MiroFish: ensaie sua ideia de app com agentes de IA

Comentou FUTURO? Aqui está o passo a passo para usar o MiroFish como um ensaio da sua ideia, não como uma bola de cristal. Comece sem instalar nada: entenda o exemplo abaixo e prepare seu material. A instalação completa está mais adiante.

Comece aqui, mesmo sem programar

Imagine um app de organização que custa R$ 20 por mês. Antes de construir, você quer descobrir perguntas melhores: o preço incomoda? O benefício ficou claro? Que informação falta? O MiroFish cria personagens de IA a partir do material que você fornece e coloca esses personagens para conversar em redes sociais simuladas. No final, gera um relatório e permite entrevistar os agentes.

Isso não é pesquisa com clientes reais. As opiniões vêm de modelos de IA. Use o resultado para montar entrevistas e pequenos testes com pessoas de verdade, não para decidir sozinho se um app vai vender.

1. Entenda o que dá para fazer sem instalar

Esta é uma captura real da página pública da demo oficial, consultada em 20/10/2026:

A demo mostra um replay estático, baseado em um caso chinês, com 55 agentes e 40 rodadas nesse exemplo (20/10/2026). Não há IA ligada para responder a novas perguntas. Ela não testa o seu app nem permite uma entrevista real ao vivo. Não trate afirmações sobre as pessoas do exemplo como fatos.

Para acompanhar o fluxo, pense em cinco etapas: material → mapa de pessoas e relações → personagens → conversas → relatório e entrevistas. As redes simuladas lembram Twitter e Reddit; não são posts publicados nessas redes.

O site oficial ainda apresentava lista de espera, não um app online pronto para testar sua ideia, em 20/10/2026. Não deixe seus dados em sites que só parecem oficiais.

2. Prepare um exemplo pequeno aqui mesmo

Copie o texto abaixo para um arquivo chamado ideia-app.txt, em texto simples. É um exemplo inventado para experimentar, não um teste feito por nós. Não inclua clientes reais, conversas privadas nem dados pessoais. Descreva atores e seus interesses explicitamente: o programa gera perfis a partir das entidades selecionadas do material, não uma multidão fixa de clientes.

PROJETO: app de organização para pequenos prestadores de serviço no Brasil.
HIPÓTESE: assinatura de R$ 20 por mês. Ainda não há clientes nem validação.
OFERTA: organizar pedidos, prazos e lembretes. Não emite notas nem movimenta dinheiro.
ATORES FICTÍCIOS:
Ana: manicure autônoma, usa WhatsApp e papel; receia pagar por algo complicado.
Bruno: faz manutenção residencial; perde prazos e quer economizar tempo.
Carla: já usa uma agenda gratuita; só trocaria por um benefício concreto.
ASSOCIAÇÃO FICTÍCIA: grupo de prestadores que discute custos e privacidade.
INCERTEZAS: disposição real a pagar, confiança, frequência de uso e concorrentes.
Não atribua representatividade estatística a esses personagens.

A quantidade de agentes depende das entidades extraídas e selecionadas. Não conte com um agente para toda palavra ou pessoa mencionada. Personas são enriquecidas pela IA, podem conter invenções e não são clones de consumidores reais.

3. Guarde a pergunta para a sua simulação

Como estes atores fictícios poderiam reagir a um app de organização por R$ 20 por mês? Simule dúvidas, objeções e conversas. Separe o que veio do material do que foi inferido pela IA. Não invente pesquisa real, taxa de conversão ou previsão de vendas. Ao final, liste hipóteses e cinco perguntas para entrevistar pessoas reais. Escreva em português do Brasil, se o modelo suportar.

A interface verificada tem inglês e chinês. Pedir respostas em português não significa interface em português; a qualidade desse fluxo ainda precisa de teste manual. Se você não usa terminal, pare por aqui e peça ajuda a alguém de confiança para a instalação. Hoje não existe, nas fontes verificadas, um caminho oficial de um clique para rodar seu próprio cenário sem contas e configuração.

Para quem quer ir além

Passos da documentação, não testados por nós de ponta a ponta. Conferidos em 20/10/2026 no snapshot 7657031ac01184afe2cb220f5ee3545573b5e843. Não executamos uma simulação paga, não validamos resultados em português e não prometemos custo ou desempenho. Os comandos abaixo são para uma pasta nova de instalações, não para dentro de outro projeto.

Requisitos e contas

Você precisa de um computador, terminal, Git, Node.js com npm, Python 3.11 ou 3.12, e uv. Prefira Node 22.12+ da linha 22: embora o README diga Node 18+, o Vite fixado pelo projeto exige uma versão mais recente. No Windows, use um ambiente Linux WSL2 para estes comandos de shell; esse caminho também não foi testado por nós. Não há requisito de GPU local documentado para este fluxo com APIs externas.

Instale Node pelo instalador oficial de nodejs.org, Git pelo git-scm.com e uv conforme docs.astral.sh/uv/getting-started/installation. Essas ferramentas são pré-requisitos, não serviços de IA incluídos. Crie uma conta em um provedor de IA com API compatível com OpenAI e uma conta Zep Cloud para a memória. Defina limites de gasto nas contas antes de rodar.

Baixe uma versão fixa

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

Isso baixa o aplicativo completo, incluindo sua licença AGPL-3.0. Não é uma instalação da Cauhi nem uma cópia de interface inventada. Confira o código antes de executá-lo. Se a pasta MiroFish já existir, não cole o bloco sem ajustar o destino.

Configure as duas chaves no seu computador

Abra .env em um editor de texto local. Substitua os marcadores abaixo pelas suas chaves, somente no arquivo local. Não cole segredos no chat, em prints ou em repositórios. O endereço e o modelo são a sugestão do projeto; use um endpoint/modelo ao qual sua conta realmente tenha acesso.

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

Apague as linhas LLM_BOOST_API_KEY, LLM_BOOST_BASE_URL e LLM_BOOST_MODEL_NAME do exemplo se não usar o modelo extra de aceleração. Não basta deixar marcadores de exemplo. O boost é opcional, não necessário para começar. Este snapshot exige Zep Cloud; não configure ZEP_API_URL, que o código rejeita. Não há troca pronta por memória local nesse caminho.

Instale e inicie

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

Abra http://localhost:3000 no navegador do mesmo computador. O backend usa http://localhost:5001. Em outro terminal, estes comandos conferem se os serviços respondem, não se as chaves estão funcionando:

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

Para parar, use Ctrl+C no terminal que roda o aplicativo. Se aparecer erro de versão, confira Node e Python antes de reinstalar dependências. Se uma porta já estiver ocupada, pare a sua própria instância anterior; não encerre processos desconhecidos.

Alternativa com Docker

Com Docker e Compose v2 já instalados, na pasta baixada e com .env preenchido, o procedimento oficial é:

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

Abra http://localhost:3000. Para parar sem apagar os uploads:

docker compose down

Atenção: o Compose oficial usa a imagem mutável latest, que pode não corresponder ao snapshot acima. Publica as portas 3000 e 5001 e mantém os arquivos em backend/uploads. O Docker não elimina as contas de IA e Zep. Arquitetura da imagem, Apple Silicon e execução foram deixados para teste manual. Use somente em computador e rede confiáveis, com firewall; não exponha essas portas à internet. Não é um deploy de produção com autenticação endurecida.

Rode seu primeiro cenário

1. Na tela inicial, envie ideia-app.txt e insira a pergunta do exemplo. O código aceita TXT, Markdown e PDF. Use um documento curto e sintético.
2. Aguarde a construção do grafo. Revise pessoas, organizações e relações: o material pode ter sido interpretado errado. Ajuste o briefing se o elenco não fizer sentido.
3. Prepare a simulação e confira os perfis gerados. Não aceite personagens inventados como se fossem dados sobre seu mercado.
4. Escolha poucas rodadas, por exemplo 10, e confirme esse valor na configuração efetiva da interface. O README recomenda começar com menos de 40 rodadas por causa do consumo; o .env é um padrão, não uma garantia de que toda simulação usará esse número.
5. Acompanhe logs, chamadas e saldos. Interrompa se houver repetição de erro ou gasto inesperado. A simulação usa duas redes simuladas em paralelo, não suas contas de redes sociais.
6. Gere o relatório e examine seus argumentos e evidências. Na etapa de interação, entreviste um agente ou o ReportAgent. O demo público não executa essas entrevistas ao vivo.

Qual parte da proposta gerou sua objeção? Cite o material ou conversa que sustenta sua resposta. O que você inferiu sem evidência? O que eu deveria perguntar a um cliente real antes de decidir?

Para comparar R$ 20 e R$ 30 por mês, salve dois briefings que só mudem o preço e faça duas execuções separadas. O cenário é definido antes de rodar. Não prometemos mudar uma variável no meio e assistir à reação. Diferenças entre execuções também podem vir da aleatoriedade da IA, não só do preço.

Transforme o relatório em um teste real

Monte uma tabela com hipótese, trecho que a motivou, evidência que falta e próximo teste. Exemplo fictício: “a configuração parece complicada” → perguntar a três pessoas como organizam seus pedidos e observar uma tarefa com um protótipo. Três entrevistas não validam todo um mercado; são apenas um começo. Não use a porcentagem de agentes favoráveis como previsão de conversão.

Perguntas rápidas e limites honestos

Precisa saber programar? Não para entender a proposta ou preparar o briefing. Para rodar sua própria simulação, hoje é preciso configurar terminal, dependências e chaves. Se não souber, peça ajuda. A demo pública é só um replay.

É grátis? O código é aberto sob AGPL-3.0. A API de IA é paga por uso e a memória exige Zep Cloud. Em 20/10/2026, a Zep anunciava cota grátis de 10.000 créditos por mês, com limites; créditos não equivalem a um número fixo de simulações. Pode acabar, e os tokens de IA são cobrados separadamente. Não há preço fixo em reais para este passo a passo.

Funciona no meu computador ou celular? A instalação descrita é para computador. O navegador abre a interface local, mas ela ainda depende de serviços externos. Não é um app nativo de celular; no celular você pode consultar este guia e o demo público, não instalar esse ambiente. Desempenho e compatibilidade do seu aparelho não foram testados por nós.

É seguro? Código aberto não é auditoria de segurança. O material e as conversas podem sair do computador para o provedor de IA e a Zep. Não envie prontuários, contratos privados, dados de clientes ou conteúdo sem autorização. Restrinja as portas, proteja as chaves, acompanhe cobranças e confira os termos dos provedores. Para modificar e oferecer o software pela rede, leia as obrigações da AGPL-3.0, inclusive disponibilização do código correspondente quando aplicável.

Ele prevê mesmo o futuro? Não encontramos benchmark de acerto nas fontes oficiais consultadas em 20/10/2026. O resultado depende do material, dos perfis e dos vieses do modelo. O reel usa uma analogia com ficção científica; isso não é comprovação técnica. A demo tem 55 agentes nesse exemplo, não prova de milhares de pessoas simuladas com fidelidade.

Fontes, crédito e próximos passos

Guia independente escrito por Cauhi. Software de 666ghj e colaboradores, licença AGPL-3.0. As instruções foram conferidas no código e na documentação, não executadas com contas pagas. Capturas reais de páginas públicas em 20/10/2026; não hospedamos vídeos de terceiros.

Projeto oficial e licença · Demo oficial: replay estático · Site oficial: lista de espera na consulta · Preços da Zep · Registro de fontes e testes manuais pendentes.