短短几天斩获 17k Star，这个基于 AI 的舆情分析开源项目火了！

兄弟们，之前介绍过很多舆情监控项目，这些项目要么是半开源、要么是基于 Coze 的，无法真正的自主掌控。

今天发现了一个新的开源舆情分析系统，在短短的几天就斩获了17k star！

这个增长趋势是非常惊人的！甚至 Fork 数都达到了3.4k。这说明，大家对这类工具还是非常感兴趣的。

今天，就来介绍一下这个开源的舆情分析工具！

一、说明

本文介绍的内容仅供学习、学术研究和教育目的使用。文中所涉及的技术、思路和工具仅供以学习交流使用，任何人不得将其用于非法用途以及盈利等目的，否则后果自行承担。

二、介绍

「微舆」（BettaFish）是一款基于多智能体技术的舆情分析系统，名称取自 「斗鱼」 的英文，象征着 「小而强大，不畏挑战」的精神。

该系统旨在帮助用户破除信息茧房，还原舆情原貌，预测未来走向，辅助决策制定。

用户只需像聊天一样提出分析需求，系统便能全自动分析国内外 30 + 主流社交媒体平台（如微博、小红书、抖音、快手等）及数百万条大众评论，生成专业的分析报告。

例如以 「武汉大学舆情」 为主题，系统可输出详细的品牌声誉深度分析报告，并支持查看完整运行过程视频。

作为一款开源项目，「微舆」 基于纯 Python 模块化设计，实现了轻量化、一键式部署，代码结构清晰，便于开发者进行二次开发和定制化扩展。

三、功能特性

「微舆」 凭借六大核心优势，在同类产品中脱颖而出：

• 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 10 + 国内外关键社媒平台，不仅实时捕获热点内容，更能深入海量用户评论，让你听到最真实、广泛的大众声音。

• 超越 LLM 的复合分析引擎：依赖 5 类专业 Agent（智能代理），融合微调模型、统计模型等中间件，通过多模型协同工作，确保分析结果的深度、准度与多维视角。

• 强大的多模态能力：突破图文限制，可深度解析抖音、快手等短视频内容，并精准提取搜索引擎中的天气、日历、股票等结构化多模态信息卡片，全面掌握舆情动态。

• Agent “论坛” 协作机制：为不同 Agent 赋予独特工具集与思维模式，引入辩论主持人模型，通过 “论坛” 机制实现链式思维碰撞与辩论，避免单一模型局限，催生出更高质量的集体智能。

• 公私域数据无缝融合：不仅分析公开舆情，还提供高安全性接口，支持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” 的分析能力。

• 轻量化与高扩展性框架：基于纯 Python 模块化设计，支持一键部署，开发者可轻松集成自定义模型与业务逻辑，实现快速扩展与深度定制。

四、安装

4.1 快速入门准备

• 项目基于 Python 开发，需先确保本地安装 Python 环境（建议 3.8 及以上版本）。

• 克隆项目仓库：

git clone https://github.com/666ghj/Weibo_PublicOpinion_AnalysisSystem.git
cd BettaFish

4.2 环境配置

• 安装依赖包：

pip install -r requirements.txt

• 配置环境变量：

复制.env.example文件为.env，根据实际需求修改配置参数（如 API 密钥、数据库连接信息等）。

4.3 启动系统

• 直接运行主应用：

python app.py

• 访问本地服务：

打开浏览器，输入http://localhost:5000即可进入系统界面，像聊天一样输入分析需求（如 “分析近期某品牌的网络口碑”），系统将自动启动多智能体进行分析并生成报告。

4.4 其他部署方式

项目支持 Docker 部署，通过docker-compose.yml可快速构建容器环境：

docker-compose up -d

五、总结

「微舆」（BettaFish）作为一款创新的多智能体舆情分析系统，以 「始于舆情，而不止于舆情」 为目标，不仅能满足社交媒体舆情监控的核心需求，还可通过定制化改造应用于金融市场分析、行业趋势研究等多个领域。

其开源特性与模块化设计为开发者提供了灵活的扩展空间，而 AI 驱动的全域分析能力和 Agent 协作机制则确保了分析结果的专业性与深度。

无论是企业决策者、研究人员还是技术开发者，都能从中获得有价值的洞察与技术参考。

如果你正被信息过载困扰，或需要高效的舆情分析工具，不妨试试 「微舆」，让多智能体技术为你破解信息茧房，洞察舆论本质