👆先关注，不迷路👆
想象一下，你有一个智能鱼缸，里面住着五条各怀绝技的智能鱼：Query鱼负责全网搜索，Media鱼精通多模态分析，Insight鱼挖掘深度数据，Report鱼撰写精美报告，还有一位Forum鱼主持"鱼类论坛"，让它们互相辩论碰撞出智慧火花——这就是BettaFish"微舆"系统，一个让舆情分析变得像观赏斗鱼一样优雅有趣的多智能体平台！
🎯 系统架构：五鱼共舞的智能鱼缸
┌─────────────────────────────────────────┐│ BettaFish 智能鱼缸 │├─────────────────────────────────────────┤│ QueryAgent │ MediaAgent │InsightAgent││ (搜索鱼) │ (多模态鱼) │ (数据鱼) │├─────────────────────────────────────────┤│ ForumEngine (论坛主持人鱼) │├─────────────────────────────────────────┤│ ReportEngine (报告鱼) │└─────────────────────────────────────────┘每条鱼都有自己的独门绝技：
Query鱼
：游遍国内外30+主流媒体，啥热点都逃不过它的眼睛
Media鱼
：图文视频通吃，连抖音快手都不在话下
Insight鱼
：深度挖掘数据库，找出藏在数据下的真相
Forum鱼
：组织其他鱼儿开会辩论，避免"鱼群思维"
Report鱼
：把分析结果变成漂亮的HTML报告
🚀 部署方式一：Docker 一键部署（推荐新手）
准备工作：给鱼缸找个好位置
BASH
# 1. 克隆项目（把鱼缸搬回家）
git clone https://github.com/666ghj/BettaFish.gitcd BettaFish
# 2. 复制配置文件（给鱼缸加料）
cp MindSpider/config.py.example .env配置环境变量：调好水质
编辑 .env 文件，这是鱼缸的"水质参数"：
BASH
# 数据库配置（鱼缸的水源）
DB_DIALECT=postgresql
DB_HOST=localhost
DB_PORT=5444
DB_USER=bettafish
DB_PASSWORD=your_secure_password
DB_NAME=bettafish
# LLM API密钥（鱼食）
# 这里以DeepSeek为例，性价比超高
INSIGHT_ENGINE_API_KEY=sk-your-deepseek-key
INSIGHT_ENGINE_BASE_URL=https://api.deepseek.com
INSIGHT_ENGINE_MODEL_NAME=deepseek-chat
MEDIA_ENGINE_API_KEY=sk-your-deepseek-key
MEDIA_ENGINE_BASE_URL=https://api.deepseek.com
MEDIA_ENGINE_MODEL_NAME=deepseek-chat
QUERY_ENGINE_API_KEY=sk-your-deepseek-key
QUERY_ENGINE_BASE_URL=https://api.deepseek.com
QUERY_ENGINE_MODEL_NAME=deepseek-chat
# 搜索API（鱼儿的望远镜）
TAVILY_API_KEY=your-tavily-key启动鱼缸：让鱼儿游起来！
BASH
# 一键启动所有服务
docker-compose up -d
# 查看鱼儿们是否健康
docker-compose logs -f bettafish启动成功后，你就能看到五条鱼开始活跃：
主应用
Query鱼界面
Media鱼界面
Insight鱼界面
🔧 部署方式二：源码安装（适合折腾党）
环境准备：打造个性化鱼缸
BASH
# 1. 创建Python环境（给鱼缸恒温）
python -m venv bettafish-envsource bettafish-env/bin/activate
# Linux/Mac# 或 bettafish-env\Scripts\activate
# Windows#
2. 安装依赖（喂饱鱼儿）
pip install -r requirements.txt
# 3. 安装Playwright浏览器（给鱼儿装泳镜）
playwright install数据库初始化：清理鱼缸
BASH
# 进入MindSpider目录
cd MindSpider/schema
# 初始化数据库表（给鱼缸分区）
python init_database.py启动应用：放鱼入缸
BASH
# 回到项目根目录
cd ../../
# 启动主应用
python app.py🎮 使用指南：如何和鱼儿们玩耍
基础玩法：一条鱼就够了
访问任意一个Streamlit界面（比如 http://localhost:8501），在输入框里输入你的分析需求：
"分析一下武汉大学最近的舆情动态"然后点击"开始分析"，鱼儿就会开始忙碌地工作！
高级玩法：五鱼协作
访问主界面 http://localhost:5000，这里可以看到完整的五鱼协作流程：
用户提问
：你想分析什么
并行启动
：五条鱼同时开始工作
论坛辩论
：Forum鱼主持讨论，其他鱼儿各抒己见
深度分析
：根据辩论结果进行更深入的研究
报告生成
：Report鱼写出最终分析报告
看看鱼儿的劳动成果
分析完成后，你可以在以下位置找到报告：
完整报告目录
：
./final_reports/Insight鱼分析
：
./insight_engine_streamlit_reports/Media鱼分析
：
./media_engine_streamlit_reports/Query鱼分析
：
./query_engine_streamlit_reports/
🛠️ 常见问题：鱼缸养护手册
鱼儿不动了？（服务启动失败）
BASH
# 检查日志（看看鱼儿是不是睡着了）
docker-compose logs bettafish
# 重启服务（拍拍鱼缸）
docker-compose restart bettafish数据库连不上？
检查 .env 文件中的数据库配置，确保：
数据库服务已启动
用户名密码正确
端口没有被占用
API密钥怎么获取？
推荐使用高性价比的API服务商：
🔥 DeepSeek
：https://platform.deepseek.com/ （便宜又好用）
🔍 Tavily搜索
：https://tavily.com/ （网络搜索必备）
🎨 进阶玩法：给鱼儿换个新家
自定义模型：训练专属鱼食
项目支持多种情感分析模型，位于 SentimentAnalysisModel 目录：
BASH
# 使用预训练的微博情感分析模型
cd SentimentAnalysisModel/WeiboMultilingualSentiment
python predict.py --text "今天天气真好"
# 或者训练自己的模型
cd SentimentAnalysisModel/WeiboSentiment_Finetuned
python train.py添加新功能：给鱼儿装新玩具
代码结构清晰，很容易扩展：
新增Agent
：在对应Engine目录下创建新的agent.py
新增工具
：在tools目录下添加新工具
新增报告模板
：在 ReportEngine/report_template 下添加模板
👆先关注，不迷路👆
🌟 实战案例：武汉大学舆情分析
来看看鱼儿们的真实表演：
输入："武汉大学品牌声誉深度分析"
输出：一份包含以下内容的精美报告：
📊 数据来源分析：覆盖微博、小红书、抖音等10+平台
🎯 情感分布：正面/负面/中性情感占比及趋势
🔥 热点话题：近期关注焦点及讨论量
💡 深度洞察：通过多Agent协作发现的隐藏信息
📈 趋势预测：基于历史数据的未来走向分析
完整报告示例：📋 武汉大学品牌声誉深度分析报告
🎥 演示视频：
🎯 为什么选择BettaFish？
相比其他舆情系统，BettaFish就像一个精心设计的水族馆：
BettaFish不仅仅是一个舆情分析工具，更是一个通用的数据分析引擎框架。 只需要稍微修改一下Agent的工具集，它就能变成金融分析系统、市场调研工具，甚至是学术研究助手！