mirofish-swarm-simulation
Simula sociedades de agentes con memoria y saca informe.
معلومات المصدر
- المستودع
- Ntizar/MasterMind
- آخر نشاط في المصدر
- ١٥ سبتمبر ٢٠٢٦ في ١٥:٥٤
- لغة SKILL.md المكتشفة
- الإسبانية
- النجوم
- ٢
- التفرعات
- ٠
خيارات التثبيت
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
مراجعة ملفات المصدر
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
عرض SKILL.md
SKILL.md
تعليمات المصدر · معاينة للقراءة فقط- name
- mirofish-swarm-simulation
- description
- Simula sociedades de agentes con memoria y saca informe.
- version
- 1.0.0
- author
- Mastermind (David Antizar)
- license
- MIT
- metadata
- {"hermes":{"tags":["multi-agent","simulacion","graphrag","swarm","opinion","informes"],"related_skills":["agent-graph-architecture","mastermind-orchestration","graphify-codebase-graph"]}}
# MiroFish — motor de enjambre multiagente
Motor de "inteligencia de enjambre" (AGPL-3.0) que monta un **mundo digital paralelo**: de una semilla (noticia, informe, texto) construye un grafo de conocimiento, genera **personas con memoria** y las deja interactuar para extraer un informe de predicción.
## Pipeline de 5 etapas (patrón reutilizable)
1. **Graph Building** — GraphRAG sobre la semilla + inyección de memoria individual y colectiva.
2. **Environment Setup** — extracción de entidades y generación de personas (agentes).
3. **Simulación dual en paralelo** — auto-parse del objetivo; dos mundos que se comparan.
4. **ReportAgent** — agente con toolset sobre el entorno post-simulación que redacta el informe.
5. **Chat con cualquier agente** del mundo simulado (auditoría de por qué decidió lo que decidió).
## Stack real (verificado)
- Backend **Flask** (`flask>=3.0`, `flask-cors`) en `:5001`; frontend en `:3000`.
- Motor de simulación: **OASIS de CAMEL-AI** (`camel-oasis==0.2.5`, `camel-ai==0.2.78`).
- Memoria de largo plazo: **Zep Cloud** (`zep-cloud==3.25.0`).
- Requisitos: Node 18+ y Python 3.11-3.12 con `uv`.
```bash
npm run setup:all # root + frontend + backend (uv sync)
npm run dev # arranca todo (o npm run backend / npm run frontend)
docker compose up -d # alternativa contenedorizada
```
Configuración por `.env`: `LLM_API_KEY`, `LLM_BASE_URL`, `LLM_MODEL_NAME` (cualquier endpoint compatible con el SDK OpenAI) y `ZEP_API_KEY`.
## Pitfalls
- **Consumo de LLM altísimo**: el propio README avisa de probar simulaciones de **<40 rondas** antes de escalar.
- **Zep Cloud es remoto**: choca con el criterio de stacks 100% locales de David. `LLM_BASE_URL` admite cualquier endpoint compatible con el SDK OpenAI (un servidor local tipo Ollama encajaría, aunque el README no lo menciona explícitamente), pero la memoria GraphRAG sigue siendo del servicio.
- Licencia **AGPL-3.0**: revisar antes de incrustarlo en un producto.
## Encaje en Mastermind
- Patrón de **personas con memoria temporal dinámica** exportable a simulaciones de opinión (no solo chat multi-perfil como Gobierno IA).
- Útil como referencia de arquitectura para `agent-graph-architecture` (grafo de agentes con estado) y para informes largos vía ReportAgent.
## Referencia
- Repo: `666ghj/MiroFish` (~73.570 ⭐, Python, consultado 2026-09-15).
عرض على GitHub