BettaFish（微舆）是一个创新的多智能体（Multi-Agent）舆情分析系统，旨在帮助用户打破信息茧房，还原舆情原貌，预测未来走向，并辅助决策。该项目从零开始实现，不依赖任何大型框架，展现了“小而强大，不畏挑战”的设计理念。它解决了传统舆情分析中信息碎片化、分析深度不足、响应速度慢以及数据来源单一等痛点。
项目定位与核心价值： “微舆”的核心价值在于其AI驱动的全域监控、超越传统大语言模型（LLM）的复合分析引擎、强大的多模态处理能力、独特的Agent“论坛”协作机制、公私域数据无缝融合以及轻量化高扩展性框架。它不仅仅是一个舆情分析工具，更是一个简洁通用的数据分析引擎，能够通过简单的配置扩展到金融市场分析等多种业务场景。
工作原理与设计思想： 系统采用模块化的多智能体架构，包含Query Agent（国内外新闻搜索）、Media Agent（多模态内容分析）、Insight Agent（私有数据库挖掘）和Report Agent（智能报告生成）。用户通过类似聊天的自然语言提出分析需求后，这些Agent会并行启动，进行初步分析。其核心创新在于“论坛”协作机制：通过一个辩论主持人模型（ForumEngine）引导各Agent进行链式思维碰撞与辩论，避免单一模型局限性，融合集体智能，从而生成更深入、多维度的分析结果。最终，Report Agent整合所有分析和讨论内容，生成高质量的HTML报告。
关键特性与优势：
- AI驱动的全域监控： AI爬虫集群7x24小时不间断工作，覆盖微博、小红书、抖音、快手等10+国内外主流社交媒体，深入挖掘用户评论。
- 复合分析引擎： 结合5类专业Agent、微调模型和统计模型，确保分析的深度、准确性和多维视角。
- 强大的多模态能力： 能够深度解析短视频内容，并提取现代搜索引擎中的结构化多模态信息卡片。
- Agent“论坛”协作机制： 通过辩论主持人模型促进Agent间协作与思维碰撞，提升集体智能和决策支持质量。
- 公私域数据融合： 支持将内部业务数据库与舆情数据无缝集成，提供“外部趋势+内部洞察”的分析能力。
- 轻量化与高扩展性： 纯Python模块化设计，一键部署，易于开发者集成自定义模型和业务逻辑。
实际应用场景： “微舆”最适合需要进行品牌声誉管理、市场趋势分析、危机公关响应、竞品监测、消费者洞察以及任何需要从海量公开数据中提取深层价值的场景。例如，企业可以利用它快速了解产品在社交媒体上的反馈，政府机构可以监测社会热点事件，个人用户也可以用于获取更全面的信息视角。其高度可定制性也使其能轻松应用于金融、教育等垂直领域的数据分析。