BettaFish：多智能体舆情分析系统

最近在 GitHub 上看到一个叫 BettaFish 的项目，Star 数已经到了 4.1 万，热度挺高。这工具做的是舆情分析，但思路跟传统舆情工具不太一样——它用多个 AI Agent 协作来完成分析任务。

项目名叫"微舆"，谐音"微鱼"。BettaFish 是一种小但好斗的鱼，作者用这个名字形容项目"小而强大"。

它解决什么问题

现在网上信息太多，想了解一个话题的全貌很难。传统舆情工具要么只看单一平台，要么只做简单的关键词统计。BettaFish 的做法是让多个 Agent 各自负责不同的数据源，然后通过"论坛"机制让它们互相讨论，最后生成完整的分析报告。

系统能覆盖 30 多个主流社媒平台，包括微博、小红书、抖音、快手这些。不只是抓取主帖，还能深入到用户评论层面。

四个核心 Agent

BettaFish 由四个专门的 Agent 组成：

Query Agent 负责搜索国内外新闻和网页信息，做广度覆盖。

Media Agent 处理多模态内容，能分析短视频、图片这些非文本信息。

Insight Agent 挖掘私有数据库里的数据，做深度分析。

Report Agent 把前面三个 Agent 的分析结果整合起来，生成最终报告。

这四个 Agent 不是各干各的。系统里有个 ForumEngine，相当于一个"论坛"，Agent 们在里面交换信息、互相补充。这种设计避免了单一模型的思维局限。

技术实现

项目是纯 Python 写的，模块化设计，代码结构清晰。数据库支持 PostgreSQL 和 MySQL，LLM 调用兼容 OpenAI 接口格式，可以接各种模型。

部署方式有两种：Docker 一键部署，或者本地源码安装。Docker 方式最省事，改好配置文件直接 docker compose up -d 就行。

情感分析这块，项目集成了多种方案：BERT 微调模型、GPT-2 LoRA、多语言模型，还有传统的机器学习方法。可以根据需求选择。

跟同类项目有什么不同

我看了下文档，BettaFish 有几个特点比较突出：

一是多模态能力。现在社媒上短视频是主流，纯文本分析会漏掉大量信息。Media Agent 能处理抖音、快手的视频内容。

二是 Agent 协作机制。不是简单的分工再汇总，而是让 Agent 之间有真正的信息交互。论坛主持人模型会引导讨论方向，确保分析不跑偏。

三是支持私有数据接入。除了公开舆情，还能把企业内部数据库接进来，做"外部趋势+内部洞察"的综合分析。

实际使用

系统提供 Flask Web 界面，用户像聊天一样提出分析需求，后台 Agent 自动开始工作。也可以单独启动某个 Agent，用 Streamlit 界面做独立分析。

报告输出支持 HTML、PDF、Markdown 三种格式。报告引擎用了一个叫 IR（中间表示）的架构，模板和内容分离，方便定制。

项目还附带了一个叫 MindSpider 的爬虫系统，可以单独用来采集数据。

局限性

项目声明仅供学习和研究使用，不能用于商业用途。爬虫功能需要遵守目标网站的协议和相关法律法规。

另外，系统对 LLM API 有一定依赖，运行成本需要考虑。情感分析模型虽然是本地部署，但主分析流程还是要调用大模型。

如果你在做舆情分析相关的研究或项目，BettaFish 的多 Agent 协作思路值得参考。代码是 GPL-2.0 协议，可以自由修改和部署。

析相关的研究或项目，BettaFish 的多 Agent 协作思路值得参考。代码是 GPL-2.0 协议，可以自由修改和部署。