BettaFish – 开源的多Agent舆情分析系统，自动采集、分析

BettaFish是什么

BettaFish（微舆）是开源的多智能体舆情分析系统，能帮助用户快速了解公众对事件、品牌或产品的看法。系统通过自然语言驱动，用户只需像聊天一样提出需求，系统能自动完成全网舆情的采集、分析和预测。系统覆盖国内外30+主流社媒平台，具备多Agent协作、多模态解析、公私域数据融合等功能，支持一键部署。项目完全开源，适合品牌公关、市场分析、科研等场景。

BettaFish的主要功能

自然语言驱动：用户用聊天方式输入需求，系统能自动完成采集、分析和预测，无需复杂操作。
全网多源采集：覆盖国内外30+主流社媒平台，可全面获取舆情信息。
多Agent协作：多个智能体分工协作，模拟“论坛”思维碰撞，提升分析质量。
预测与决策：基于语义分析和热度指数预测舆情走向，生成专业报告辅助决策。
多模态能力：深度解析图文、视频等多模态内容，精准提取信息，全面掌握舆情动态。
公私域数据融合：支持将内部业务数据库与公开舆情数据无缝集成，提供更全面的分析视角。
轻量化与高扩展性：基于纯Python模块化设计，支持一键部署，易于扩展和定制。

如何使用BettaFish

克隆项目并创建环境：从GitHub仓库 https://github.com/666ghj/BettaFish 克隆BettaFish项目到本地，创建一个新的Python环境安装项目依赖。
安装依赖：在项目目录下安装所需的Python依赖包，和安装Playwright浏览器驱动支持爬虫功能。
配置系统：复制config.py.example文件为config.py，填写数据库配置和LLM（如OpenAI）的API密钥等信息。
初始化数据库：选择使用本地数据库时，运行数据库初始化脚本；若使用云数据库服务，需联系项目团队申请访问权限。
启动系统：激活Python环境后，启动BettaFish主应用，通过浏览器访问http://localhost:5000使用系统。

BettaFish的项目地址

GitHub仓库：https://github.com/666ghj/BettaFish

BettaFish的应用场景

品牌公关团队：品牌公关团队用BettaFish追踪新品发布后的全网反馈，及时识别潜在负面舆情，提前制定应对策略。
媒体与研究机构：媒体与研究机构能通过BettaFish分析社会热点事件的传播机制，深入了解公众舆论的动态变化，为报道和研究提供数据支持。
产品经理/市场分析师：产品经理和市场分析师借助BettaFish理解用户的真实需求与痛点，优化产品设计和市场策略，提升产品竞争力。
教育或科研用途：教育和科研人员用BettaFish研究社会舆情的演化规律、语言情绪变化等，为相关领域的学术研究提供丰富的数据和分析工具。

==========================================================================

舆情分析是很多企业的刚需——品牌口碑监测、危机公关预警、竞品动态跟踪、产品上线后的用户反馈收集，哪个不需要实时了解”外面的人在说什么”？但现实是：商业方案年费动辄几十万；开源工具要么只能爬一两个平台，要么分析深度约等于”词云图 + 情绪正负”，跟手动刷微博差不多。BettaFish（微舆）的做法不太一样：多 Agent 协作 + 全平台覆盖 + 从零实现不依赖任何框架。 23.9k Star 说明社区已经投了票。

01 它到底能干什么？

一句话：你像聊天一样告诉它”帮我分析一下 XXX 事件的舆情”，它自动完成从数据采集到分析报告的全流程。具体来说：

AI 爬虫自动出动，同时扫描微博、小红书、抖音、快手、知乎、B 站等 30+ 平台
实时采集相关讨论、评论、短视频内容
多个 AI 智能体协作分析——不是一个模型从头看到尾，而是不同角色的 Agent 各管一摊
输出结构化的舆情分析报告：情绪分布、核心观点、传播路径、趋势预测

不是给你扔一堆数据让你自己看，而是直接给结论和建议。

02 架构设计：Agent “辩论会”

市面上大多数 AI 分析工具的套路是：一个大模型吃进去所有数据，吐出一份报告。问题是单一模型容易产生偏见和同质化输出 ——它倾向于给出”中庸”的结论，而舆情分析恰恰需要多角度、有锐度的洞察。BettaFish 的解法是搞了一个 “辩论主持人”机制：

智能体角色	职责	避免的问题
数据采集 Agent	多平台并行爬取，结构化清洗	数据源单一
情绪分析 Agent	细粒度情感判别，不只是正负面	分析粒度太粗
观点提炼 Agent	提取核心论点和争议焦点	淹没在噪音中
趋势预测 Agent	基于传播规律预判走向	只看当下不看未来
辩论主持人 Agent	引导多 Agent 交叉验证、链式推理	单模型偏见

5 类 Agent 各有专属工具和思维模式，通过”辩论主持人”引导链式思维碰撞。有点像让五个分析师开圆桌会议，而不是让一个人写完整份报告。这个设计思路对做多 Agent 系统的开发者来说很有参考价值。

03 六大核心能力拆解

① 全域监控：不是爬一两个平台AI 爬虫集群 7×24 小时运行，覆盖微博、小红书、抖音、快手、知乎、B 站、Twitter、Reddit 等国内外 30+ 平台。不只追热点话题，还会深入挖掘评论区——真正的用户心声往往藏在评论里，不在标题上。② 多模态解析：短视频也能分析这是很多竞品做不到的。抖音、快手上的短视频内容，BettaFish 能做深度解析——不是只看标题和标签，而是分析视频内容本身。还能提取天气、日历、股票等结构化信息卡片。③ 公私域数据融合光看外部舆情不够，很多企业还需要把内部业务数据（客服工单、用户反馈、销售数据）和外部舆情打通。BettaFish 提供安全接口支持这种融合，实现”外部趋势 + 内部洞察”的双向印证。④ 不依赖任何框架没用 LangChain、没用 AutoGen、没用 CrewAI——全部从零实现。好处是代码结构清晰，没有框架抽象层带来的”黑盒”，坏处是二次开发需要先读懂它自己的架构。对于想学习多 Agent 系统设计的开发者来说，这反而是个优势。⑤ 纯 Python，轻量部署模块化设计，一键启动。不需要搞 Java 全家桶、不需要 K8s 集群，一台有 GPU 的机器（或者用云端 API）就能跑。⑥ Star 23.9k，社区活跃不是”发完论文就跑路”的学术项目，GitHub 上持续有更新和讨论。