前言

在信息爆炸的时代，高效、精准地洞察网络舆情对企业决策和市场研究至关重要。BettaFish（又称“微舆”）是一款基于多智能体（Multi-Agent）技术的开源舆情分析系统，它能够自动分析国内外主流社交媒体平台的海量数据，并通过模拟“论坛辩论”的协作机制生成深度报告。对于许多初学者而言，在服务器上部署此类综合项目可能令人望而生畏。本教程旨在提供一份真正从零开始的详细指南，摒弃晦涩难懂的理论，专注于可操作的步骤和清晰的解释，帮助你成功搭建属于自己的舆情分析平台。

---

第一部分：部署前准备

在开始安装之前，充分的准备工作是成功的关键。这部分将帮助你配置好服务器基础环境。

1.1 准备工作：

准备一台具备公网IP的云服务器（推荐使用雨云）

优惠注册地址：雨云 - 新一代云服务提供商_

使用优惠码：sn

注: 使用优惠码注册后绑定微信可领取5折优惠券

服务器选购步骤：

1. 注册后，在"总览"页面找到"云服务器"入口，进入后点击"购买云服务器"

​

2.根据需求选择合适的配置，建议选择国内的服务器，访问更快，选好后点击立即购买即可

3.选好后进入控制台，使用SSH客户端远程连接服务器即可，SSH客户端建议选择FinalShell

1.2 获取项目源代码

请逐一核对并完成下表中的基本环境配置

检查项	命令	预期结果/操作
系统更新	sudo apt update && sudo apt upgrade -y (Ubuntu)	更新软件包列表并升级现有包。
	sudo dnf update -y (CentOS)
Python版本	python3 --version	确认版本为3.8或以上，BettaFish推荐3.11。
安装pip	sudo apt install python3-pip -y (Ubuntu)	安装Python包管理工具。
	sudo dnf install python3-pip -y (CentOS)
安装Git	sudo apt install git -y (Ubuntu)	安装版本控制工具，用于拉取项目代码。
	sudo dnf install git -y (CentOS)
防火墙设置	sudo ufw allow 5000 (Ubuntu)	开放BettaFish默认的Web服务端口。

在准备好的目录下，克隆BettaFish项目的主仓库。

# 进入用户主目录或你选择的工作目录
cd ~
# 克隆项目代码
git clone https://github.com/666ghj/BettaFish.git
# 进入项目文件夹
cd BettaFish

---

第二部分：选择与实施部署方案

BettaFish提供了两种主流的部署方式：手动部署和Docker容器化部署。Docker方式能极大简化环境依赖问题，是零基础用户的首选。

2.1 方案一：Docker部署（推荐）

这种方式通过容器技术将应用及其所有依赖打包，实现一键启动，避开了复杂的本地环境配置。

步骤1：安装Docker与Docker Compose 如果你的系统没有安装Docker，请执行以下命令：

# 安装Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
# 将当前用户加入docker组，避免每次使用sudo
sudo usermod -aG docker $USER
# 安装Docker Compose插件
sudo apt install docker-compose-plugin -y # Ubuntu
# 或 sudo dnf install docker-compose-plugin -y # CentOS

安装完成后，需要退出SSH并重新登录，以便用户组更改生效。之后运行 docker --version 和 docker compose version 验证安装。

步骤2：配置环境变量文件 BettaFish通过 .env 文件管理所有配置。请基于示例文件创建你自己的配置。

# 复制环境变量示例文件
cp .env.example .env
# 使用nano或vim编辑该文件
nano .env

你需要重点关注并修改以下几类配置，特别是数据库和各大模型的API密钥：

配置类别	关键变量示例	说明与获取指引
数据库	DB_HOST=db, DB_DIALECT=postgresql	Docker部署中，db指向Compose文件内定义的数据库容器。必须使用PostgreSQL。
大模型API	INSIGHT_ENGINE_API_KEY	这是系统的核心。你需要从各大模型平台（如DeepSeek、Kimi、SiliconFlow等）申请API密钥。每个Agent可配置不同模型。
	INSIGHT_ENGINE_BASE_URL	填写对应API平台的地址，例如 https://api.siliconflow.cn/v1。
搜索工具API	TAVILY_API_KEY	用于网络搜索，需在Tavily官网注册获取。
	BOCHA_WEB_SEARCH_API_KEY	用于多模态搜索，需在Bocha AI注册并领取免费资源包。

步骤3：启动Docker容器 配置完成后，使用一条命令启动所有服务（包括BettaFish应用和PostgreSQL数据库）。

# 在项目根目录（docker-compose.yml所在目录）执行
docker compose up -d

-d 参数表示在后台运行。首次执行会从网络拉取镜像，时间可能较长。如果拉取官方镜像速度慢，可以编辑 docker-compose.yml 文件，尝试使用国内镜像源（如 ghcr.nju.edu.cn/666ghj/bettafish:latest）。

启动后，使用 docker compose ps 查看容器状态，显示为“Up”即表示运行正常。

2.2 方案二：手动部署

此方式适合希望深入了解项目依赖或进行二次开发的用户。你需要手动安装Python依赖和数据库。

步骤1：创建并激活Python虚拟环境

# 安装虚拟环境工具
sudo pip3 install virtualenv
# 创建虚拟环境
python3 -m virtualenv venv
# 激活虚拟环境
source venv/bin/activate
# 激活后，命令行提示符前通常会出现 (venv)

步骤2：安装Python依赖 在激活的虚拟环境中，安装项目所需的所有包。

pip install -r requirements.txt

这是最关键的步骤之一。如果遇到某些包（如早期教程中提到的Pillow、PyTorch）编译安装失败，可以尝试搜索对应平台的预编译轮子（wheel）文件，或使用 conda 安装。

步骤3：安装并配置PostgreSQL数据库

1. 安装数据库：

   sudo apt install postgresql postgresql-contrib -y # Ubuntu
   sudo dnf install postgresql-server postgresql-contrib -y # CentOS
   sudo postgresql-setup --initdb # CentOS初始化
   sudo systemctl start postgresql
   sudo systemctl enable postgresql

2. 创建数据库和用户：

   # 切换到postgres系统用户
   sudo -u postgres psql
   # 在psql命令行中执行
   CREATE DATABASE bettafish;
   CREATE USER bettafish WITH PASSWORD 'your_strong_password';
   GRANT ALL PRIVILEGES ON DATABASE bettafish TO bettafish;
   \q # 退出

3. 修改 .env 文件：将数据库连接信息修改为本地配置（DB_HOST=localhost, DB_PASSWORD=your_strong_password 等）。

---

第三部分：启动系统与验证

无论采用哪种部署方式，启动后的访问和验证流程是相似的。

3.1 启动并访问Web界面

• Docker部署：容器启动后，服务即自动运行。

• 手动部署：在项目根目录下，激活虚拟环境后运行：

  python app.py
  # 或使用 UTF-8 编码启动以避免潜在编码错误
  # python -X utf8 app.py

启动成功后，在本地电脑的浏览器中访问：http://你的云服务器公网IP:5000。

3.2 初始化配置

首次访问Web界面，系统可能会引导你进行初始化配置：

1. 数据库连接测试：确保 .env 中的数据库配置正确。
2. 填写大模型API密钥：将你在 .env 文件中配置的各个Agent的API Key、Base URL和模型名称，在Web界面的对应位置填写并保存。务必确保所有BASE_URL都已正确填写，否则系统可能会错误地调用默认的OpenAI接口导致失败。

3.3 运行首个分析任务

配置完成后，你可以在首页的搜索框输入一个你想分析的舆情主题，例如“近期新能源汽车市场反馈”，然后点击搜索。系统会调动背后的多个AI Agent进行数据收集、分析和辩论，最终生成一份详细的报告。这个过程可能需要几分钟，请耐心等待。

---

结语

恭喜你！如果你按照以上步骤完成了部署并成功运行了第一个分析任务，那么你已经成功在Linux云服务器上搭建了一个功能强大的AI舆情分析系统。