从零搭建 BettaFish：打造自己的多 Agent 舆情分析系统

Lethehong
0 阅读1分钟

最近在 GitHub 上发现了一个有意思的项目——BettaFish（微舆）。它不只是一个爬虫工具，而是一个从零开始实现的多智能体舆情分析系统。简单来说，过去需要人工花几天时间梳理的舆情信息，现在几分钟内就能自动完成。你只需要像聊天一样输入分析需求，系统会自动爬取微博、小红书、抖音等平台的相关内容，再由多个 AI Agent 分工协作，最终生成一份结构化的 HTML 分析报告。整个流程在本地环境运行，数据完全掌握在自己手里。

在深入部署细节之前，先来看一下它的核心工作机制。这个系统最核心的部分是四个 Agent：负责网页搜索的 Query Agent、处理图片视频的 Media Agent、挖掘本地数据库的 Insight Agent，以及负责汇总报告的 Report Agent。它们在 ForumEngine（论坛引擎）的协调下，像团队一样协作完成任务。

1、本地Windows安装Docker部署 BettaFish

部署 BettaFish 主要有两种方式：适合快速体验的 Docker 部署，和适合深度定制开发的源码部署。下面主要介绍 Docker 方式。

1.1 环境准备

步骤 1：下载 Docker Desktop

前往 Docker 官网下载 Windows 安装程序。点击 Download for Windows 下载安装程序

BettaFish推荐使用Docker方式在Windows本地部署，操作最简单、无需繁琐的Python环境配置。以下是保姆级步骤（基于Windows 10/11）：

步骤 2：安装 Docker Desktop

双击下载的 Docker Desktop Installer.exe，点击 OK 开始安装，安装完成后，点击 Close and restart 重启计算机

步骤 3：启动并验证

重启后启动 Docker Desktop，等待引擎启动完成（右下角图标变绿）。然后用管理员身份打开 PowerShell，运行以下命令验证：

检查 Docker 版本
docker --version

检查 Docker Compose 版本
docker compose version

运行测试容器
docker run hello-world

步骤 4：安装 Git

从 git-scm.com/downloads 下载安装，完成后在 PowerShell 中输入 git --version 验证。

git --version

1.2 部署BettaFish

步骤 1：下载项目

从 GitHub 下载 BettaFish 项目压缩包并解压到桌面。

步骤 2：进入项目目录（在 PowerShell 中执行）

# 先进入桌面上的文件夹（根据你的实际路径调整）
cd "C:\Users\LING\Desktop\BettaFish-main"
# 确认进入正确目录（应该能看到 docker-compose.yml 等文件）
dir

步骤 3：复制环境配置文件

copy .env.example .env

步骤 4：启动 Docker

在 PowerShell（当前目录为 BettaFish-main）中执行：

docker compose up -d

第一次启动会下载镜像，体积较大，需要耐心等待几分钟到十几分钟。如果下载速度慢，可以尝试配置国内镜像加速器。

步骤 5：验证是否成功

部署完成后，在浏览器打开 http://localhost:5000。如果看到 BettaFish 的配置页面或主界面，说明部署成功。

常见问题处理

  • **端口****冲突（5000 被占用）：**打开 .env 文件，把 PORT=5000 改成 PORT=5001，然后执行 docker compose down 和 docker compose up -d，访问 http://localhost:5001

  • 查看运行日志：docker compose logs -f

  • 停止服务：docker compose down

2、接入蓝耘大模型

BettaFish的所有Agent均兼容OpenAI格式API，可轻松接入蓝耘（Lanyun）元生代MaaS平台的大模型，享受高性价比的GPU算力。

2.1 获取蓝耘 API 信息：

登录蓝耘 MaaS 平台，选择模型（如 step-3.5-flash），在控制台获取 API Key 和 Base URL。

2.2 配置到 BettaFish

推荐通过UI或.env文件配置（每个Agent可独立设置不同模型）：

方式一：启动后UI配置

访问 http://localhost:5000 ，系统会引导进入配置向导。在LLM配置部分填写：

  • Base URL：maas-api.lanyun.net/v1

  • API Key：你的蓝耘Key

  • Model Name：/maas/jieyue/step-3.5-flash

  • 全部填写好上述信息

填写好Tavily和Anspire的APIkey联动搜索引擎、网站抓取等在线服务，两个都需配置

  • 填写完毕后，保存并重启系统

方式二：直接编辑.env文件

在 .env 中添加类似以下内容（不同Agent使用不同前缀）：

# Insight Agent
INSIGHT_ENGINE_API_KEY=
INSIGHT_ENGINE_BASE_URL=
INSIGHT_ENGINE_MODEL_NAME=
.....

在 .env 中添加对应配置项，每个 Agent 可以独立设置不同的模型。保存后执行 docker compose restart 重启服务。

配置完成后，BettaFish会自动调用蓝耘大模型进行推理。蓝耘的高性价比模型让本地部署也能获得顶级性能，同时支持流式输出和长上下文分析。

3、使用方法

BettaFish的使用像聊天一样简单：

  1. 浏览器打开 http://localhost:5000 ，进入主界面。

  2. 在输入框用自然语言描述需求，例如：

    "分析最近小米SU7在小红书和抖音上的舆情，预测下周市场反响”

  3. 点击“开始分析”或“生成报告”。

  4. 系统自动执行流程：

    1. Insight Agent挖掘洞察。

    2. Media Agent处理短视频、图像等多模态内容。

    1. Query Agent补充搜索信息。

    1. ForumEngine让多个Agent“开会辩论”，Host Agent主持合成客观结论。

    1. Repo t Agent生成结构化报告（含情感分析、趋势预测、数据图表、原始来源等）。

  5. 查看与导出：支持网页浏览、Markdown导出、PDF下载。其他几个Agent下载相关报告一样

此外，可单独运行特定模块测试（如Streamlit单Agent demo或爬虫独立运行）。整个分析过程通常几分钟内完成，输出专业级报告。

4、高阶使用方法

BettaFish 支持深度自定义：

  1. 自定义 Agent：进入 agents/ 目录，基于现有模板创建新 Agent，调整辩论提示词

  2. 公私域数据融合：在 InsightEngine 中接入企业内部数据库（CRM、销售数据等）

  3. 高级爬虫与定时任务：自定义 MindSpider 配置，结合 Windows 任务计划程序实现自动监控

  4. 报告模板定制：修改 ReportEngine 的 Markdown/LaTeX 模板

  5. 多模型混合：不同 Agent 使用不同模型，平衡准确率与成本

  6. 仪表盘扩展：通过 Streamlit 或自定义前端构建实时热点趋势图

写在末尾

BettaFish（微舆）是一款真正“人人可用”的开源多Agent舆情分析神器。它以轻量部署、强大智能和隐私保护为核心，完美适配本地Windows环境。通过Docker快速安装、蓝耘大模型无缝接入，以及简单自然的聊天式使用，你就能轻松获得专业级的舆情洞察与报告。

无论你是个人用户想“吃瓜不迷路”、品牌方守护声誉，还是研究者/决策者需要趋势预测，BettaFish都能帮助你打破信息茧房、还原真实舆情、辅助科学决策。

立即行动：克隆GitHub项目，按照本文步骤部署，接入蓝耘API，开启你的AI舆情之旅！随着社区持续迭代，它将变得更加强大。

avatar
文章
阅读
粉丝