666ghj/BettaFish

**666ghj/BettaFish**

微舆：人人可用的多Agent舆情分析助手，打破信息茧房，还原舆情原貌，预测未来走向，辅助决策！从0实现，不依赖任何框架。 English | 中文文档 [!IMPORTANT] 查看我们最新发布的预测引擎：MiroFish-简洁通用的群体智能引擎，预测万物 “数据分析三板斧”全线贯通：我们激动的宣布 MiroFish 正式发布！随着最后一块版图补齐，我们构建了从 BettaFish（数据收集与分析）到 MiroFish（全景预测）的完整链路。至此，从原始数据到智能决策的闭环已成，让预见未来成为可能！ ⚡ 项目概述 “微舆” 是一个从0实现的创新型 多智能体 舆情分析系统，帮助大家破除信息茧房，还原舆情原貌，预测未来走向，辅助决策。用户只需像聊天一样提出分析需求，智能体开始全自动分析 国内外30+主流社媒 与 数百万条大众评论。 “微舆”谐音“微鱼”，BettaFish是一种体型很小但非常好斗、漂亮的鱼，它象征着“小而强大，不畏挑战” 查看系统以“武汉大学舆情”为例，生成的研究报告：武汉大学品牌声誉深度分析报告 查看系统以“武汉大学舆情”为例，一次完整运行的视频：视频-武汉大学品牌声誉深度分析报告 不仅仅体现在报告质量上，相比同类产品，我们拥有🚀六大优势： AI驱动的全域监控：AI爬虫集群7x24小时不间断作业，全面覆盖微博、小红书、抖音、快手等10+国内外关键社媒。不仅实时捕获热点内容，更能下钻至海量用户评论，让您听到最真实、最广泛的大众声音。 超越LLM的复合分析引擎：我们不仅依赖设计的5类专业Agent，更融合了微调模型、统计模型等中间件。通过多模型协同工作，确保了分析结果的深度、准度与多维视角。 强大的多模态能力：突破图文限制，能深度解析抖音、快手等短视频内容，并精准提取现代搜索引擎中的天气、日历、股票等结构化多模态信息卡片，让您全面掌握舆情动态。 Agent“论坛”协作机制：为不同Agent赋予独特的工具集与思维模式，引入辩论主持人模型，通过“论坛”机制进行链式思维碰撞与辩论。这不仅避免了单一模型的思维局限与交流导致的同质化，更催生出更高质量的集体智能与决策支持。 公私域数据无缝融合：平台不仅分析公开舆情，还提供高安全性的接口，支持您将内部业务数据库与舆情数据无缝集成。打通数据壁垒，为垂直业务提供“外部趋势+内部洞察”的强大分析能力。 轻量化与高扩展性框架：基于纯Python模块化设计，实现轻量化、一键式部署。代码结构清晰，开发者可轻松集成自定义模型与业务逻辑，实现平台的快速扩展与深度定制。 始于舆情，而不止于舆情。“微舆”的目标，是成为驱动一切业务场景的简洁通用的数据分析引擎。 举个例子. 你只需简单修改Agent工具集的api参数与prompt，就可以把他变成一个金融领域的市场分析系统 附一个比较活跃的L站项目讨论帖：https://linux.do/t/topic/1009280 查看L站佬友做的测评 开源项目(微舆)与manus|minimax|ChatGPT|Perplexity对比 告别传统的数据看板，在“微舆”，一切由一个简单的问题开始，您只需像对话一样，提出您的分析需求 🪄 赞助商 LLM模型API赞助： AI联网搜索、文件解析及网页内容抓取等智能体核心能力提供商： 安思派开放平台(Anspire Open)是面向智能体时代的领先的基础设施提供商。我们为开发者提供构建强大智能体所需的核心能力栈，现已上线AI联网搜索【多版本，极具竞争力的价格】、文件解析【限免】及网页内容抓取【限免】、云端浏览器自动化（Anspire Browser Agent）【内测】、多轮改写等服务，持续为智能体连接并操作复杂的数字世界提供坚实基础。可无缝集成至Dify、Coze、元器等主流智能体平台。通过透明点数计费体系与模块化设计，为企业提供高效、低成本的定制化支持，加速智能化升级进程。 🏗️ 系统架构 整体架构图 Insight Agent 私有数据库挖掘：私有舆情数据库深度分析AI代理 Media Agent 多模态内容分析：具备强大多模态能力的AI代理 Query Agent 精准信息搜索：具备国内外网页搜索能力的AI代理 Report Agent 智能报告生成：内置模板的多轮报告生成AI代理 一次完整分析流程 步骤 阶段名称 主要操作 参与组件 循环特性 1 用户提问 Flask主应用接收查询 Flask主应用 - 2 并行启动 三个Agent同时开始工作 Query Agent、Media Agent、Insight Agent - 3 初步分析 各Agent使用专属工具进行概览搜索 各Agent + 专属工具集 - 4 策略制定 基于初步结果制定分块研究策略 各Agent内部决策模块 - 5-N 循环阶段 论坛协作 + 深度研究 ForumEngine + 所有Agent 多轮循环 5.1 深度研究 各Agent基于论坛主持人引导进行专项搜索 各Agent + 反思机制 + 论坛引导 每轮循环 5.2 论坛协作 ForumEngine监控Agent发言并生成主持人引导 ForumEngine + LLM主持人 每轮循环 5.3 交流融合 各Agent根据讨论调整研究方向 各Agent + forum_reader工具 每轮循环 N+1 结果整合 Report Agent收集所有分析结果和论坛内容 Report Agent - N+2 IR中间表示 动态选择模板和样式，多轮生成元数据，装订为IR中间表示 Report Agent + 模板引擎 - N+3 报告生成 分块进行质量检测，基于IR渲染成交互式 HTML 报告 Report Agent + 装订引擎 - 项目代码结构树 BettaFish/ ├── QueryEngine/ # 国内外新闻广度搜索Agent │ ├── agent.py # Agent主逻辑，协调搜索与分析流程 │ ├── llms/ # LLM接口封装 │ ├── nodes/ # 处理节点：搜索、格式化、总结等 │ ├── tools/ # 国内外新闻搜索工具集 │ ├── utils/ # 工具函数 │ ├── state/ # 状态管理 │ ├── prompts/ # 提示词模板 │ └── ... ├── MediaEngine/ # 强大的多模态理解Agent │ ├── agent.py # Agent主逻辑，处理视频/图片等多模态内容 │ ├── llms/ # LLM接口封装 │ ├── nodes/ # 处理节点：搜索、格式化、总结等 │ ├── tools/ # 多模态搜索工具集 │ ├── utils/ # 工具函数 │ ├── state/ # 状态管理 │ ├── prompts/ # 提示词模板 │ └── ... ├── InsightEngine/ # 私有数据库挖掘Agent │ ├── agent.py # Agent主逻辑，协调数据库查询与分析 │ ├── llms/ # LLM接口封装 │ │ └── base.py # 统一的OpenAI兼容客户端 │ ├── nodes/ # 处理节点：搜索、格式化、总结等 │ │ ├── base_node.py # 基础节点类 │ │ ├── search_node.py # 搜索节点 │ │ ├── formatting_node.py # 格式化节点 │ │ ├── report_structure_node.py # 报告结构节点 │ │ └── summary_node.py # 总结节点 │ ├── tools/ # 数据库查询和分析工具集 │ │ ├── keyword_optimizer.py # Qwen关键词优化中间件 │ │ ├── search.py # 数据库操作工具集（话题搜索、评论获取等） │ │ └── sentiment_analyzer.py # 情感分析集成工具 │ ├── utils/ # 工具函数 │ │ ├── config.py # 配置管理 │ │ ├── db.py # SQLAlchemy异步引擎与只读查询封装 │ │ └── text_processing.py # 文本处理工具 │ ├── state/ # 状态管理 │ │ └── state.py # Agent状态定义 │ ├── prompts/ # 提示词模板 │ │ └── prompts.py # 各类提示词 │ └── __init__.py ├── ReportEngine/ # 多轮报告生成Agent │ ├── agent.py # 总调度器：模板选择→布局→篇幅→章节→渲染 │ ├── flask_interface.py # Flask/SSE入口，管理任务排队与流式事件 │ ├── llms/ # OpenAI兼容LLM封装 │ │ └── base.py # 统一的流式/重试客户端 │ ├── core/ # 核心功能：模板解析、章节存储、文档装订 │ │ ├── template_parser.py # Markdown模板切片与slug生成 │ │ ├── chapter_storage.py # 章节run目录、manifest与raw流写入 │ │ └── stitcher.py # Document IR装订器，补齐锚点/元数据 │ ├── ir/ # 报告中间表示（IR）契约与校验 │ │ ├── schema.py # 块/标记Schema常量定义 │ │ └── validator.py # 章节JSON结构校验器 │ ├── nodes/ # 全流程推理节点 │ │ ├── base_node.py # 节点基类+日志/状态钩子 │ │ ├── template_selection_node.py # 模板候选收集与LLM筛选 │ │ ├── document_layout_node.py # 标题/目录/主题设计 │ │ ├── word_budget_node.py # 篇幅规划与章节指令生成 │ │ └── chapter_generation_node.py # 章节级JSON生成+校验 │ ├── prompts/ # 提示词库与Schema说明 │ │ └── prompts.py # 模板选择/布局/篇幅/章节提示词 │ ├── renderers/ # IR渲染器 │ │ ├── html_renderer.py # Document IR→交互式HTML │ │ ├── pdf_renderer.py # HTML→PDF导出（WeasyPrint） │ │ ├── pdf_layout_optimizer.py # PDF布局优化器 │ │ └── chart_to_svg.py # 图表转SVG工具 │ ├── state/ # 任务/元数据状态模型 │ │ └── state.py # ReportState与序列化工具 │ ├── utils/ # 配置与辅助工具 │ │ ├── config.py # Pydantic Settings与打印助手 │ │ ├── dependency_check.py # 依赖检查工具 │ │ ├── json_parser.py # JSON解析工具 │ │ ├── chart_validator.py # 图表校验工具 │ │ └── chart_repair_api.py # 图表修复API │ ├── report_template/ # Markdown模板库 │ │ ├── 企业品牌声誉分析报告.md │ │ └── ... │ └── __init__.py ├── ForumEngine/ # 论坛引擎：Agent协作机制 │ ├── monitor.py # 日志监控和论坛管理核心 │ ├── llm_host.py # 论坛主持人LLM模块 │ └── __init__.py ├── MindSpider/ # 社交媒体爬虫系统 │ ├── main.py # 爬虫主程序入口 │ ├── config.py # 爬虫配置文件 │ ├── BroadTopicExtraction/ # 话题提取模块 │ │ ├── main.py # 话题提取主程序 │ │ ├── database_manager.py # 数据库管理器 │ │ ├── get_today_news.py # 今日新闻获取 │ │ └── topic_extractor.py # 话题提取器 │ ├── DeepSentimentCrawling/ # 深度舆情爬取模块 │ │ ├── main.py # 深度爬取主程序 │ │ ├── keyword_manager.py # 关键词管理器 │ │ ├── platform_crawler.py # 平台爬虫管理 │ │ └── MediaCrawler/ # 社媒爬虫核心 │ │ ├── main.py │ │ ├── config/ # 各平台配置 │ │ ├── media_platform/ # 各平台爬虫实现 │ │ └── .....

---

**[devsupporter 해설]**

이 기사는 GitHub Trending Weekly All에서 제공하는 최신 개발 동향입니다. 관련 도구나 기술에 대해 더 알아보시려면 원본 링크를 참고하세요.