इस प्रोजेक्ट के बारे में

微舆 (BettaFish) एक अभिनव मल्टी-एजेंट सार्वजनिक राय विश्लेषण प्रणाली है, जिसे शून्य से विकसित किया गया है और यह किसी भी फ्रेमवर्क पर निर्भर नहीं करता है। उपयोगकर्ता केवल चैट की तरह विश्लेषण आवश्यकता व्यक्त करते हैं, और सिस्टम स्वचालित रूप से 30+ मुख्यधारा सोशल मीडिया प्लेटफॉर्मों (घरेलू और अंतर्राष्ट्रीय) और लाखों सार्वजनिक टिप्पणियों का विश्लेषण करके गहन शोध रिपोर्ट तैयार करता है। सिस्टम का मूल चार मुख्य इंजनों से बना है: क्वेरी एजेंट घरेलू और अंतर्राष्ट्रीय समाचारों की व्यापक खोज करता है; मीडिया एजेंट में शक्तिशाली बहु-मोडल सामग्री विश्लेषण क्षमता है (शॉर्ट वीडियो, चित्र, और खोज इंजन संरचित जानकारी कार्ड को पार्स कर सकता है); इनसाइट एजेंट निजी डेटाबेस में गहन खोज करता है; रिपोर्ट एजेंट बिल्ट-इन टेम्पलेट्स के साथ बहु-दौर रिपोर्ट निर्माण करता है। इसके अलावा, फोरम इंजन विभिन्न एजेंटों को अद्वितीय टूलसेट और सोच पैटर्न प्रदान करता है, और बहस मॉडरेटर मॉडल पेश करता है। चेन-आधारित विचार टकराव और बहस के माध्यम से, यह एकल मॉडल की सोच सीमाओं से बचता है और उच्च गुणवत्ता वाली सामूहिक बुद्धिमत्ता उत्पन्न करता है। तकनीकी कार्यान्वयन में, सिस्टम शुद्ध पायथन मॉड्यूलर डिज़ाइन का उपयोग करता है, PostgreSQL और MySQL डेटाबेस का समर्थन करता है। सभी LLM कॉल OpenAI API इंटरफ़ेस मानकों के अनुरूप हैं, इसलिए किसी भी संगत प्रारूप के मॉडल प्रदाता को एकीकृत किया जा सकता है। भावना विश्लेषण मॉड्यूल में कई विधियाँ शामिल हैं: फाइन-ट्यून किए गए BERT/GPT-2 मॉडल, बहु-भाषा भावना विश्लेषण, छोटे पैरामीटर Qwen3 फाइन-ट्यूनिंग, और पारंपरिक मशीन लर्निंग विधियाँ, जिन्हें आवश्यकता के अनुसार लचीले ढंग से स्विच किया जा सकता है। तैनाती के लिए, सिस्टम Docker एक-क्लिक तैनाती समाधान और स्रोत कोड से स्टार्टअप दोनों का समर्थन करता है। क्रॉलर सिस्टम MindSpider स्वतंत्र रूप से चल सकता है, विषय निष्कर्षण और गहन सार्वजनिक राय क्रॉलिंग का समर्थन करता है। रिपोर्ट निर्माण HTML, PDF, और Markdown तीन प्रारूपों में आउटपुट का समर्थन करता है, और त्वरित पुनः प्रयास और डिबगिंग के लिए कमांड-लाइन टूल प्रदान करता है। सिस्टम कस्टम व्यावसायिक डेटाबेस को एकीकृत करने का भी समर्थन करता है, जिससे सार्वजनिक और निजी डेटा के बीच की बाधाएं टूटती हैं, और ऊर्ध्वाधर व्यवसायों के लिए बाहरी रुझानों और आंतरिक अंतर्दृष्टि का संयुक्त विश्लेषण सक्षम होता है। परियोजना की कोड संरचना स्पष्ट है। प्रत्येक एजेंट इंजन में स्वतंत्र LLM इंटरफ़ेस रैपर, प्रोसेसिंग नोड्स, टूलसेट, स्थिति प्रबंधन, और प्रॉम्प्ट टेम्पलेट शामिल हैं। डेवलपर्स आसानी से कस्टम मॉडल और व्यावसायिक तर्क को एकीकृत कर सकते हैं। सिस्टम प्रत्येक इंजन के स्वतंत्र डिबगिंग के लिए Streamlit सिंगल-एजेंट एप्लिकेशन भी प्रदान करता है। समग्र डिज़ाइन हल्केपन और उच्च विस्तारशीलता पर जोर देता है। लक्ष्य केवल सार्वजनिक राय विश्लेषण नहीं है, बल्कि एक सरल, सामान्य-उद्देश्यीय डेटा विश्लेषण इंजन बनना है जो सभी व्यावसायिक परिदृश्यों को चला सके।