Você passa três meses construindo um produto. Lança. Silêncio. Ou pior: feedback dizendo que as pessoas não pagam pelo que você cobrou, não entendem o posicionamento, ou não se importam com o problema que você resolveu.

Esse ciclo mata mais solo builders do que falta de habilidade técnica.

A alternativa existia antes na forma de pesquisa qualitativa — entrevistas, surveys, grupos de foco. Funcionam, mas custam tempo que você não tem e sofrem do problema de demanda social: as pessoas dizem o que acham que você quer ouvir.

O MiroFish Offline é uma abordagem diferente. Em vez de perguntar para pessoas reais, você roda uma simulação com milhares de agentes de IA — cada um com personalidade, memória e comportamento independente — e observa como eles reagem à sua ideia. A resposta não é uma previsão linear. É um padrão emergente: consenso, polêmica, objeções, prioridades.

Este tutorial mostra como rodar o MiroFish localmente (sem código), criar uma simulação de validação real via interface visual, interpretar os resultados, e usar isso para decidir o que construir — antes de gastar qualquer recurso real.

O Que Você Vai Ter

Ao final deste tutorial você terá:

  • O MiroFish rodando localmente na sua máquina (via Docker Compose)
  • Acesso a uma interface web intuitiva (zero linhas de código)
  • Um fluxo de trabalho reproduzível para testar qualquer hipótese de negócio antes de executar
  • Privacidade total — tudo roda offline, nenhum dado sai da sua máquina

Tempo de setup: 5 minutos (Docker faz o trabalho)
Custo operacional: Zero
Perfil necessário: Ter Docker instalado, saber clicar em um navegador

Por Que MiroFish Offline e Não o Serviço Online

Antes de entrar no setup, vale entender o que é o MiroFish e por que a versão offline importa.

O Que é o MiroFish

O MiroFish é uma engine de swarm intelligence criada originalmente pelo pesquisador chinês “Bifu” com apoio do Shanda Group. A ideia central: simular uma sociedade digital com milhares de agentes autônomos, cada um com personalidade e memória, para observar como comportamentos coletivos emergem a partir de um estímulo inicial — o que eles chamam de “seed”.

Internamente, o sistema usa GraphRAG (Graph Retrieval-Augmented Generation) para modelar relações complexas entre agentes, contextos e comportamentos. Cada agente não responde só ao prompt — ele responde ao seu histórico de memória, às interações com outros agentes, e ao estado atual do ambiente.

Por Que Isso é Diferente do ChatGPT

Perguntar ao ChatGPT “as pessoas vão gostar do meu produto?” produz uma resposta linear, otimista, e sem conflito. O modelo tenta satisfazer você.

Rodar uma simulação com o MiroFish produz algo diferente: 500 agentes com personalidades distintas processando a mesma ideia de formas independentes. Alguns ficam entusiasmados. Outros ignoram. Outros levantam objeções específicas. A distribuição dessas respostas, os padrões de concordância e discordância, os tópicos que emergem sem você ter pedido — isso é o sinal real.

A diferença não é filosófica. É prática:

AbordagemO Que Produz
ChatGPT simplesUma perspectiva, otimizada para agradar
Survey com pessoas reaisDemanda social, respostas enviesadas
MiroFish OfflineDistribuição de comportamentos emergentes

Por Que a Versão Offline

O serviço online do MiroFish tem custo e exige que você envie suas hipóteses de negócio para servidores externos. A versão offline — o repositório nikmcfly/MiroFish-Offline no GitHub — roda modelos locais via Ollama e armazena o grafo de conhecimento no Neo4j local. Você ganha:

  • Custo zero por simulação
  • Privacidade total das suas ideias
  • Controle sobre os modelos usados
  • Capacidade de rodar simulações em paralelo sem throttling

O tradeoff? Docker precisa estar instalado. E é isso.

Requisitos Mínimos

  • Docker Desktop instalado (Windows, Mac, Linux)
  • 16 GB de RAM (8 GB funciona, mas mais lento)
  • 50 GB de espaço em disco (para os modelos de IA)
  • Conexão com internet (para baixar as imagens Docker, modelos)
  • macOS, Windows, ou Linux (Docker roda em todos)

Se você já tem Docker, você está pronto.

Setup em 5 Minutos

Passo 1 — Clonar o Repositório

git clone https://github.com/nikmcfly/MiroFish-Offline.git
cd MiroFish-Offline

Passo 2 — Copiar Configuração Padrão

cp .env.example .env

Isso cria o arquivo .env com as variáveis corretas. Você não precisa editar nada — os padrões funcionam perfeitamente.

Passo 3 — Iniciar Tudo com Docker Compose

docker compose up -d

Isso inicia:

  • Backend Flask (API do MiroFish) na porta 5001
  • Frontend Vue (interface web) na porta 3000
  • Neo4j (banco de dados de grafo) na porta 7474
  • Ollama (modelos de IA locais) na porta 11434

O processo leva de 2 a 5 minutos dependendo da sua conexão.

Passo 4 — Baixar os Modelos de IA

Enquanto o Docker inicia, puxe os modelos em outro terminal:

docker exec mirofish-ollama ollama pull qwen2.5:32b
docker exec mirofish-ollama ollama pull nomic-embed-text

Isso baixa:

  • qwen2.5:32b (~18 GB) — o modelo de linguagem principal
  • nomic-embed-text (~250 MB) — modelo para embeddings

O download leva de 10 a 30 minutos dependendo da conexão. Você pode deixar rodando no background.

Passo 5 — Abrir no Navegador

http://localhost:3000

Pronto. A interface está rodando.

Entendendo a Interface

O MiroFish trabalha em 5 etapas via web:

1. Upload de Documento

Na página inicial, clique em “New Project” e faça upload de um arquivo:

  • PDF
  • Markdown
  • Arquivo de texto

Ou descreva diretamente sua ideia no campo de texto.

2. Gerar Ontologia

O MiroFish analisa seu documento com IA e extrai:

  • Entidades principais (produto, mercado, cliente)
  • Relações entre elas
  • Contexto

Isso cria um “esquema” que os agentes usarão para entender o mundo da simulação.

3. Construir Grafo de Conhecimento

O sistema constrói um Neo4j graph com as entidades extraídas. Isso permite que os agentes tenham “memória” de interações e saibam sobre uns aos outros.

4. Gerar Perfis de Agentes

O MiroFish gera automaticamente os perfis dos agentes. Cada um tem:

  • Personalidade distinta
  • Valores e prioridades
  • Histórico de comportamento

Por padrão, você pode ter 50 a 500 agentes. Mais agentes = mais perspectivas = mais preciso (mas mais lento).

5. Rodar Simulação

Clique em “Start Simulation”. O sistema:

  • Ativa os agentes
  • Deixa eles interagirem entre si
  • Simula comportamentos em redes sociais (Twitter, Reddit)
  • Gera relatório automático

O resultado é uma análise completa mostrando:

  • Sentimento geral
  • Objeções principais
  • Perfis que mais gostam/rejeitam
  • Padrões emergentes

Exemplo Prático: Validar um SaaS de Thumbnails

Vamos usar um exemplo concreto: “SaaS que gera thumbnails otimizadas com IA para YouTubers”.

O que você faz:

Na interface web:

  1. Clique em “New Project”
  2. No campo de descrição, escreva:
Produto: ThumbAI
Descrição: SaaS que analisa o histórico de performance de um canal do YouTube, 
identifica padrões de thumbnails com maior CTR, e gera novas thumbnails 
otimizadas usando IA generativa.

Preço: $29/mês

Público-alvo: Criadores com 1k a 100k inscritos

Proposta de valor: Aumente seu CTR em 30% sem precisar de designer ou 
entender de edição de imagem.

Contexto: 2026, mercado de ferramentas de IA para criadores é saturado, 
mas maioria focada em conteúdo textual. YouTube tem 50M+ criadores. 
Criadores mid-tier (10k-100k inscritos) sentem pressão de performance 
mas não têm budget para contratar designer.
  1. Clique em “Generate Ontology”
  2. Após alguns segundos, clique em “Build Knowledge Graph”
  3. Quando terminar, clique em “Create Simulation”
  4. Configure os agentes (ou use os padrões)
  5. Clique em “Start Simulation”

O que acontece:

O MiroFish simula:

  • 200 criadores de YouTube com diferentes tamanhos
  • 50 agências de conteúdo
  • Alguns críticos, alguns early-adopters

Eles processam a ideia do ThumbAI e interagem entre si por 10 rodadas.

Lendo os Resultados

Após a simulação (15-30 minutos), você recebe um relatório automático com:

Sentimento Geral

Positivo:  58%
Neutro:    28%
Negativo:  14%

O que significa: Existe interesse genuíno, mas há objeções reais.

Objeções Principais

1. "Como eu sei que a IA entende o estilo do meu canal?" (67% dos agentes)
2. "R$29 é caro se eu não ver resultado em 30 dias" (54%)
3. "Já tentei outras ferramentas de thumbnail que prometeram isso" (48%)
4. "Quero ver exemplos reais de canais parecidos com o meu" (43%)

O que fazer: Essas são as objeções que você resolve na landing page, onboarding e proposta de valor.

Segmentos com Maior Adoção

Criadores Growth-Focused (20k-100k inscritos): 82% positivo
Criadores Casual (<10k): 35% positivo
Agências: 76% positivo

O que significa: Comece com criadores obsessed com métricas. Deixa os casual-creators para depois.

Sensibilidade a Preço

$19/mês:  74% aceitação
$29/mês:  58% aceitação
$49/mês:  31% aceitação
Freemium: 68% preferência

O que fazer: $29 é bom, mas modelo freemium (com limite de gerações) reduziria barreiras de adoção.

Features que Agentes Pediram

1. Período de teste gratuito (91%)
2. Dashboard com comparação CTR antes/depois (78%)
3. Exemplos reais de canais que usaram a ferramenta (72%)
4. Integração com YouTube Studio (65%)
5. Templates por nicho de conteúdo (57%)

O que fazer: Essas features aparecem na sua roadmap. A #3 é crítica — social proof é tudo.

Como Interpretar Sem Enganar Você

✅ Use os Resultados Para:

  • Decidir se vale a pena construir — 58% positivo com objeções claras = vale a pena, mas não vá construindo sem responder as objeções
  • Ajustar o posicionamento — Se 67% perguntam “como a IA entende meu estilo?”, essa é sua primeira venda
  • Priorizar features — As features que 70%+ dos agentes mencionaram são MVP
  • Escolher segmento inicial — Growth-focused creators (82%) antes de casual-creators (35%)
  • Testar preço — A queda de 58% para 31% entre $29 e $49 é seu ceiling

❌ NÃO Use Para:

  • Garantir sucesso — Simulação não é validação com pessoas reais. É sinalizador de risco.
  • Ignorar objeções — Se 67% levantaram a mesma dúvida, você tem que resolver, ponto.
  • Contar com números absolutos — 58% positivo não significa “58 em cada 100 compram”
  • Substituir 5 conversas reais — Sempre valide com pelo menos 5-10 pessoas do seu segmento alvo

Aplicações Práticas para Solo Builders

1. Validar Ideias Antes de Codar

O uso mais direto. Simule sua ideia antes de escrever código. Custa 30 minutos vs. 3 meses de desenvolvimento.

Exemplo: Um builder planejava 3 meses em um SaaS de automação de relatórios. Simulou primeiro. Descobriu que o maior bloqueio não era o produto — era a percepção de que “mais uma ferramenta de BI” não diferencia. Mudou o posicionamento. Desenvolveu em 6 semanas com messaging já testado.

2. Testar Messaging Antes do Lançamento

Crie variantes da descrição do produto com diferentes ângulos:

  • Variante A: “Automação de relatórios para agências”
  • Variante B: “Relatórios prontos para cliente, sem trabalho manual”

Simule ambas. Compare objeções e sentimento. A melhor vai direto para sua landing page.

3. Descobrir Objeções Antes de Construir Onboarding

As objeções principais da simulação são o roadmap do seu onboarding. Se 67% perguntam “como a IA entende meu estilo?”, seu step 1 responde isso.

4. Calibrar Preço

Teste 3-4 preços diferentes e observe a queda de aceitação. Onde cai mais de 20% é seu ceiling.

5. Testar Pivots Antes de Executar

Cogita pivotar? Simule os dois cenários e compare. Evita pivots que matam momentum.

6. Prever Reação a Conteúdo

Se cria conteúdo como produto/aquisição, simule a reação antes de investir semanas criando.

7. Identificar Casos de Uso Não-Óbvios

Leia os logs detalhados dos agentes. Frequentemente eles usam o produto imaginado de formas que você não previu. Um agente “content agency rep” pensando em “gerenciar thumbnails de 20 clientes” abre um caso de uso de plano agência que você não tinha visto.

Monetização: O Que Você Pode Construir

Modelo 1 — Serviço de Validação

Ofereça validação de ideias como serviço para outros builders/founders. Você roda a simulação, interpreta os resultados, e entrega um relatório de 5-10 páginas.

Preço: R$ 500 a R$ 1.500 por validação
Frequência: 4-8 validações/mês (com análise)
Faturamento: R$ 4.000 a R$ 12.000/mês
Vantagem: Custo operacional zero, apenas seu tempo

Modelo 2 — Produto SaaS de Validação

Construa uma interface mais polida sobre o MiroFish e venda acesso a startups/builders.

Preço: $49 a $99 por simulação, ou assinatura mensal
Modelo: Cota mensal de 5-10 simulações
Custo variável: Zero (roda localmente)
Faturamento: R$ 2.000 a R$ 5.000/mês com 10-20 clientes

Modelo 3 — Consultoria de Produto

Combine MiroFish com seu conhecimento de produto/mercado. Você não só simula, mas recomenda ajustes estratégicos e roadmap.

Preço: R$ 2.000 a R$ 5.000 por projeto
Duração: 2-4 semanas
Cliente ideal: Builders técnicos saindo do zero para o mercado

Limitações e Quando NÃO Usar

Viés dos Modelos

Os agentes são gerados pelo LLM (qwen2.5:32b por padrão). Isso significa que seus comportamentos refletem os padrões nos dados de treinamento do modelo — que têm viés geográfico, cultural e temporal.

Comportamentos de mercados muito específicos, muito novos, ou muito culturalmente distintos do ocidente digital não são modelados com fidelidade.

Mitigação: Use múltiplos modelos e compare. Se qwen2.5 e mistral chegam nas mesmas conclusões, o sinal é mais robusto.

Simulação Não Captura Black Swans

Eventos imprevistos (mudança de algoritmo, crise regulatória, player dominante entrando) não aparecem na simulação.

A simulação modela comportamentos baseados no contexto que você define. Se o contexto está incompleto, o resultado está incompleto.

Qualidade Entra, Qualidade Sai

Uma seed genérica produz resultados genéricos. Se você descrever seu produto como “SaaS de marketing para empresas”, os agentes vão processar uma ideia vaga.

Dedique tempo à descrição do seu produto. Quanto mais específico (mercado, público, problema, solução), melhor o sinal.

Não Substitui Validação com Pessoas Reais

A simulação é uma ferramenta de redução de risco, não de eliminação de incerteza. Antes de lançar qualquer produto com preço significativo, valide ao menos 5 a 10 conversas reais com o perfil de cliente simulado.

A simulação diz onde olhar. As conversas reais confirmam o que você encontrou.

Fluxo de Trabalho Recomendado

1. Ideia bruta
        |
        v
2. Simulação inicial (5-10 min)
        |
        v
3. Leitura das objeções e clusters de aceitação
        |
   [Ideia tem sinal positivo?]
   Não → reformule posicionamento ou abandone
   Sim → continue
        |
        v
4. 5-10 conversas reais com pessoas do segmento simulado
        |
   [Confirmação de sinal?]
   Não → volta para passo 2 com nova hipótese
   Sim → construa o MVP
        |
        v
5. MVP com messaging já calibrado pela simulação

Esse ciclo completo — da ideia bruta ao MVP validado — pode ser executado em 1 a 2 semanas para produtos digitais.

Próximos Passos

Você tem o MiroFish rodando. O passo imediato é pegar uma decisão real que você precisa tomar — um produto que está pensando em construir, uma precificação que está indefinida, um posicionamento que está mudando — e rodar uma simulação de verdade.

A qualidade do resultado depende da qualidade com que você descreve sua ideia. Dedique 15-30 minutos escrevendo uma descrição clara do seu produto, mercado, cliente ideal e proposta de valor.

Para aprofundar na validação de ideias com outras abordagens complementares, o artigo Como Validar Sua Ideia de SaaS Antes de Programar cobre técnicas de pesquisa qualitativa que funcionam em paralelo com a simulação. E se você ainda está definindo qual ideia vale a pena simular, Como Validar Sua Ideia de Produto Digital tem o framework de pré-seleção.

O MiroFish Offline te dá o laboratório. O que você coloca nele é o que determina o valor que sai.