personalidad y el estado actual de la simulación.
¿Qué se puede simular?
Anuncios de noticias y políticas
Cargue un borrador de política o un artículo de noticias. Vea cómo reaccionan los diferentes grupos de interés:
- ¿Qué voces amplifican el mensaje?
- ¿Qué críticas surgen?
- ¿Cómo evolucionan las narrativas en 24-72 horas?
Investigación académica
Cargue un trabajo de investigación. Simule la recepción académica y pública:
- ¿Qué hallazgos atraen la atención?
- ¿Qué malentendidos surgen?
- ¿Cómo difieren las respuestas de expertos y legos?
Escenarios de crisis
Cargue informes de incidentes o materiales de fondo. Pruebe estrategias de respuesta:
- ¿Cómo cambia la narrativa si responde inmediatamente o si espera?
- ¿Qué contranarrativas surgen?
- ¿Qué influyentes impulsan la conversación?
Análisis literario e histórico
Cargue una novela o un texto histórico. Explore escenarios de "qué pasaría si":
- ¿Cómo reaccionarían los personajes a eventos más allá del final original?
- ¿Qué resultados alternativos son plausibles?
- ¿Qué relaciones impulsan los puntos clave de la trama?
¿Qué hace diferente a MiroFish?
Inteligencia de enjambre, no agentes individuales
Muchas herramientas de IA utilizan un solo agente para simular "un usuario". MiroFish utiliza cientos de agentes con personalidades distintas. Esto crea un comportamiento emergente: narrativas y movimientos que surgen de las interacciones, no de scripts preprogramados.
Simulación de doble plataforma
Twitter y Reddit funcionan en paralelo con dinámicas diferentes:
- Twitter: Propagación viral rápida, alto impacto de los influencers
- Reddit: Discusiones en hilos, narrativas impulsadas por la comunidad
Comparar ambas plataformas muestra cómo la mecánica de la plataforma afecta los resultados.
Grafo de conocimiento temporal
Las relaciones en MiroFish tienen metadatos de tiempo:
valid_at: Cuando la relación se hizo válidainvalid_at: Cuando se invalidóexpired_at: Cuando fue reemplazada
Esto le permite rastrear cómo evolucionan las relaciones, no solo el estado actual.
Entrevistas con agentes en vivo
Puede entrevistar a agentes activos durante o después de la simulación:
Pregunta
Agente 12 (Estudiante)
Esto proporciona información cualitativa más allá de las métricas cuantitativas.
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 los puntos finales REST
- OASIS Framework para la simulación de agentes
- Zep Cloud para el almacenamiento y recuperación de grafos de conocimiento
- SQLite para bases de datos de estado de simulación
Pila de frontend
- Vue.js 3 para interfaz de usuario reactiva
- WebSocket para actualizaciones en tiempo real
- D3.js para visualización de grafos
Diseño de API con Apidog
El backend de MiroFish expone más de 40 puntos finales en 5 servicios principales:
| Servicio | Puntos finales | Propósito |
|---|---|---|
| Construcción de Grafo | 8 | Generación de ontología, carga por lotes, sondeo de estado |
| Lector de Entidades | 4 | Filtrado de entidades, selección de tipo, exportación |
| Generador de Configuración | 6 | Generación de configuración de tiempo/evento/agente/plataforma |
| Ejecutor de Simulación | 12 | Inicio, detención, monitoreo, entrevista, gestión de estado |
| Generador de Informes | 5 | Recuperación, análisis, generación de resúmenes |
Apidog se utilizó para diseñar todos los puntos finales, simular respuestas para el desarrollo del frontend y generar la documentación de la API. Esto detectó las discrepancias de esquema de forma temprana y mantuvo al equipo alineado durante todo el desarrollo.
¿Cuándo debería 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: "¿Se cumplen nuestras hipótesis sobre el comportamiento de la audiencia?"
- Exploración educativa: "¿Cómo podrían reaccionar estas figuras históricas a los eventos modernos?"
Casos de uso no recomendados
- Predicción precisa: MiroFish muestra resultados plausibles, no futuros garantizados
- Monitoreo en tiempo real: Simula escenarios hipotéticos, no rastrea redes sociales en vivo
- Análisis a pequeña escala: El sistema brilla con cientos de agentes; excesivo para encuestas simples
- Fenómenos no sociales: Modela dinámicas de redes sociales, no 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 sus claves API
# Iniciar el backend
python backend/app/main.py
# Iniciar el frontend
npm run dev
Primera simulación
- Subir documentos: Archivos PDF, TXT o MD que contengan su material fuente
- Definir requisitos de simulación: ¿Qué pregunta está explorando?
- Generar ontología: Deje que el sistema analice y proponga tipos de entidad
- Construir grafo de conocimiento: Extraer entidades y relaciones
- Configurar y ejecutar: Establecer la duración de la simulación e iniciar
- Monitorear y entrevistar: Observar acciones en tiempo real, entrevistar a agentes
- Generar informe: Obtener un resumen de lo sucedido
Una primera simulación típica tarda entre 30 y 60 minutos de principio a fin.
Preguntas frecuentes
¿Qué tan precisas son las simulaciones?
MiroFish genera escenarios plausibles basados en datos de entrada y modelos de comportamiento. Piense en ello como explorar el espacio de posibilidades, no como predecir resultados específicos. El valor reside en sacar a la luz dinámicas que quizás no haya anticipado.
¿Cuántos agentes puede simular MiroFish?
El sistema maneja cómodamente entre 50 y 200 agentes. Las simulaciones más grandes (más de 500) son posibles, pero requieren más computación y tardan más en procesarse.
¿Puedo personalizar el comportamiento de los agentes?
Sí. Puede modificar los patrones de actividad, los pesos de influencia y las distribuciones de postura. Los usuarios avanzados pueden editar las configuraciones de los agentes directamente antes de ejecutar simulaciones.
¿MiroFish soporta escenarios no chinos?
La configuración predeterminada de zona horaria está optimizada para el comportamiento de las redes sociales chinas. Puede personalizar los patrones de actividad para otras regiones modificando la configuración de tiempo.
¿Mis datos son privados?
Los documentos se procesan localmente y se envían a Zep Cloud para la extracción de entidades. Zep retiene los datos según sus términos de servicio. Para materiales sensibles, considere usar una alternativa de base de datos de grafos local.
Conclusión
MiroFish crea mundos paralelos digitales donde puede probar escenarios de redes sociales antes de que sucedan en el mundo real. Al simular cientos de agentes de IA con personalidades y patrones de comportamiento distintos, revela narrativas emergentes, contramovimientos y voces influyentes que las herramientas de análisis tradicionales pasan por alto.
Ya sea que esté planificando un anuncio de política, investigando el comportamiento de la audiencia o explorando "qué pasaría si" literarios, MiroFish ofrece una nueva lente para comprender dinámicas sociales complejas.