“当你还在手动收集资料，他的AI团队已交出25页深度报告。”
上周，GitHub热榜突然杀出一匹黑马——一个名为 BettaFish（中文名”微舆”）的开源项目，24小时内狂揽4000+Star，最终冲上热榜第一。
更令人惊讶的是，这个AI舆情分析神器的作者，竟然只是一名20岁的在校大学生。最初，它只是个普通课程作业，如今却成为无数企业、研究机构眼中的香饽饽。
今天，就让我们走进这个被誉为人人可用的多Agent舆情助手，看它如何用AI重新定义信息搜集这件事。
🐟 什么是微舆？从课程作业到GitHub爆款
“微舆”（BettaFish）是一个创新型多智能体舆情分析系统，名字取自”斗鱼”—一种体型虽小但战斗力极强的观赏鱼，象征着”小而强大，不畏挑战”。
它的核心能力很简单，却又很颠覆：
你只需像聊天一样提出分析需求，系统就能全自动分析国内外30+主流社媒与数百万条评论，交出一份专业级研究报告。
比如这样一句指令：
“全面分析武汉大学近期的网络舆情，包括声量变化、用户画像、风险点及机遇”
短短几分钟后，它会给你一份8章25节的深度分析报告，涵盖：
- 品牌声量趋势与关键事件
- 用户情感分布与画像
- 舆情风险预警
- 品牌机遇挖掘
- 多平台对比分析
- 传播路径追踪
- 舆情预测与建议
- 附录数据图表
这哪是工具？分明是为你配了一个24小时不睡觉的AI情报团队。
🤖 技术揭秘：5大Agent，一个AI专家团队
微舆的核心不是单一大模型，而是多个专业Agent组成的协作系统，各司其职又相互辩论，模拟真实专家团队的工作流程。
1️⃣ Query Agent：广度搜索专家
- 7×24小时监控国内外30+主流媒体
- 捕捉热点内容，抓取核心信息
- 覆盖微博、小红书、抖音、Twitter、Facebook等平台
2️⃣ Media Agent：多模态解读者
- 能看图、能听音、能理解短视频内容
- 识别抖音、快手等平台的视觉内容
- 提取搜索引擎中的天气、股票等结构化信息
3️⃣ Insight Agent：深度挖掘者
- 专攻私有数据库，分析数百万条评论
- 集成多种情感分析模型（BERT、Qwen3、多语言）
- 识别隐性情绪、态度和潜在风险
4️⃣ Report Agent：报告大师
- 动态选择最佳报告模板
- 自动生成图文并茂的HTML报告
- 支持商业品牌、公共事件等多种场景
5️⃣ 论坛主持人：思维碰撞催化剂
- 最创新的设计：模拟专家辩论会
- 不同Agent提交观点，由主持人引导讨论
- 避免单一模型的思维局限，产出更加全面的结论
传统AI工具常犯的错误是：一个人思考，一群人点赞。而微舆让AI真正像人类专家一样，有争论、有碰撞、有共识。
⚡ 六大核心优势：为什么它能一夜爆火？
✅ 1. 全域监控，不止于表面
AI爬虫集群7×24小时不间断作业，不仅能抓取热点内容，更能深入分析海量用户评论，让你听到最真实、最广泛的大众声音，破除”信息茧房”。
✅ 2. 超越LLM的复合分析
微舆不只依赖LLM，而是融合了微调模型+统计模型+多Agent协作，确保分析结果既有深度又有准度。
✅ 3. 真正的多模态能力
突破纯文本限制，能解析短视频、图像、结构化数据卡片，全面掌握舆情动态。当别人还在看文字评论时，它已看完了1000条抖音视频。
✅ 4. 论坛式辩论机制
为不同Agent赋予独特思维模式，通过”论坛”机制进行链式思维碰撞。这让结果不再是一面之词，而是多方验证、辩论后的共识。
✅ 5. 公私数据无缝融合
不仅分析公开舆情，还提供高安全接口，支持对接内部业务数据库。打通数据壁垒，实现”外部趋势+内部洞察”的深度分析。
✅ 6. 轻量级，易扩展
基于纯Python模块化设计，实现一键部署。代码结构清晰，开发者可轻松定制，将它变成金融分析系统、市场监测工具等。
📊 实测：从指令到25页报告，只需一杯咖啡的时间
让我们看看真实案例：以武汉大学舆情为例，完整分析流程是怎样的？
📌 步骤1：用户提问
在系统中输入：
“全面分析武汉大学近期的网络舆情状况，包括声量变化、用户画像、风险点及机遇”
📌 步骤2：三大Agent并行启动
- Query Agent开始广度搜索：微博、知乎、抖音、小红书…
- Media Agent分析多模态内容：校园照片、短视频、图表
- Insight Agent挖掘历史数据：评论情感、话题演变
📌 步骤3：论坛辩论
各Agent提交初步发现：
- Query Agent：”武大樱花季期间声量激增300%”
- Media Agent：”图片分析显示校友怀旧情绪占65%”
- Insight Agent：”负面评论主要集中在门票预约系统”
📌 步骤4：报告生成
Report Agent整合所有信息，自动选择”高校舆情分析”模板，生成包含8章25节的深度报告，含30+数据图表。
整个过程，无需人工干预，就像请了一个专业市场研究团队，24小时待命，随叫随到。
🚀 技术人必看：如何部署自己的舆情分析团队？
微舆的部署比想象中简单，即使是新手也能轻松上手。
基础环境
- 操作系统：Windows/Linux/MacOS
- Python 3.9+
- 2GB+内存
- MySQL数据库（可选云服务）
三步快速部署
# 1. 创建环境
conda create -n weiyu python=3.11
conda activate weiyu
# 2. 安装依赖
pip install -r requirements.txt
playwright install chromium # 安装浏览器驱动
# 3. 配置API密钥
cp .env.example .env # 填入你的API密钥
# 4. 启动系统
python app.py访问 http://localhost:5000，你的AI舆情分析团队就已就位。
💡 提示：项目提供详细的部署指南，也支持直接使用云数据库服务（含10万+真实舆情数据）。
🌟 从作业到热榜：一个大学生的开源故事
项目作者本是普通计算机系学生，这学期选修了大数据分析课程。
“当时老师布置了一个舆情分析作业，我心想：为什么不让AI替我做呢？”
从最初简陋的爬虫脚本，到多Agent协作系统，再到GitHub热榜第一，作者用了不到3个月。
如今，凭借这个项目，他已获得多家科技公司的实习offer，甚至有投资人联系他探讨商业化可能。
🔮 未来不止于舆情
当前版本的微舆已实现输入→分析，但团队的野心不止于此：
下一步，他们要实现真正的预测功能。
基于长期积累的全网话题热度数据，团队计划整合时序模型、图神经网络、多模态融合等技术，实现：
- 话题热度预测
- 舆情拐点预警
- 风险扩散模拟
- 机遇窗口识别
“始于舆情，而不止于舆情。”项目文档中这样写道，”微舆的目标是成为驱动一切业务场景的简洁通用数据分析引擎。”
👉 项目地址
https://github.com/666ghj/BettaFish