Skip to main content

mirofish-swarm-simulation

Simula sociedades de agentes con memoria y saca informe.

Aller à l'installation

Informations de source

Dépôt
Ntizar/MasterMind
Dernière activité de la source
15 septembre 2026 à 15:54
Langue détectée de SKILL.md
espagnol
Étoiles
2
Forks
0

Options d'installation

Le prompt qui vérifie d'abord la source est sélectionné par défaut. Vous pouvez passer à une commande directe ou télécharger une copie locale.

Vérifiez les fichiers source

Lisez SKILL.md et les fichiers associés affichés par SkillsMP avant de décider de l'installer.

Affichage de SKILL.md

SKILL.md
Instructions source · Aperçu en lecture seule
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).
Voir sur GitHub