MiroFish: ensaya tu idea de app con agentes de IA

¿Comentaste FUTURO? Aquí tienes el paso a paso para usar MiroFish como un ensayo de tu idea, no como una bola de cristal. Empieza sin instalar nada: entiende el ejemplo de abajo y prepara tu material. Las instrucciones completas de instalación vienen más adelante.

Empieza aquí, aunque no sepas programar

Imagina una app de organización que cuesta R$ 20 al mes. Antes de desarrollarla, quieres encontrar mejores preguntas: ¿el precio genera rechazo? ¿El beneficio está claro? ¿Qué información falta? MiroFish crea personajes de IA a partir del material que proporcionas y los pone a conversar en redes sociales simuladas. Al final, genera un informe y permite entrevistar a los agentes.

Esto no es una investigación con clientes reales. Las opiniones proceden de modelos de IA. Usa el resultado para preparar entrevistas y pequeñas pruebas con personas de verdad, no para decidir solo con eso si una app se va a vender.

1. Entiende qué puedes hacer sin instalar nada

Esta es una captura real de la página pública de la demo oficial, consultada el 20/10/2026:

La demo muestra una reproducción estática, basada en un caso chino, con 55 agentes y 40 rondas en este ejemplo (20/10/2026). No hay una IA conectada para responder a nuevas preguntas. No prueba tu app ni permite realizar una entrevista real en directo. No trates las afirmaciones sobre las personas del ejemplo como hechos.

Para seguir el flujo, piensa en cinco etapas: material → mapa de personas y relaciones → personajes → conversaciones → informe y entrevistas. Las redes simuladas se parecen a Twitter y Reddit; no son publicaciones realizadas en esas redes.

El sitio oficial todavía mostraba una lista de espera, no una app en línea lista para probar tu idea, el 20/10/2026. No dejes tus datos en sitios que solo parecen oficiales.

2. Prepara un ejemplo pequeño aquí mismo

Copia el texto de abajo en un archivo de texto sin formato llamado ideia-app.txt. Es un ejemplo inventado para experimentar, no una prueba que hayamos realizado. No incluyas clientes reales, conversaciones privadas ni datos personales. Describe explícitamente a los actores y sus intereses: el programa genera perfiles a partir de las entidades seleccionadas del material, no una multitud fija de clientes.

PROYECTO: app de organización para pequeños prestadores de servicios en Brasil.
HIPÓTESIS: suscripción de R$ 20 al mes. Todavía no hay clientes ni validación.
OFERTA: organizar pedidos, plazos y recordatorios. No emite facturas ni mueve dinero.
ACTORES FICTICIOS:
Ana: manicurista autónoma, usa WhatsApp y papel; teme pagar por algo complicado.
Bruno: hace mantenimiento del hogar; incumple plazos y quiere ahorrar tiempo.
Carla: ya usa una agenda gratuita; solo cambiaría por un beneficio concreto.
ASOCIACIÓN FICTICIA: grupo de prestadores de servicios que debate sobre costos y privacidad.
INCERTIDUMBRES: disposición real a pagar, confianza, frecuencia de uso y competidores.
No atribuyas representatividad estadística a estos personajes.

La cantidad de agentes depende de las entidades extraídas y seleccionadas. No cuentes con un agente por cada palabra o persona mencionada. La IA enriquece los perfiles, que pueden contener invenciones y no son clones de consumidores reales.

3. Guarda la pregunta para tu simulación

¿Cómo podrían reaccionar estos actores ficticios a una app de organización por R$ 20 al mes? Simula dudas, objeciones y conversaciones. Separa lo que procede del material de lo que ha inferido la IA. No inventes investigaciones reales, tasas de conversión ni previsiones de ventas. Al final, enumera hipótesis y cinco preguntas para entrevistar a personas reales. Escribe en portugués de Brasil, si el modelo lo permite.

La interfaz que verificamos ofrece inglés y chino. Pedir respuestas en portugués no significa que la interfaz esté en portugués; la calidad de este flujo todavía requiere pruebas manuales. Si no usas la terminal, detente aquí y pide ayuda a alguien de confianza para la instalación. Actualmente, en las fuentes verificadas no existe una vía oficial de un solo clic para ejecutar tu propio escenario sin cuentas ni configuración.

Para ir más allá

Pasos de la documentación, no probados por nosotros de principio a fin. Comprobados el 20/10/2026 en la versión fijada 7657031ac01184afe2cb220f5ee3545573b5e843. No hemos ejecutado una simulación de pago, no hemos validado resultados en portugués y no prometemos un costo ni un rendimiento determinados. Los comandos de abajo son para una carpeta nueva de instalaciones, no para ejecutarlos dentro de otro proyecto.

Requisitos y cuentas

Necesitas una computadora, terminal, Git, Node.js con npm, Python 3.11 o 3.12 y uv. Es preferible Node 22.12+ de la rama 22: aunque el README indica Node 18+, la versión de Vite fijada por el proyecto exige una versión más reciente. En Windows, usa un entorno Linux WSL2 para estos comandos de shell; tampoco hemos probado esa vía. No hay un requisito de GPU local documentado para este flujo con API externas.

Instala Node con el instalador oficial de nodejs.org, Git desde git-scm.com y uv siguiendo docs.astral.sh/uv/getting-started/installation. Estas herramientas son requisitos previos, no servicios de IA incluidos. Crea una cuenta con un proveedor de IA que ofrezca una API compatible con OpenAI y una cuenta de Zep Cloud para la memoria. Establece límites de gasto en las cuentas antes de ejecutar nada.

Descarga una versión fija

git clone https://github.com/666ghj/MiroFish.git
cd MiroFish
git checkout 7657031ac01184afe2cb220f5ee3545573b5e843
cp .env.example .env
chmod 600 .env

Esto descarga la aplicación completa, incluida su licencia AGPL-3.0. No es una instalación de Cauhi ni una copia inventada de la interfaz. Revisa el código antes de ejecutarlo. Si la carpeta MiroFish ya existe, no pegues el bloque sin ajustar el destino.

Configura las dos claves en tu computadora

Abre .env en un editor de texto local. Sustituye los marcadores de abajo por tus claves, solo en el archivo local. No pegues secretos en chats, capturas de pantalla ni repositorios. La dirección y el modelo son las sugerencias del proyecto; usa un endpoint/modelo al que tu cuenta tenga acceso real.

LLM_API_KEY=SUBSTITUA_LOCALMENTE
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
ZEP_API_KEY=SUBSTITUA_LOCALMENTE
OASIS_DEFAULT_MAX_ROUNDS=10

Elimina las líneas LLM_BOOST_API_KEY, LLM_BOOST_BASE_URL y LLM_BOOST_MODEL_NAME del ejemplo si no vas a usar el modelo adicional de aceleración. No basta con dejar los marcadores de ejemplo. El boost es opcional, no es necesario para empezar. Esta versión exige Zep Cloud; no configures ZEP_API_URL, que el código rechaza. No hay una opción lista para cambiar a memoria local en esta vía.

Instala e inicia

node --version
npm --version
uv --version
uv python install 3.11
npm ci
npm ci --prefix frontend
(cd backend && uv sync --frozen --python 3.11)
npm run dev

Abre http://localhost:3000 en el navegador de la misma computadora. El backend usa http://localhost:5001. En otra terminal, estos comandos comprueban si los servicios responden, no si las claves funcionan:

curl --fail http://localhost:5001/health
curl --fail --output /dev/null http://localhost:3000

Para detener la aplicación, usa Ctrl+C en la terminal donde se está ejecutando. Si aparece un error de versión, comprueba Node y Python antes de reinstalar las dependencias. Si un puerto ya está ocupado, detén tu propia instancia anterior; no finalices procesos desconocidos.

Alternativa con Docker

Con Docker y Compose v2 ya instalados, dentro de la carpeta descargada y con .env completado, el procedimiento oficial es:

docker --version
docker compose version
docker compose up -d
docker compose ps
docker compose logs --tail=100

Abre http://localhost:3000. Para detenerlo sin borrar los archivos subidos:

docker compose down

Atención: el Compose oficial usa la imagen mutable latest, que puede no corresponder a la versión fijada arriba. Publica los puertos 3000 y 5001 y conserva los archivos en backend/uploads. Docker no elimina la necesidad de cuentas de IA y Zep. La arquitectura de la imagen, Apple Silicon y la ejecución quedaron pendientes de pruebas manuales. Úsalo solo en una computadora y una red de confianza, con firewall; no expongas estos puertos a internet. No es un despliegue de producción con autenticación reforzada.

Ejecuta tu primer escenario

1. En la pantalla inicial, sube ideia-app.txt e introduce la pregunta del ejemplo. El código acepta TXT, Markdown y PDF. Usa un documento breve y sintético.
2. Espera a que se construya el grafo. Revisa personas, organizaciones y relaciones: el material puede haberse interpretado mal. Ajusta el documento de contexto si el reparto no tiene sentido.
3. Prepara la simulación y comprueba los perfiles generados. No aceptes personajes inventados como si fueran datos sobre tu mercado.
4. Elige pocas rondas, por ejemplo 10, y confirma ese valor en la configuración efectiva de la interfaz. El README recomienda empezar con menos de 40 rondas por el consumo; el .env es un valor predeterminado, no una garantía de que todas las simulaciones vayan a usar ese número.
5. Supervisa los registros, las llamadas y los saldos. Interrumpe la ejecución si hay errores repetidos o un gasto inesperado. La simulación usa dos redes simuladas en paralelo, no tus cuentas de redes sociales.
6. Genera el informe y examina sus argumentos y evidencias. En la etapa de interacción, entrevista a un agente o al ReportAgent. La demo pública no ejecuta estas entrevistas en directo.

¿Qué parte de la propuesta provocó tu objeción? Cita el material o la conversación que respalda tu respuesta. ¿Qué has inferido sin evidencia? ¿Qué debería preguntarle a un cliente real antes de decidir?

Para comparar R$ 20 y R$ 30 al mes, guarda dos documentos de contexto que solo cambien el precio y realiza dos ejecuciones separadas. El escenario se define antes de ejecutar. No prometemos que puedas cambiar una variable a mitad de la ejecución y observar la reacción. Las diferencias entre ejecuciones también pueden deberse a la aleatoriedad de la IA, no solo al precio.

Convierte el informe en una prueba real

Prepara una tabla con hipótesis, fragmento que la motivó, evidencia que falta y próxima prueba. Ejemplo ficticio: «la configuración parece complicada» → preguntar a tres personas cómo organizan sus pedidos y observar una tarea con un prototipo. Tres entrevistas no validan todo un mercado; son solo un comienzo. No uses el porcentaje de agentes favorables como previsión de conversión.

Preguntas rápidas y límites honestos

¿Hay que saber programar? No para entender la propuesta o preparar el documento de contexto. Para ejecutar tu propia simulación, hoy hace falta configurar la terminal, las dependencias y las claves. Si no sabes cómo, pide ayuda. La demo pública es solo una reproducción.

¿Es gratis? El código es abierto bajo AGPL-3.0. La API de IA se paga por uso y la memoria exige Zep Cloud. El 20/10/2026, Zep anunciaba una cuota gratuita de 10.000 créditos al mes, con límites; los créditos no equivalen a un número fijo de simulaciones. La cuota puede agotarse y los tokens de IA se cobran por separado. No hay un precio fijo en reales brasileños para este paso a paso.

¿Funciona en mi computadora o celular? La instalación descrita es para computadora. El navegador abre la interfaz local, pero esta sigue dependiendo de servicios externos. No es una app móvil nativa; en el celular puedes consultar esta guía y la demo pública, no instalar este entorno. No hemos probado el rendimiento ni la compatibilidad de tu dispositivo.

¿Es seguro? Que el código sea abierto no equivale a una auditoría de seguridad. El material y las conversaciones pueden salir de la computadora hacia el proveedor de IA y Zep. No envíes historiales médicos, contratos privados, datos de clientes ni contenido sin autorización. Restringe los puertos, protege las claves, supervisa los cobros y revisa las condiciones de los proveedores. Para modificar y ofrecer el software a través de la red, lee las obligaciones de AGPL-3.0, incluida la publicación del código fuente correspondiente cuando corresponda.

¿De verdad predice el futuro? No encontramos una evaluación de precisión en las fuentes oficiales consultadas el 20/10/2026. El resultado depende del material, de los perfiles y de los sesgos del modelo. El reel usa una analogía con la ciencia ficción; eso no es una prueba técnica. La demo tiene 55 agentes en este ejemplo, no es una prueba de miles de personas simuladas con fidelidad.

Fuentes, créditos y próximos pasos

Guía independiente escrita por Cauhi. Software de 666ghj y colaboradores, con licencia AGPL-3.0. Las instrucciones se comprobaron en el código y la documentación, no se ejecutaron con cuentas de pago. Capturas reales de páginas públicas del 20/10/2026; no alojamos videos de terceros.

Proyecto oficial y licencia · Demo oficial: reproducción estática · Sitio oficial: lista de espera en la consulta · Precios de Zep · Registro de fuentes y pruebas manuales pendientes.