微舆（BettaFish）

“微舆”是一个从零构建的多智能体舆情分析系统。它的目标很明确：破除信息茧房，还原舆情原貌，预测趋势走向，辅助决策判断。

用户只需像聊天一样输入分析需求——例如“最近三个月关于某新能源车型的用户负面反馈集中在哪些方面？”——系统便会自动启动，完成从数据采集、多维度分析到生成结构化报告的全过程，覆盖国内外30多个主流社交平台，处理数百万条真实用户评论。

名字“微舆”谐音“微鱼”。灵感来自Betta Fish（斗鱼）——体型小巧，却色彩绚丽、极具战斗力。这正是我们对系统的期待：小而强大，不惧复杂。

六大核心优势

1. AI驱动的全域监控

系统部署了分布式AI爬虫集群，7×24小时不间断运行，覆盖微博、小红书、抖音、快手、Twitter、Reddit等10+国内外关键平台。不仅追踪热点事件，更能深入到每一条用户评论中，捕捉最真实、最细微的公众情绪。

2. 超越LLM的复合分析引擎

不同于依赖单一大语言模型（LLM）的方案，“微舆”整合了5类专业智能体（Agent），并融合微调模型、统计模型等中间件。多模型协同工作，确保分析结果兼具深度、准确性和多维视角，避免“大模型幻觉”带来的偏差。

3. 强大的多模态能力

系统能解析图文、短视频、直播弹幕等多种内容形式。尤其在抖音、快手等视频平台，可自动提取画面、语音、字幕，并结合上下文理解语义。此外，还能精准抓取搜索引擎中的结构化信息卡片（如天气、股价、日历事件），丰富舆情上下文。

4. Agent“论坛”协作机制

每个Agent拥有专属工具集与思维路径。系统引入“辩论主持人”模型，通过论坛式协作机制，让Agents在多轮讨论中互相质疑、补充、修正观点。这种链式思维碰撞，有效避免同质化输出，催生更高质量的集体智能。

5. 公私域数据无缝融合

除了公开舆情，“微舆”还提供高安全性API接口，支持接入企业内部数据库（如客服工单、销售记录、用户画像）。将外部舆情趋势与内部业务数据打通，形成“外部感知 + 内部洞察”的闭环分析能力，适用于金融、零售、公关等多个垂直场景。

6. 轻量化与高扩展性框架

系统基于纯Python模块化设计，一键部署、低资源占用。代码结构清晰，开发者可轻松替换模型、添加新Agent或集成自有业务逻辑，实现快速定制与持续迭代。

系统架构概览

“微舆”的核心由四个专业Agent构成：

• Insight Agent：负责私有数据库的深度挖掘与内部数据关联分析
• Media Agent：专注多模态内容（图文、视频、音频）的理解与解析
• Query Agent：执行精准的跨平台信息检索，支持国内外网页搜索
• Report Agent：基于分析结果，自动生成结构化、可交互的HTML报告

所有Agent通过一个中央协调模块 ForumEngine 进行协作。

一次完整分析流程

最终输出的报告不仅包含趋势摘要、情感分布、关键观点聚类，还支持交互式探索（如点击关键词展开原始评论、查看时间线演变等），便于用户快速抓住重点。

始于舆情，不止于舆情

“微舆”虽以舆情分析为起点，但其架构设计具有通用性。未来可扩展至市场调研、竞品监测、用户反馈分析、风险预警等更多场景。我们的目标，是打造一个简洁、可靠、可嵌入任意业务流程的智能分析引擎。

它不追求“全能”，但力求在每一个决策节点上，提供更真实、更全面、更可解释的数据支持。