oasis-profile-gen

name: oasis-profile-gen description: > Gera perfis de agente IA (personas) a partir de entidades de um grafo de conhecimento. Inspirado pelo OASIS Profile Generator do MiroFish-Offline (oasis_profile_generator.py, simulation_config_generator.py). Converte nós do grafo (pessoas, organizações, conceitos) em personas estruturadas com bio, persona, interesses, MBTI, tópicos e estilo de fala. Use quando precisar criar agentes simulados realistas a partir de dados reais extraídos de documentos ou bases de conhecimento. license: MIT compatibility: opencode allowed-tools: Read, Grep, Glob, Bash, Write metadata: author: Reversa Engine (padrão MiroFish-Offline OASIS) version: "2.0.0" domain: simulation triggers: perfil, persona, profile, oasis, agente simulado, simulação role: generator scope: simulation output-format: json related-skills: code-graphrag, hybrid-graph-retrieval inspired-by: MiroFish-Offline oasis_profile_generator.py, simulation_config_generator.py (AgentActivityConfig)

OASIS Profile Generator — Personas de Agente a partir de Grafos

Inspirado pelo OASIS (Opinion Agent Simulation Immersion System) do MiroFish-Offline. Converte entidades de um grafo de conhecimento em perfis detalhados de agente para simulações multi-plataforma (Twitter, Reddit).

Arquitetura (Padrão OASIS Profile)

MiroFish-Offline:  EntityReader → OasisProfileGenerator → Profile Files (JSON/CSV)
                          ↓                    ↓
                   GraphStorage (Neo4j)    LLM Prompt Templates

OpenCode:         GraphRAG Query → Profile Builder → Profile Output (JSON)
                          ↓                    ↓
                   code-graph.db (SQLite)   Ollama/OpenAI API

Estrutura do Perfil

Cada perfil gerado contém:

Subcampos de activity_config (AgentActivityConfig)

Quando Usar

Workflow

Fase 1: EXTRAIR — Obter Entidades do Grafo

1. Consulte o grafo — use GraphRAG ou consulta direta ao SQLite
2. Filtre por tipo — selecione entidades com labels significativos (excluindo Entity, Node)
3. Enriqueça com arestas — obtenha arestas de entrada/saída e nós relacionados

Fase 2: GERAR — Produzir Perfis via LLM

1. Para cada entidade, monte um prompt com:

   • Nome, summary, atributos
   • Relações (outgoing + incoming)
   • Nós relacionados com seus atributos

2. Template de Prompt (melhorado do original):

Gere um perfil de agente para simulação baseado na entidade abaixo:

== DADOS DA ENTIDADE ==
Nome: {name}
Resumo: {summary}
Atributos: {attributes}

== RELAÇÕES ==
{related_edges}

== CONTEXTO DO GRAFO ==
{related_nodes}

== PERFIL REQUERIDO ==
Gere um JSON com os campos:
- bio: biografia de 2-3 frases
- persona: voz em primeira pessoa (1 parágrafo)
- interests: lista de 3-5 interesses
- mbti: um dos 16 tipos MBTI mais adequado
- topics: lista de 3-5 tópicos de especialidade
- speaking_style: descrição do estilo de fala (formal, casual, técnico, etc.)
- activity_config: {
    activity_level: float 0.0-1.0 (nível geral de atividade),
    posts_per_hour: float (média de posts por hora),
    comments_per_hour: float (média de comentários por hora),
    active_hours: [int 0-23] (horas do dia em que o agente está ativo),
    response_delay_min: int (atraso mínimo em minutos simulados),
    response_delay_max: int (atraso máximo em minutos simulados),
    sentiment_bias: float -1.0 a 1.0 (viés negativo/positivo),
    stance: "supportive"|"critical"|"neutral"|"curious"|"dismissive",
    influence_weight: float 0.0-3.0 (peso de influência social)
  }
- twitter_behavior: {
    post_frequency: "alta"|"media"|"baixa",
    content_types: ["opiniao", "compartilhamento", "pergunta", ...],
    interaction_style: "engajador"|"observador"|"influenciador"
  }
- reddit_behavior: {
    post_frequency: "alta"|"media"|"baixa",
    subreddits_preference: ["topicos relacionados"],
    comment_style: "analitico"|"humoristico"|"informativo"
  }

3. Gere em paralelo — use parallel_count para gerar múltiplos perfis simultaneamente
4. Valide o JSON — verifique se todos os campos obrigatórios estão presentes

Fase 3: SALVAR — Exportar Perfis

Tipos de Entidade e Regras de Atividade

Os valores de activity_config seguem regras heurísticas por tipo de entidade, derivadas do BRAZIL_TIMEZONE_CONFIG do MiroFish-Offline. O LLM pode ajustar dentro das faixas abaixo:

Lógica de Aplicação

1. Identifique o tipo da entidade no grafo (label do nó)
2. Use a faixa heurística como seed para o prompt do LLM
3. Deixe o LLM ajustar o valor exato dentro da faixa com base no contexto
4. Fallback: se o tipo não estiver na tabela, use Person/Default

Dual-format Output

O OASIS Profile Generator pode exportar no formato nativo do MiroFish-Offline (Twitter CSV) ou no formato completo com todos os campos.

JSON (Full Detail)

Recomendado para o ecossistema OpenCode. Contém todos os campos incluindo activity_config com seus 9 subcampos.

{
  "name": "João Silva",
  "bio": "...",
  "persona": "...",
  "interests": ["..."],
  "mbti": "ENFP",
  "topics": ["..."],
  "speaking_style": "casual",
  "activity_config": {
    "activity_level": 0.8,
    "posts_per_hour": 1.2,
    "comments_per_hour": 2.5,
    "active_hours": [18, 19, 20, 21, 22, 23],
    "response_delay_min": 1,
    "response_delay_max": 15,
    "sentiment_bias": 0.3,
    "stance": "supportive",
    "influence_weight": 0.8
  },
  "twitter_behavior": { ... },
  "reddit_behavior": { ... }
}

CSV (Twitter-optimized)

Formato achatado requerido pelo pipeline Twitter do OASIS original. Campos comuns + activity_config são convertidos em colunas planas.

Use --format csv para gerar CSV e --format json (padrão) para JSON completo.

Melhorias em Relação ao Original

Prompt Templates Customizáveis

Para domínios específicos, crie templates em references/prompts/:

• default.md — Template genérico (usado por padrão)
• academic.md — Para perfis acadêmicos/pesquisadores
• corporate.md — Para perfis corporativos/executivos
• healthcare.md — Para profissionais de saúde

Exemplo de Uso

# Gerar perfis a partir de uma consulta GraphRAG
/oasis-profile --graph mirofish_abc123 --entities tipos:Person,Organization --parallel 5

# Gerar a partir de arquivo JSON
/oasis-profile --input entities.json --output profiles.json

# Gerar com template específico
/oasis-profile --graph mirofish_abc123 --template academic

Referências

• Código original: oasis_profile_generator.py (MiroFish-Offline)
• Código original: simulation_config_generator.py (MiroFish-Offline)
• Estruturas de dados: EntityNode, FilteredEntities em entity_reader.py
• SKILL relacionada: code-graphrag (fonte de dados do grafo)