BettaFish

多智能体协作，一键还原舆情真相，预测未来走向。

微舆（BettaFish）是一个基于Python从零实现的多Agent舆情分析助手，不依赖任何现成框架。它通过多个智能体协作，自动完成舆情信息的采集、清洗、分析和研判，帮助用户打破信息茧房，还原事件全貌，并预测舆情走向。核心能力包括深度搜索与数据挖掘、多角度观点聚合、情感倾向分析、趋势预测以及可视化报告生成。项目面向普通用户，提供简单易用的界面，让非专业人士也能进行专业的舆情分析。其技术栈涵盖LLM、NLP、多智能体系统等，旨在降低舆情分析门槛，辅助个人或机构进行决策。

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 42280

维护状态活跃

是否开源是

定价模式 free

项目数据

分类智能体

开发团队666ghj

所属国家

官网地址https://deepwiki.com/666ghj/BettaFish

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

定价模式free

价格说明开源项目，GPL-2.0许可，可免费使用和部署，无付费版本。

访问状态

是否开源是

开源协议GPL-2.0

主要语言Python

技术栈/模型agent-framework,data-analysis,deep-research,deep-search,llms,multi-agent-system,nlp,public-opinion-analysis,python3,sentiment-analysis

GitHub 星标★ 42280

30天Star增速

HF 下载量

上线时间2024-07-01 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：进阶约 30 分钟部署方式：Docker 8 步

环境要求

Python 3 环境（源码方式运行需要）
Docker 与 Docker Compose（使用 Docker 方式启动时需要）
PostgreSQL 数据库（也支持自行改为 MySQL）
兼容 OpenAI 接口格式的大模型 API 密钥
PDF 导出可选依赖：weasyprint 所需系统库，不装则 PDF 功能不可用

安装与启动步骤

1获取项目源码

把 BettaFish 仓库克隆到本地，之后所有命令都在项目根目录下执行。
```
git clone https://github.com/666ghj/BettaFish.git
```
2准备 Python 环境

README 中 Conda 与 uv 两种方式只给了章节占位，未给出具体创建命令，请按自己习惯创建并激活 Python 环境。
3安装依赖包

在项目根目录安装 requirements.txt 中的依赖；README 提示用 uv pip install 安装更快。
```
pip install -r requirements.txt
```
4安装浏览器驱动

爬虫功能依赖 Playwright，需要单独安装 Chromium 驱动。
```
playwright install chromium
```
5配置 .env 文件

复制 .env.example 为 .env，按下方配置项填写数据库连接信息与所有大模型 API 密钥。
```
cp .env.example .env
```
6启动完整系统

在项目根目录启动主应用，一次运行结束后若端口被占用需手动结束占用进程。
```
python app.py
```
7单独启动 Agent

只想调试某个智能体时，可用 streamlit 分别拉起 QueryEngine(8503)、MediaEngine(8502)、InsightEngine(8501)。
```
streamlit run SingleEngineApp/query_engine_streamlit_app.py --server.port 8503
```
8Docker 一键启动

已装 Docker 的用户复制好 .env 后，用一条命令后台启动全部服务；镜像慢可换用 compose 文件里注释的备用地址。
```
docker compose up -d
```

关键配置

配置项	必填	说明	示例
`DB_HOST`	是	数据库服务名称，对应 docker-compose.yml 中的服务名	`db`
`DB_PORT`	是	数据库端口，PostgreSQL 默认为 5432	`5432`
`DB_USER`	是	数据库用户名	`bettafish`
`DB_PASSWORD`	是	数据库密码	`bettafish`
`DB_NAME`	是	数据库名称	`bettafish`
`LLM API 密钥`	是	在 .env 中配置各大模型参数，需兼容 OpenAI 接口格式	`sk-xxxxxxxx`

如何确认成功

打开 http://localhost:5000 能看到系统界面即成功；Docker 方式可用 docker compose ps 查看服务。

常见问题

Q：docker compose 拉取镜像很慢怎么办？

A：原 docker-compose.yml 中已通过注释提供备用镜像地址，把镜像地址替换为注释里的备用地址后重新执行 docker compose up -d 即可。

Q：启动后提示端口被占用怎么办？

A：一次运行终止后 streamlit app 可能异常结束但仍占用端口，搜索占用该端口的进程并 kill 掉即可。

Q：不想跑本地情感分析模型行不行？

A：可以。该模型算力需求很小且默认安装 CPU 版，如需跳过，把 requirements.txt 中“机器学习”部分注释掉再执行安装命令。

Q：只想用爬虫系统怎么操作？

A：进入 MindSpider 目录运行：python main.py --broad-topic 提取热点话题与关键词，python main.py --complete --date 2024-01-20 跑完整爬虫流程。

注意事项

所有 LLM 调用统一使用 OpenAI 的 API 接口标准，也可换成兼容该格式的其他模型或搜索代理。
.env.example 和 config.py 中给出了每个 Agent 的推荐 LLM，初次部署请先按推荐设置配置。
若跳过 PDF 导出所需系统依赖，weasyprint 可能安装失败，PDF 导出功能将无法正常使用。
高级配置已统一到项目根目录的 .env 文件管理，其他子 Agent 会自动继承根目录配置。

核心亮点

从零实现，不依赖任何框架，代码透明可定制，适合学习与二次开发
多Agent协同工作，覆盖信息采集、分析、预测全流程，自动化程度高
提供可视化报告，降低使用门槛，面向非技术用户也能快速上手

不足之处

项目较新，文档和社区支持可能不完善，需待观察
舆情分析准确性依赖底层LLM能力，可能存在偏差

适用场景

企业品牌声誉监测与危机预警
政府机构社情民意收集与分析
个人用户快速了解热点事件全貌

替代项目

LangChain、AutoGen、MetaGPT

项目介绍

BettaFish 是智能体领域的开源项目，由 666ghj 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（42,280）位列前 1%，在智能体分类的 2,499 个项目里位列前 1%。

近 44 天，它的 GitHub 星标从 41,982 增加到 42,280，净增 298。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。GPL-2.0许可，可免费使用和部署，无付费版本。

它主要面向的使用场景是：企业品牌声誉监测与危机预警。同类可对比的替代方案包括 LangChain、AutoGen、MetaGPT。

上一篇：jcode

下一篇：agents-towards-production