MiroFish — Simula miles de personas con IA y ensaya un escenario antes de jugártela

MiroFish es un simulador: le das un material de partida (un informe, una noticia, el precio de tu producto, el borrador de tu anuncio) y él construye un mundo digital lleno de «personas» simuladas por IA. Cada una tiene su carácter, su memoria y su forma de decidir, y entre todas van hablando y evolucionando como si fuera una sociedad.

Al final te da dos cosas: un informe con lo que ha pasado, y el mundo montado, donde puedes preguntarle a cualquier personaje por qué ha decidido lo que ha decidido, o lanzar una encuesta a todos a la vez.

Es el «ensaya antes de jugártela»: en vez de lanzar tu precio y ver qué pasa, montas mil clientes falsos, ves cómo reaccionan y luego decides. Lo firma 666ghj (el autor de BettaFish, la herramienta de análisis de opinión que se hizo viral) y tiene detrás a Shanda, una empresa china de videojuegos (en su README piden currículums a una dirección de Shanda).

Para ensayar escenarios antes de tomarlos de verdad:

• Cómo reaccionaría la gente a un lanzamiento, a un cambio de precio o a un anuncio concreto.
• Opinión pública: cómo se puede torcer una noticia o un comunicado.
• Probar hipótesis que en la vida real serían caras o imposibles de repetir.
• Y también para jugar: su demo enseña a deducir el final perdido de una novela.

Es útil cuando la duda es del tipo «¿y si…?» y quieres ver consecuencias antes de pagarlas en el mundo real.

Necesitas Node.js 18 o superior, Python 3.11 o 3.12 y uv (el instalador de paquetes de Python). Después, dos formas:

Opción 1 · Desde el código (la que recomiendan ellos):

git clone https://github.com/666ghj/MiroFish
cd MiroFish
cp .env.example .env        # aquí se ponen las dos claves (mira abajo)
npm run setup:all           # instala todo (raíz + frontend + backend)
npm run dev                 # arranca; se abre en http://localhost:3000

Opción 2 · Con Docker (un solo comando, como dice el vídeo):

git clone https://github.com/666ghj/MiroFish
cd MiroFish
cp .env.example .env        # primero se rellenan las claves
docker compose up -d        # luego entra en http://localhost:3000

Las dos claves del fichero .env:

LLM_API_KEY=tu_clave_de_ia
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
ZEP_API_KEY=tu_clave_de_zep_cloud

Va preparado para Qwen (Alibaba), pero vale cualquier servicio compatible con OpenAI: se cambia la dirección y el nombre del modelo. La clave de Zep Cloud (la memoria de los personajes) se saca gratis en app.getzep.com.

• Cuesta dinero de verdad. Lo dice su propio README, con estas palabras: «*consumo alto: prueba primero simulaciones de menos de 40 rondas*». Cada ronda son muchísimas llamadas a la IA (una por personaje). Empieza en modo «Custom», con pocos personajes y pocas rondas, y mira lo que gasta.
• No es una bola de cristal. Te da escenarios, no predicciones. El vídeo de Instagram lo dice bien («escenarios, no una predicción garantizada»); quien te venda lo contrario, te está vendiendo humo.
• Necesitas dos claves y montar un servicio: no es abrir y listo. Hay que instalar dependencias y tocar un fichero de texto (.env).
• La licencia es AGPL-3.0. Es código abierto, sí, pero con una condición fuerte: si lo ofreces a otros por internet, tienes que publicar tu código. Para uso personal no cambia nada.
• Tus documentos van a su servicio: lo que subas (y todo lo que hablan los personajes) pasa por la API de IA que elijas y por Zep Cloud. Nada de clientes reales ni datos confidenciales.
• El proyecto tiene 59 incidencias abiertas y 73 peticiones de cambio: va muy rápido y todavía se rompen cosas. Es un juguete potente, no un producto terminado.