夕小瑶科技说 前天 14:36
大学生开发AI舆情分析助手“微舆”,GitHub星数暴涨
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

 

一位20岁的大学生仅为完成课程作业,开发了一款名为“微舆 BettaFish”的多Agent舆情分析助手,迅速登上GitHub Trending榜首,获万余星标。该项目超越传统数据看板,能全自动爬取社交媒体信息,进行多模态分析,深度挖掘事件爆点和传播源头,并通过Agent协作机制生成结构完整、可溯源的分析报告。目前已实现前两步自动化,后续将引入更多技术预测未来趋势。报告信息密度高,对“武汉大学品牌声誉分析”的深度剖析尤为突出,细致还原事件时间线、情绪波动及传播路径,并包含SWOT分析。此项目展现了AI时代普通人创造奇迹的潜力,也为AI赋能个体提供了范例。

🚀 **AI驱动的自动化舆情分析:**“微舆 BettaFish”是一个创新的多Agent系统,能够全自动地从微博、抖音、小红书等社交媒体平台收集、分析信息,并生成结构化的分析报告。它集成了Insight Agent(数据分析)、Media Agent(内容爬取与多模态分析)、Query Agent(深度搜索)和Report Agent(报告撰写)等多个Agent,通过“Agent Forum”协作,实现了几乎无需人工干预的端到端舆情监测与分析流程。

💡 **深度洞察与可视化呈现:**该项目不仅停留在基础数据统计,更能深入挖掘事件的传播源头、关键节点的情绪变化及多模态内容(如卡片信息)的分析。例如,在“武汉大学品牌声誉分析”报告中,通过情绪图表细致展现了“曝光、校方回应、第三方报告、问题解决”四个时间节点下“愤怒、恐惧、焦虑、愤懑”等情绪的流向和演变,提供了远超传统舆情监测的信息密度和冲击力。

📈 **前瞻性与可复现性:**项目目前已打通搜索、分析、报告生成的前两步,并计划引入时间序列、图神经网络等技术,实现对未来舆情趋势的预测。其报告的可复查溯源性,以及对事件触发因素、情绪结构转变、司法介入时机等深层问题的探讨,使其分析结果更具说服力和实用价值,为提前发现潜在风险提供了可能。

🌟 **普通人驱动的AI时代创新:**该项目由一名20岁的大学生为课程作业开发,并主动在各大平台推广,最终在GitHub上获得巨大成功,体现了AI时代普通人也能创造非凡的“奇迹”。作者通过使用Claude Code、Cursor等AI辅助工具,克服技术挑战,并辅以有效的推广策略,证明了AI不仅能增强强者,更能为被低估的个体提供被看见的机会,其从0到1的完整方法论值得借鉴。

原创 R.Zen 2025-11-05 11:19 北京

今天翻 GitHub Trending 的时候,看到一个不怎么眼熟的项目占据榜单第一。

仔细一看,是个多 Agent 舆情分析助手,名字叫「微舆 BettaFish」。

再往下拉,发现它 star 已经过万了,而且还是最近十几天突然暴涨。

这我一下子就好奇了。

去小红书上搜了下这个项目的名字,结果还真刷到了作者自己写的复盘文章。点开一看,他居然只是个 20 岁的大学生。。。

而做这个项目的初衷也很单纯,只是为了完成课程作业。。。

交一个作业,卷进 GitHub 热榜第一。

太强了,果然山外有山,人外有人人人人人。

那它到底做了什么?我们来拆一拆。

听到“舆情分析”,我第一时间脑子里浮现的,是那种常见的「可视化仪表盘」「评论词云」「情绪热力图」。

所以,看到“微舆”这个名字时,我也以为不过是又一个数据看板项目——几张折线图、几朵词云、几块热力图,最后再套一层 ChatGPT 自动摘要,差不多就那样。

但我错了。

它做的远远不止这些。

你可以把它理解成:一个带搜索 + 分析 + 写作能力的 AI 舆情顾问

GitHub 地址:

https://github.com/666ghj/BettaFish?tab=readme-ov-file

它不仅能全自动刷社交媒体、收集数据,还能自己提炼观点、撰写报告,最后打包成一份像模像样的分析文档交给你。

而且,全流程几乎不用人工干预。因为它背后运行着一整套 多 Agent 协作机制

来看看它是怎么工作的:

    Insight Agent:相当于团队里的“数据分析师”,负责处理数据库里的结构化信息,提炼关键词、热点走势和声量变化。

    Media Agent:像一个“外勤记者”,打开浏览器爬微博、抖音、小红书等内容,自动提取帖子和评论,并做多模态内容分析。(注意这里的多模态结果信息,也就是说它甚至可以爬取卡片信息)

    Query Agent:负责深度搜索,比如追踪事件最初的爆点、识别传播源头、验证不同平台的说法差异。

    Report Agent:最后登场的“主编”,整合所有中间结果,确定逻辑结构和版式风格,把分析结果写成一份正式报告。

四个 Agent 之间还会通过一个叫 Agent Forum 的“虚拟会议室”互相交流。

最后形成的,是一份能自圆其说、可复查溯源的完整分析报告。

当然,作者并不满足于现在的成果。

从项目首页的手绘图可以看出,他们把“舆情分析”分为三步:

    输入话题,启动全网搜索

    自动分析,输出结论报告

    预测未来走势

现在,前两步已经跑通了,且基本实现了「人类全程躺平」的自动化体验。

第三步,预测,还在路上。

作者没有选择直接让大模型“编”一个预测结果,因为那种方式并不可靠,也不具备说服力。他们更希望用过去积累的大量话题数据,来建立真正的数据模型,预测一个话题在未来是否会继续发酵,还是很快冷却。

接下来,他们计划引入时间序列、图神经网络、多模态分析等技术,让“微舆”具备真正的趋势判断力

目前跑出来的效果究竟如何?

我们拿这份“武汉大学品牌声誉分析”为例拆解一下。

整个文档一共 25 页。看下来只有一个感受:信息密度和冲击力都远超预期。

首先是宏观指标部分,直接怼出一组极具杀伤力的对比数据。

这可不是那种“贴个大号标题 + 几个虚热词”的吹风数据。它结合上下文,把这些数字背后的社会情绪做了解剖。

比如我们熟悉的“图书馆事件”和“甲醛宿舍”,在这份报告里都被单独抽出来,做了非常规深度的解剖。

比如“图书馆事件”,不仅列出核心时间点,还把每个节点的情绪波动、传播路径一一还原。

而“甲醛宿舍事件”的分析,情绪图表是整个报告的亮点。

细分成“愤怒”“恐惧”“焦虑”“愤懑”四种情绪流向,并在四个时间节点下做出对比:曝光、校方回应、第三方报告、问题解决。

每一步,情绪如何升温、如何转换、如何拐头,通通能看到。

就像看热搜一样爽,但背后有数据支撑。

最后甚至还有 SWOT 分析。市场营销的 DNA 动了。

传统的舆情监测,顶多告诉你:哪个关键词热了,哪个 KOL 发了帖,哪个微博被转了几万次。

但这份报告里,你能看到的是:哪一阶段的情绪最极端?是什么事件触发了情绪结构的转变?司法介入的时间点与舆情是否同步?校方在什么地方做错了,错得有多严重,又给个体带来了多大后果?

如果未来能将这种模型迁移到更多高校、品牌或城市舆情中,我们或许真的能在“情绪沸腾”之前,提前发现那一点最危险的温度上升。

最后,再回到那个 20 岁的大学生。

还是很难相信,这是他一个人干出来的事。

但这,正是 AI 时代的底色:奇迹,开始由普通人书写。

为了交一份作业,他从零做了个项目,开了源,也写了几篇小笔记分享自己的踩坑和思路。他没精力刷秋招题库,甚至一度觉得自己可能赶不上这波机会。但最后,拿到了一份心仪的实习,全靠这个项目自己闯出来的分量。

写代码的过程里,他是真的和 AI 并肩作战。靠着 Claude Code、Cursor、Codex 一步步摸索出一个像样的产品雏形,一边踩坑一边磨合。

项目做完了,他没有等人来发现,而是主动出击,在小红书、B 站、Linux Do 等平台宣传推广。没人帮他推流量,他就自己一点点推。

你能看到的每一颗星星,都是他亲手点亮的。

这种从 0 到 1 的过程,是清醒的,是完整的,是具备方法论的。甚至可以说,是值得被复制的。

AI 不只是让强者更强,它正在让那些被低估的人,有机会被看见。

阅读原文

跳转微信打开

Fish AI Reader

Fish AI Reader

AI辅助创作,多种专业模板,深度分析,高质量内容生成。从观点提取到深度思考,FishAI为您提供全方位的创作支持。新版本引入自定义参数,让您的创作更加个性化和精准。

FishAI

FishAI

鱼阅,AI 时代的下一个智能信息助手,助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

微舆 BettaFish AI舆情分析 多Agent协作 GitHub Trending 大学生项目 自动化报告 情绪分析 AI赋能 BettaFish AI Sentiment Analysis Multi-Agent Collaboration GitHub Trending Student Project Automated Reporting Emotion Analysis AI Empowerment
相关文章