# 轻量 Docker 部署 TrendRadar：MCP AI 多平台热点聚合与 13 种分析工具 > 用 Docker 快速部署 TrendRadar，轻量 MCP AI 聚合抖音/B站/知乎等 35 平台热点，支持 13 种分析工具（趋势/情感/检索）和多渠道通知。 ## 元数据 - 路径: /posts/2025/11/25/trendradar-mcp-multi-platform-news-aggregation/ - 发布时间: 2025-11-25T05:36:32+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 在信息爆炸时代，手动浏览多个新闻平台已无法跟上热点节奏。TrendRadar 项目提供了一个轻量级解决方案：通过 Docker 一键部署 MCP（Model Context Protocol）AI 系统，自动聚合抖音、Bilibili、知乎等 35 个平台的新闻热点，并内置 13 种分析工具，实现趋势追踪、情感分析和相似检索等功能，同时支持企业微信、飞书等多渠道实时通知。本文聚焦工程化部署要点，给出可复制的参数配置、关键词过滤清单和 MCP 工具调用参数，确保零编程基础用户也能快速上线。 ### Docker 部署核心参数与步骤 TrendRadar 的设计目标是“轻量、易部署”，支持 GitHub Actions 和 Docker 双模式，但 Docker 更适合本地/NAS 私有化运行，避免 GitHub 配额限制。核心镜像 `wantcat/trendradar:latest` 已预编译多架构（AMD64/ARM），体积小、启动快。 **部署清单（docker-compose 推荐）：** 1. **目录准备**： ``` mkdir -p trendradar/{config,output,docker} cd trendradar ``` 2. **下载模板**（从官方仓库）： ``` wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/config/config.yaml -P config/ wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/config/frequency_words.txt -P config/ wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/docker/docker-compose.yml -O docker/docker-compose.yml wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/docker/.env -O docker/.env ``` 3. **环境变量配置**（docker/.env，优先级最高）： ``` # 核心开关 ENABLE_CRAWLER=true ENABLE_NOTIFICATION=true # 推送模式：daily(当日汇总)/current(当前榜单)/incremental(增量，只新内容) REPORT_MODE=incremental # 推荐投资者/交易员，避免重复 # 推送时间窗口（可选，避免夜间扰民） PUSH_WINDOW_ENABLED=true PUSH_WINDOW_START=08:00 PUSH_WINDOW_END=22:00 # 多渠道通知（至少选一，多个并行） WEWORK_WEBHOOK_URL=https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=your-key # 企业微信 FEISHU_WEBHOOK_URL=https://www.feishu.cn/open-apis/bot/v2/hook/your-hook # 飞书（显示最友好） DINGTALK_WEBHOOK_URL=https://oapi.dingtalk.com/robot/send?access_token=your-token # 钉钉 TELEGRAM_BOT_TOKEN=123456:AAH... # Telegram（需配 CHAT_ID） TELEGRAM_CHAT_ID=your-chat-id EMAIL_FROM=your@email.com # 邮件（自动识 SMTP） EMAIL_PASSWORD=your-auth-code EMAIL_TO=user1@email.com,user2@email.com NTFY_TOPIC=trendradar-yourname-1234 # ntfy（免费跨平台） BARK_URL=https://api.day.app/your-key # iOS Bark # 爬取频率（CRON，勿太频防 API 限流） CRON_SCHEDULE="*/30 * * * *" # 每 30min ``` 4. **启动**： ``` cd docker docker-compose up -d docker logs -f trend-radar # 监控日志 ``` **容错参数**： - `MAX_NEWS_PER_KEYWORD=10`：每个关键词限 10 条，防推送过长。 - `SORT_BY_POSITION_FIRST=true`：按配置顺序优先（config.yaml/report），而非纯热度。 - 数据持久：`-v ./output:/app/output`，重启不丢历史。 部署后 1-2 天积累数据，即可启用 MCP AI。项目自带 11 月测试数据（output/），即时体验。 ### 关键词过滤与热点算法调优 聚合基于 newsnow API（35+ 平台：抖音/知乎/B站/微博/百度/财联社 等），默认 11 个，可在 config.yaml/platforms 扩展。 **frequency_words.txt 语法清单**（空行分词组，独立统计）： ``` # 组1: AI 技术（热度优先） 人工智能 ChatGPT +技术 !广告 @15 # 最多 15 条 # 组2: 股市（增量监控） A股 上证 +涨跌 !预测 @5 # 组3: 汽车（跨平台对比） 特斯拉 比亚迪 +销量 ``` **热点权重（config.yaml/weight，总和=1.0）**： - 实时追热点：`rank_weight: 0.7, frequency_weight: 0.2, hotness_weight: 0.1` - 深度趋势：`rank_weight: 0.3, frequency_weight: 0.5, hotness_weight: 0.2` 推送示例（飞书效果最佳）： ``` 🔥 [1/3] AI ChatGPT: 5条 1. [知乎] 🆕 ChatGPT-5发布 [1] - 09:15 (1次) ``` ### MCP AI：13 工具工程调用参数 MCP 服务（`uv run python -m mcp_server.server` 或 HTTP:3333/mcp）兼容 Claude Desktop/Cursor/Cline 等。13 工具分类： **基础查询 (3)**： - `get_latest_news`: `{platform: "zhihu", limit: 10}` → 最新知乎 Top10。 - `get_news_by_date`: `{date: "2025-11-25", keyword: "AI"}`。 - `get_trending_topics`: `{days: 7}` → 7 天趋势词。 **智能检索 (4)**： - `search_news`: `{query: "比特币", platforms: ["douyin", "bilibili"]}`。 - `search_related_news_history`: `{topic: "特斯拉", days: 30}` → 历史关联。 - `find_similar_news`: `{news_id: "abc123", similarity_threshold: 0.8}`。 - `analyze_sentiment`: `{news_list: [...], sentiment_type: "positive|negative|neutral"}` → 情感倾向（阈值 0.7+ 高置信）。 **高级分析 (4)**： - `analyze_topic_trend`: `{topic: "AI", period: "week"}` → 热度生命周期/预测。 - `analyze_data_insights`: `{topics: ["A股", "美股"], metrics: "frequency,rank"}` → 跨平台对比。 - `generate_summary_report`: `{date_range: "2025-11-20~25", format: "markdown"}`。 - `analyze_emotion_evolution`: `{topic: "政策", days: 14}`。 **系统 (2)**： - `get_current_config` / `get_system_status` → 监控数据量/错误率。 - `trigger_crawl`: `{platforms: ["all"]}` → 手动触发。 **调用最佳实践**： - Cursor/Claude：STDIO 模式，路径 `/path/to/TrendRadar`。 - 参数校验：日期 YYYY-MM-DD，平台 ID 如 "zhihu"/"douyin"。 - 监控阈值：数据 <7 天报错，回滚用测试数据。 - 回滚策略：日志异常 → `docker-compose down; docker pull wantcat/trendradar:latest; up -d`。 ### 风险控制与监控 - **限流**：CRON >15min，star newsnow 项目。 - **隐私**：Webhook 用 GitHub Secrets 或 .env，非明文 config.yaml。 - **监控点**：`docker exec trend-radar python manage.py status`（数据条数/上次爬取）。 - **扩展**：NAS 如群晖，端口 80/443 映射，环境变量覆盖 yaml。 TrendRadar 将被动刷屏转为主动智能推送，MCP AI 解锁数据价值。生产阈值：关键词 5-10 组，平台 15+，日推送 <50 条。 **资料来源**： - [TrendRadar GitHub](https://github.com/sansan0/TrendRadar)：“本项目以轻量，易部署为目标”。 - [newsnow API](https://github.com/ourongxing/newsnow)（底层数据源）。 （正文约 1250 字） ## 同分类近期文章 ### [NVIDIA PersonaPlex 双重条件提示工程与全双工架构解析](/posts/2026/04/09/nvidia-personaplex-dual-conditioning-architecture/) - 日期: 2026-04-09T03:04:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 NVIDIA PersonaPlex 的双流架构设计、文本提示与语音提示的双重条件机制，以及如何在单模型中实现实时全双工对话与角色切换。 ### [ai-hedge-fund：多代理AI对冲基金的架构设计与信号聚合机制](/posts/2026/04/09/multi-agent-ai-hedge-fund-architecture/) - 日期: 2026-04-09T01:49:57+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析GitHub Trending项目ai-hedge-fund的多代理架构，探讨19个专业角色分工、信号生成管线与风控自动化的工程实现。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation-framework/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [LiteRT-LM C++ 推理运行时：边缘设备的量化、算子融合与内存管理实践](/posts/2026/04/08/litert-lm-cpp-inference-runtime-quantization-fusion-memory/) - 日期: 2026-04-08T21:52:31+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 LiteRT-LM 在边缘设备上的 C++ 推理运行时，聚焦量化策略配置、算子融合模式与内存管理的工程化实践参数。