首页 >发现

太猛了！20+平台内容，100万+用户评论，全被这个智能体收集并分析

这是我最近在github上发掘的最有价值的一个AI开源项目：舆情智能体。 强烈建议大家去使用下这个工具

作者: 程序员猿AI
分类:实用工具
61 次阅读

这是我最近在github上发掘的最有价值的一个AI开源项目：舆情智能体。 强烈建议大家去使用下这个工具


94f95f485afef09d2f3dc1a4204fecda.png

一句话概括：它能根据用户输入热点事件生成一份完整的舆情整理报告

第一眼看到项目的宣传图片，我隐隐感觉他们是在装逼，舆情收集需要海浪数据收集，三板斧就搞定？

03dcc6d98e6bcdaf5d71f89805940402.png

周末本地部署并使用了下，才发现，人家压根没装逼，我真的挖到了一个宝藏开源


这篇文章有点长，但值得大家耐心看完。文章末尾我会附上本地部署的教程。


测试采用的热点事件是：小米汽车成都高速车祸


报告总共有27页
84ec147e94b74937737b2be620dc9478.png


01专业的用户画像


通过多个社交主流平台(微博，抖音，小红书，知乎，快手)获取了民意数据，并且有详细的数据汇总和百分比。并且把用户群体分成了多个维度进行归类，统计。


对这些群体进行了详细的用户画像以及情感分析

213eaad3995c7079cdc24e5aac58d9d1.png


这还没完，在数据画像和身份属性上挖掘得非常深入。还有各个不同身份属性的民意数据画像以及情感温度。

b61bfe1c44aeaa7e6866a9b14794b8f7.png


不同群体分析观点，社会心理分析以及情感演变轨迹全都包含在内。

我只截取了比较突出的部分，报告中其实还有更多的解读。


看到这的时候，我只能说：专业，真TM的专业。


02主流平台画像


用户画像结束，接下来就是平台画像。

首先是统计了该热点话题，各个平台的分布量。小米这个事件，热度最高的就是抖音和快手，占比超过6成

33b1c39c5da923a64592f3d9e3dea009.png

各个平台传播的特征以及核心内容，吸引用户的行为都有详尽的统计

51cf040f7926f1bd0a7cea88914ff9c2.png

甚至连平台的热点内容特点都能分析出来


是⼀个被媒体分析引擎精准定义为“杏仁核⾼频刺激模板”的15秒短视频


fff740994cd08df6f16e2df9dad7f28a.png


看到这里，你们知道我被震惊的是啥么，不是它的分析能力，而是它的数据获取能力


这绝不是靠爬取各大网页能得到的数据，而是对平台的内容，用户评论进行了精准爬取。这才是最恐怖的地方



03多智能体协同系统


舆情智能体为啥这么牛逼，来看它的软件架构

ee099daadd15099bdcd1068dbc6b121e.png

如上图所示，它包含4个智能体


insight Agent:  也可以认为是调度智能体。它通过微博、知乎等社交媒体的爬虫抓取的原始数据，经清洗后存储到数据库，供Insight Agent深度挖掘, 接收Media Agent的多模态分析结果（如短视频中的热门标签、图片中的情感符号


  • Query Agent：利用Tavily网络广度搜索。精准信息搜索：具备国内外网页搜索能力的AI代理
  • Media Agent： 利用博查搜索进行深度搜索，多模态内容分析：具备强大多模态能力的AI代理
  • Report Agent:  汇总所有的数据，形成报告


除了Report Agent，其他三个智能体都是并行工作。并相互交互数据

一次完整的数据分析包含下面表格的步骤

6d9b8eccead054c98ec2a8ec4f185a4b.png


三个智能体采取又统一，有独立的工作方式。每个智能体都有自己的决策系统，反思系统。


任务分配完后，每个智能体独立完成任务，然后用论坛协作，也就是开会机制，在主持人agent的调度下，各个智能体分别发言汇报自己的工作成果


主持人生成总结，各Agent根据讨论调整研究方向，不断的进行迭代这一过程


跟我们人类的团队办公模式完全一模一样！


04部署以及使用方法


终于到了最关键的步骤：本地部署以及使用方法



项目地址;

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


拉取代码后，把项目文件下的.env.example单独复制一份，命令为.env文件


首先要进行配置文件的配置。配置文件包含3个部分：数据库/大模型API/搜索API


一 ：数据库配置

7bb9319ad9a00841584650a3c852ffca.png


二 ：大模型配置

根据作者的规划，每个智能体都配置了大模型，且还不能用同样的大模型，每个智能体采用的大模型在配置文件中都有推荐。

6a9b54e355f2c3175c3422318059b81a.png

为了不让大家去各个大模型平台一一去获取API，作者推荐了一个平台：推理时代。

一个API秘钥，可以对接无限个模型

网址：https://aihubmix.com/


大家去注册后生成秘钥，同时也需要充值

API调用的baseURL：https://aihubmix.com/v1


可以参考我的这个配置。模型名称从推理时代上获取

d05e4f6505ece99a5308f16160232124.png

三 搜索配置

搜索分别用到Tavily和博查。其中Tavily是免费使用，博查需要充值

02629fab59ca8fdbb5b7d02cd55edda7.png

注册申请的地址参考配置文件中给的地址

配置完后，就开始本地部署

项目提供docker安装和源码安装。这里就不建议用源码安装了，很麻烦。推荐用docker安装

拉取代码后一条命令就可以安装


docker compose up -d


整个项目有点大，超过5个G


部署完成后，网页端能打开就表明部署成功

cf932fa05edc07d266a1c0799c13afe0.png

注意这里点开LLM配置看看，配置是否都同步。如果没同步，则需要把.env中的配置再手动填一次

b3440c51dfec110969bc985bac3490a5.png

点击保存并启动系统，就可以正常使用了。

0a60817fedc6ea84948a45f793193a96.png

使用成本如何


最后，来看看这次报告生成，花费了多少米

推理时代上消费4.3美刀的大模型调用，也有30块了。token消耗了1.1M，有点生猛

2c68fa1fba1c6eca6343cae2249499f5.png

博查比较便宜，只消费了1.32元。

6b1b3f618b2169707bd6f20b9c14d3c2.png

30多块，生成这样一个报告，不算便宜，但从报告质量角度来说，也不算贵。

好了，大家也去本地部署玩起来吧，有问题可以交流哦

本文由公众号“程序员猿AI”授权转载｜  https://mp.weixin.qq.com/s/7dVLtKBCTx1Jlaa2mHVb9g  ｜（编辑：ZN）



ceb3ac6b9b8dd06f5f6ff80d114e5f3.png


⬆ 扫码加入AI产品交流社群，你有机会得到：

- 最值得关注的AI产品；

- 最新鲜的 AI 产品资讯；最实用的AI产品使用经验；

- 还有不定期赠送热门新品的邀请码、会员码。


评论 (0)

登录后即可发表评论

No data
暂无评论，快来发表第一条评论吧！