MiroFish: motor de predicción con IA basado en tecnología multiagente 248

MiroFish es un motor de predicción ai de código abierto que recientemente se ha situado en posiciones destacadas de la lista de tendencias globales de GitHub. Fue desarrollado por BaiFu (Guo Hangjiang), un estudiante de último año de 20 años de la Universidad de Ciencia y Tecnología de China, y además recibió una inversión de 30 millones de yuanes por parte de Chen Tianqiao, fundador del Grupo Shanda.

MiroFish es un motor de predicción de IA basado en tecnología multiagente, posicionado como un "motor de inteligencia colectiva conciso y universal, capaz de predecir todo tipo de cosas".

Su idea central de diseño consiste en construir un "mundo digital paralelo": a partir del mundo real se extrae "información semilla", como noticias de última hora, borradores normativos, señales financieras o textos de novelas, y a partir de ahí se construye automáticamente un mundo digital virtual de alta fidelidad. En este espacio virtual existen decenas de miles de agentes con personalidades, memorias a largo plazo y lógicas de comportamiento propias, que interactúan libremente entre sí y desarrollan relaciones sociales. El usuario puede añadir dinámicamente variables desde una "perspectiva divina" para inferir con mayor precisión la dirección futura de los acontecimientos.

Este proyecto se publicó oficialmente en diciembre de 2025 bajo la licencia de código abierto AGPL-3.0, y actualmente ha superado las 10K estrellas en GitHub.

Características de MiroFish

• Construcción de grafos: emplea la tecnología GraphRAG temporal para extraer entidades clave y sus relaciones a partir del material semilla, construyendo así un grafo de conocimiento dinámico. Por ejemplo, en el caso de "El sueño del pabellón rojo", el sistema generó 905 nodos de entidades y 3822 relaciones a partir de los 150.000 caracteres del texto original.

• Generación de agentes: a partir del grafo de conocimiento construido, extrae automáticamente las relaciones entre entidades para generar "personajes" de agentes con personalidades, posturas y contextos propios, dotándolos además de memoria a largo plazo.

• Evolución de inteligencia colectiva: pone en marcha simulaciones simultáneas en dos plataformas, permitiendo que decenas o cientos de agentes debatan, compitan y actúen en entornos independientes sobre un tema concreto, simulando así fenómenos del mundo real como la fermentación de la opinión pública o la polarización grupal.

• Inyección dinámica de variables: durante la simulación, el usuario puede añadir nuevas variables en tiempo real (por ejemplo, "si la política se publicara una semana antes") para observar el efecto mariposa resultante en el desarrollo de la sociedad virtual.

• Informes visualizados: un ReportAgent específico realiza un análisis exhaustivo de las acciones y la evolución de todos los agentes, generando un informe de predicción estructurado que incluye la cronología de los acontecimientos, los nodos clave, la valoración de tendencias y alertas de riesgo.

• Exploración interactiva profunda: una vez finalizada la simulación, el usuario puede mantener conversaciones individuales con cualquier agente para preguntarles por sus opiniones y su lógica de decisión; también puede interactuar con el ReportAgent para explorar de forma flexible los resultados de la predicción.

Aspectos técnicos destacados de MiroFish

• Utiliza el motor de simulación OASIS de código abierto desarrollado por el equipo CAMEL-AI, capaz de soportar interacciones simultáneas de agentes a escala de millones.

• Integra la tecnología Zep Cloud para administrar la memoria a largo plazo de los agentes.

• Admite funciones de pausa y reanudación, lo que permite al usuario controlar con comodidad el avance del proceso de predicción.

Escenarios de aplicación de MiroFish

MiroFish es adecuado para una amplia gama de escenarios, desde predicciones serias hasta simulaciones lúdicas:

Ensayos de macrodecisiones

• Respuesta a crisis de opinión pública: predice la ruta de propagación en la opinión pública de eventos candentes, la evolución del sentimiento de la población, las tendencias de reacción de los KOL y los posibles puntos de riesgo, ayudando al personal implicado a preparar estrategias de respuesta con antelación.

• Evaluación de efectos de políticas: simula en un entorno sin riesgos la reacción de los distintos agentes sociales tras la publicación de una política, probando los efectos de diferentes fechas de publicación y redacciones.

• Análisis estratégico empresarial: simula el impacto en el precio de las acciones de una empresa cotizada tras una noticia negativa, o predice la evolución estratégica y el efecto en el mercado tras una ronda de financiación de gran envergadura.

Exploración creativa micro

• Creación literaria: deduce el desarrollo de las tramas alternativas de una novela y sus desenlaces. Entre los casos de demostración oficiales se incluye la predicción del final perdido de "El sueño del pabellón rojo" a partir de sus primeros 80 capítulos.

• Simulación de entretenimiento: explora todo tipo de escenarios creativos e imaginativos, como las reacciones de personajes ficticios en situaciones específicas.

Predicción financiera

• Analiza el impacto de las señales financieras en el sentimiento del mercado y simula el comportamiento colectivo en distintas condiciones de mercado.

Análisis de las ventajas de MiroFish

• Umbral de uso muy bajo: la interacción se realiza mediante lenguaje natural; el usuario no necesita saber programar ni comprender parámetros complejos. "Solo hay que ser capaz de conversar para utilizar este software".

• Alta fidelidad de la simulación: los agentes cuentan con memoria a largo plazo y personalidades propias, y su lógica de comportamiento se asemeja bastante a la del ser humano, lo que permite reproducir dinámicas grupales similares a las de la sociedad real.

• Prueba y error sin riesgo: ofrece a los responsables de la toma de decisiones un espacio seguro para ensayar, evitando los elevados costes que supondría experimentar en el mundo real.

• Buen ecosistema de código abierto: el código es abierto (bajo licencia AGPL-3.0), admite despliegue local y desarrollo secundario, y dispone de una comunidad bastante activa.

• Métodos de despliegue flexibles: ofrece tres modalidades distintas: Demo en línea, despliegue del código fuente y despliegue con Docker.

Cómo usar MiroFish

1. Prueba en línea

Accede directamente a la dirección de la Demo oficial para experimentar los casos preconfigurados (como la simulación de opinión pública de la Universidad de Wuhan o la continuación de "El sueño del pabellón rojo"):

https://666ghj.github.io/mirofish-demo/

2. Despliegue local

Requisitos del entorno: Node.js 18+, Python 3.11-3.12, gestor de paquetes uv

# Clonar el repositorio
git clone https://github.com/666ghj/MiroFish
# Configurar las claves
cp .env.example .env
# Editar .env e introducir la LLM API Key y la Zep API Key
# Instalación de dependencias con un solo comando
npm run setup:all
# Iniciar el servicio
npm run dev
# Frontend accesible en localhost:3000, API backend en localhost:5001

3. Despliegue con Docker

Tras completar la configuración del archivo .env, ejecuta:

docker compose up -d

Flujo de uso de MiroFish

1. Cargar el material semilla: sube los datos originales, como informes de análisis, textos de novelas o noticias.

2. Describir la necesidad de predicción: explica con claridad en lenguaje natural la cuestión que deseas simular (por ejemplo, "tras publicarse este evento, ¿en qué aspectos se centrarán las principales voces de oposición del público").

3. Esperar a que el sistema construya: el sistema completará automáticamente la construcción del grafo de conocimiento, la generación de agentes y la configuración del entorno.

4. Ejecutar la simulación: establece el número de rondas de la simulación y observa la interacción entre los agentes y la evolución de la sociedad.

5. Consultar el informe e interactuar: lee el informe de predicción o conversa en profundidad con un agente concreto para explorar más detalles.

Preguntas frecuentes (FAQ)

P: ¿MiroFish es gratuito?

R: Sí, MiroFish utiliza la licencia de código abierto AGPL-3.0 y el código es totalmente gratuito. No obstante, para usarlo es necesario disponer por cuenta propia de una API Key de un modelo grande (por ejemplo, Alibaba Cloud Bailian), lo que puede generar costes por las llamadas a la API.

P: ¿Qué relación existe entre MiroFish y BettaFish?

R: BettaFish (微舆) es una obra anterior del mismo autor, centrada principalmente en el análisis de opinión pública (es decir, analizar lo que ya ha sucedido); MiroFish es su versión mejorada, enfocada sobre todo a la predicción y simulación (es decir, predecir lo que sucederá). La relación entre ambos se compara con la del "retrovisor" y el "telescopio".

P: ¿Se necesitan conocimientos de programación para usarlo?

R: No. La filosofía de diseño de este producto busca la máxima simplicidad: basta con describir las necesidades en lenguaje natural, y toda la configuración compleja la realiza la IA automáticamente en segundo plano.

P: ¿Qué modelos grandes admite?

R: En teoría, admite cualquier API de LLM compatible con el formato del SDK de OpenAI. En los ejemplos oficiales se recomienda por defecto el uso de qwen-plus de la plataforma Alibaba Bailian.

P: ¿Qué tipo de contenidos se pueden predecir?

R: Los ejemplos oficiales ofrecidos actualmente abarcan temas candentes de opinión pública, incidentes en campus y deducciones sobre el desenlace de novelas, entre otros. Las funciones de simulación para más escenarios, como el ámbito financiero y las noticias políticas de actualidad, se irán actualizando sucesivamente.

P: ¿Se puede interrumpir el proceso de simulación?

R: Sí, MiroFish admite las funciones de pausa y reanudación de la simulación, lo que permite al usuario controlar con flexibilidad el avance del proceso de predicción.

Repositorio de GitHub:https://github.com/666ghj/MiroFish

Demo en línea:https://666ghj.github.io/mirofish-demo/