用多模态+多Agent，BettaFish解决舆情难题？

前两天看到一条新闻，某某品牌产品又翻车，话题发酵很快。某博上有一套说法，某书上又是另一套，某音评论区更是相当精彩。想必各位都爱吃瓜，也经常在吃。但是当瓜出来的时候，微博、小红书、抖音等平台上的说法五花八门，作为吃瓜群众根本分不清东南西北，人工去筛选分析太费劲。

今天给大家分享一款最近在Github超火的项目——BettaFish，一个基于多智能体（Multi-Agent）技术的舆情分析系统，让你像聊天一样轻松获得专业级分析报告，帮你把瓜吃得明明白白！

BettaFish

https://github.com/666ghj/BettaFish

是一款基于多智能体技术的开源舆情分析系统，由一名中国科学技术大学20岁大学生为课程作业开发。它能自动爬取30多个主流社交平台的数据，通过多Agent协作生成包含事件分析、情感趋势和预测的专业报告。系统采用Python纯手工开发，不依赖外部框架，支持Docker一键部署，目前GitHub星标已超19.8K。其特色包括多模态内容解析、Agent间协作辩论机制，并能针对品牌声誉等复杂场景提供深度分析，例如对武汉大学甲醛事件的情感演变追踪和治理建议。最新版本已实现舆情预测功能，未来计划加入时序模型训练。

BettaFish 的定位很清晰：它不是普通的 AI 聊天机器人，而是一个由多智能体（Multi-Agent）协作组成的舆情分析系统。简单来说，它就像一个 24 小时不眠的“AI 舆情研究所”。你只需要输入一个主题，比如“最近关于某品牌的负面讨论”，系统就会自动从微博、小红书、抖音、快手等社交平台抓取相关数据，同时对帖子、评论、视频内容进行分析，最终生成一份包含热度趋势、情绪分析、风险点预测的完整报告。

BettaFish 的处理逻辑不太一样，它内置了 4 个专业 Agent 进行分工合作：

Insight Agent（数据分析），负责从数据库里提炼关键词和热度趋势。

Media Agent（外勤跑腿），负责到微博、抖音、小红书等平台收集内容，还能观看视频信息。

Query Agent（信息整理），负责追踪事件源头，对比不同平台的说法差异。

Report Agent（资深主编）：负责把所有信息整合成一份完整报告。

这四个 Agent 搜集完资料后，这些 Agent 并非各自为战，而是通过一个名为 Agent Forum 的机制展开“辩论式协作”。在这个论坛中，它们会互相质疑、补充观点，从而形成更全面、更接近真实的结论。最终形成一份完整的分析报告。

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。