BettaFish（微舆）

BettaFish（微舆）是一个开源的多智能体协作舆情分析系统，专为自动化信息采集、分析与决策支持设计。该项目由一名20岁大学生开发，以“小而强大，不畏挑战”为理念，采用斗鱼（BettaFish）命名，象征其轻量化与强对抗性。系统通过多智能体架构模拟专业分析团队，用户仅需输入需求，即可自动完成从30+国内外主流社交媒体（微博、小红书、抖音、快手等）的数据采集、多维度分析到报告生成的全流程，目标在于打破信息茧房、还原舆情真相并预测趋势。

功能特点

1. AI驱动的全域监控：爬虫集群7×24小时运行，覆盖国内外主流社媒及百万级用户评论，支持热点捕获与评论下钻。
2. 复合分析引擎：融合微调模型、统计模型等多类中间件，通过多模型协同提升分析深度与准确性。
3. 多模态能力：突破纯文本限制，可解析短视频内容（如抖音、快手）及结构化信息卡片（天气、股票等）。
4. 论坛协作机制：五大智能体（QueryEngine、MediaEngine、InsightEngine、ForumEngine、ReportEngine）通过“主持人+辩论”模式协同推理，避免单一模型思维局限。
5. 公私域数据融合：支持内部业务数据库与舆情数据无缝集成，提供“外部趋势+内部洞察”的全面分析视角。
6. 轻量化与高扩展性：基于纯Python模块化设计，支持一键部署、自定义模型集成及业务逻辑扩展。

优缺点

优点：

1. 全自动化流程：从数据采集到报告生成无需人工干预，大幅提升效率。
2. 多模态与跨平台：覆盖图文、视频及结构化数据，适配新媒体时代需求。
3. 开源可定制：代码完全开源，用户可自由修改Agent工具集与Prompt，适配金融、教育等多场景。
4. 低成本部署：纯Python实现，无需复杂分布式框架，单机即可运行。

缺点：

1. 数据合规风险：爬虫功能需遵守平台规则及法律法规，使用者需自行承担责任。
2. 技术门槛：虽提供详细文档，但多智能体调试与自定义扩展仍需一定技术基础。
3. 资源依赖：部分功能依赖外部LLM API（如Tavily、Gemini），可能产生额外成本。

主要应用场景

1. 品牌公关：实时监测社交媒体舆情，预警危机事件（如“甲醛宿舍”事件分析）。
2. 市场研究：分析产品试喝挑战视频中的方言关键词，辅助区域口味优化决策。
3. 金融投研：结合雪球论坛与电商平台数据，评估散户对新能源政策的反馈，辅助量化策略。
4. 社会计算：融合微博留守儿童话题与实地调研数据，揭示媒体报道与实际困境的认知差异。
5. 公共卫生：监测社交媒体疾病关键词地域集中度，为疫情预警提供数据支持。

使用方法

1. 环境配置：安装Python依赖包（pip install -r requirements.txt）、Playwright浏览器驱动（playwright install chromium）。
2. 数据库初始化：复制配置文件（config.py.example），填写MySQL数据库及LLM API Key，执行数据库初始化脚本（python schema/init_database.py）。
3. 启动系统：运行主应用（python app.py），访问http://localhost:5000使用完整功能；或单独启动Agent（如streamlit run SingleEngineApp/query_engine_streamlit_app.py）。
4. 自定义扩展：修改Agent工具集API参数与Prompt，集成自定义业务数据库（需编写CustomBusinessDBTool）。

收费标准

BettaFish完全开源免费，用户可自由下载、使用及修改代码。但使用外部LLM API（如Tavily、Gemini）可能产生费用，需根据具体服务计费。

网站地址

GitHub项目地址：https://github.com/666ghj/BettaFish

AI工具和资源推荐-AI全网资源导航-aiguide.cc