Skip to main content

mirofish-swarm-simulation

Simula sociedades de agentes con memoria y saca informe.

Ir para a instalação

Informações da origem

Repositório
Ntizar/MasterMind
Última atividade na origem
15 de setembro de 2026 às 15:54
Idioma detectado do SKILL.md
espanhol
Estrelas
2
Forks
0

Opções de instalação

Por padrão, está selecionado o prompt que primeiro revisa a origem. Você pode mudar para um comando direto ou baixar uma cópia local.

Revise os arquivos de origem

Leia o SKILL.md e os arquivos complementares exibidos pelo SkillsMP antes de decidir se vai instalar.

Exibindo SKILL.md

SKILL.md
Instruções da origem · Visualização somente leitura
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).
Ver no GitHub