Infraestrutura Python que transforma dados corporativos em uma camada de contexto baseada em grafos, com ontologias, raciocínio, proveniência e trilhas de auditoria de decisões para sistemas de IA.
666ghj/MiroFish
Um mecanismo de simulação multiagente que cria um mundo digital a partir de material inicial para prever os desdobramentos de notícias, políticas públicas ou eventos financeiros.
- Estrelas
- 80,574
- Forks
- 12,228
- Issues abertas
- 156
- Último commit
- há 4 dias
O que é?
MiroFish é um mecanismo de previsão que usa simulação multiagente. Você envia materiais iniciais, como artigos de notícias, propostas de políticas públicas, sinais financeiros ou até mesmo um romance, e descreve em linguagem natural o que deseja prever. O sistema extrai entidades e relações para criar um grafo de conhecimento, gera agentes com personalidades e memórias distintas e executa uma simulação em duas plataformas, na qual eles interagem ao longo de várias rodadas.
Durante a execução, os usuários podem inserir novas variáveis no ambiente simulado para testar como diferentes condições alteram o curso dos acontecimentos. Quando a simulação termina, um ReportAgent gera um relatório de previsão e permite conversar com agentes individuais ou com o agente de relatório para explorar os resultados.
O backend é escrito em Python e o frontend roda em Node.js. O projeto é baseado no framework de simulação social de agentes OASIS, da CAMEL-AI, e usa o Zep Cloud para memória. Para as chamadas ao modelo, aceita qualquer API de LLM compatível com OpenAI. Também oferece implantação com Docker Compose.
Recursos principais
- 01Cria um grafo de conhecimento e personas de agentes a partir dos materiais iniciais enviados.
- 02Executa simulações em várias rodadas, nas quais agentes com memória interagem em duas plataformas.
- 03Permite inserir variáveis durante a simulação para testar diferentes cenários.
- 04Gera um relatório de previsão por meio de um ReportAgent, com o qual é possível interagir por meio de consultas.
- 05Permite conversar diretamente com agentes simulados individualmente.
- 06Aceita qualquer API de LLM compatível com OpenAI e oferece implantação a partir do código-fonte ou com Docker.
Casos de uso
- Ensaiar como a opinião pública pode evoluir em torno de uma notícia ou política pública antes de divulgá-la.
- Explorar finais ou cenários alternativos para o enredo de um romance ou história.
- Executar simulações de hipóteses sobre sinais financeiros ou de mercado.
- Estudar como as interações entre agentes individuais geram resultados coletivos em sistemas sociais.
Início rápido
- 1
Copie o arquivo de ambiente de exemplo
cp .env.example .env - 2
Preencha as chaves de API necessárias (LLM e Zep) no .env
- 3
Instale todas as dependências
npm run setup:all - 4
Inicie o frontend e o backend (frontend em localhost:3000 e backend em localhost:5001)
npm run dev
Antes de usar
- É necessária uma chave de API de LLM e uma chave de API do Zep Cloud; além disso, as simulações podem consumir muitos tokens.
- Para implantar a partir do código-fonte, é necessário Python 3.11 a 3.12, Node.js 18 ou superior e o gerenciador de pacotes uv.
- A licença AGPL-3.0 exige o compartilhamento do código-fonte de versões modificadas oferecidas por uma rede.
Tópicos
Perguntas frequentes
- O que é MiroFish?
- Um mecanismo de simulação multiagente que cria um mundo digital a partir de material inicial para prever os desdobramentos de notícias, políticas públicas ou eventos financeiros. MiroFish é um mecanismo de previsão que usa simulação multiagente. Você envia materiais iniciais, como artigos de notícias, propostas de políticas públicas, sinais financeiros ou até mesmo um romance, e descreve em linguagem natural o que deseja prever. O sistema extrai entidades e relações para criar um grafo de conhecimento, gera agentes com personalidades e memórias distintas e executa uma simulação em duas plataformas, na qual eles interagem ao longo de várias rodadas.
- MiroFish é gratuito? Qual é a licença?
- MiroFish é open source sob a licença AGPL-3.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- MiroFish ainda é mantido?
- Manutenção ativa. O último commit de MiroFish foi em 16 de out. de 2026.
- Para que posso usar MiroFish?
- Ensaiar como a opinião pública pode evoluir em torno de uma notícia ou política pública antes de divulgá-la. Explorar finais ou cenários alternativos para o enredo de um romance ou história. Executar simulações de hipóteses sobre sinais financeiros ou de mercado. Estudar como as interações entre agentes individuais geram resultados coletivos em sistemas sociais.
- Como instalar MiroFish?
- Copie o arquivo de ambiente de exemplo: cp .env.example .env Preencha as chaves de API necessárias (LLM e Zep) no .env Instale todas as dependências: npm run setup:all Inicie o frontend e o backend (frontend em localhost:3000 e backend em localhost:5001): npm run dev
- Onde consigo MiroFish?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/666ghj/MiroFish
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Biblioteca Python que restringe as saídas de LLMs durante a geração para corresponderem a um tipo, regex, JSON schema ou gramática especificados.
Uma base de conhecimento em Rust auto-hospedada que cria um grafo de conhecimento bitemporal a partir de documentos, com busca RAG, raciocínio orientado por ontologias e acesso via MCP para agentes.
Transforma textos não estruturados em um grafo de conhecimento interativo usando um LLM para extrair triplas sujeito-predicado-objeto.
Ferramenta de grafo de conhecimento local que usa um modelo executado na sua máquina para raciocinar passo a passo e armazena o raciocínio como um grafo RDF via Ollama.
Repositório para aprender técnicas de memória para agentes LLM, com 30 notebooks Jupyter executáveis, de buffers de conversa a Mem0, Letta, Zep e Graphiti.