Star 23.9k 开源 AI 多Agent舆情分析助手 BettaFish

我爱免费

作者：微信文章
👉 这是一个或许对你有用的社群

🐱 一对一交流/面试小册/简历优化/求职解惑，欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料：

《项目实战（视频）》：从书中学，往事中“练”《互联网高频面试题》：面朝简历学习，春暖花开《架构 x 系统设计》：摧枯拉朽，掌控面试高频场景题《精进 Java 学习指南》：系统学习，互联网主流技术栈《必读 Java 源码专栏》：知其然，知其所以然

👉这是一个或许对你有用的开源项目

国产Star破10w的开源项目，前端包括管理后台、微信小程序，后端支持单体、微服务架构

RBAC权限、数据权限、SaaS多租户、商城、支付、工作流、大屏报表、ERP、CRM、AI大模型、IoT物联网等功能：

多模块：https://gitee.com/zhijiantianya/ruoyi-vue-pro微服务：https://gitee.com/zhijiantianya/yudao-cloud视频教程：https://doc.iocoder.cn

【国内首批】支持 JDK17/21+SpringBoot3、JDK8/11+Spring Boot2双版本

来源：网络

---

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。



GitHub 地址：https://github.com/666ghj/BettaFish
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。

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://github.com/YunaiV/ruoyi-vue-pro视频教程：https://doc.iocoder.cn/video/

架构上最有意思的设计：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。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://github.com/YunaiV/yudao-cloud视频教程：https://doc.iocoder.cn/video/

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 7x24 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。
适合谁用？

品牌/公关团队 -- 日常口碑监测、危机公关预警产品经理 -- 新功能上线后的用户反馈实时收集投研分析师 -- 行业舆情追踪、市场情绪感知多 Agent 系统开发者 -- 学习"辩论主持人"机制和多 Agent 协作架构

不适合谁： 如果你只需要监控一两个平台的关键词，杀鸡不用牛刀，简单的爬虫 + 关键词匹配就够了。BettaFish 的价值在于"全域 + 深度分析"，轻量级需求用它有点浪费。

---

欢迎加入我的知识星球，全面提升技术能力。

👉 加入方式，“长按”或“扫描”下方二维码噢：



星球的内容包括：项目实战、面试招聘、源码解析、学习路线。











文章有帮助的话，在看，转发吧。

谢谢支持哟 (*^__^*）