# TrendRadar Docker 多渠道推送集成：企业微信/飞书/ntfy 等零编程部署 > TrendRadar Docker 30s部署多平台热点聚合，支持企业微信/飞书/Telegram/ntfy多端推送集成，MCP AI工具参数配置与监控要点。 ## 元数据 - 路径: /posts/2025/11/26/docker-multi-channel-push-integration-for-trendradar/ - 发布时间: 2025-11-26T20:07:39+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 TrendRadar 通过 Docker 容器化部署，实现多渠道推送集成，能在 30 秒内完成热点聚合与通知配置，避免传统手动部署的复杂性。这种集成方式特别适合企业场景，支持企业微信、飞书、Telegram、ntfy 等零编程推送，确保实时热点直达终端，提升舆情监控响应速度。 首先，准备 Docker 环境。TrendRadar 官方镜像 wantcat/trendradar:latest 支持多架构（amd64/arm64），拉取速度优化后可在国内镜像源加速。创建 config 和 output 目录挂载持久化：mkdir -p config output，确保 config.yaml 和 frequency_words.txt 已下载并配置关键词筛选规则。例如，在 frequency_words.txt 中设置“AI +技术 !广告”，系统将优先匹配相关热点。 部署命令简洁高效：docker run -d --name trend-radar -v ./config:/app/config:ro -v ./output:/app/output -e CRON_SCHEDULE="*/30 * * * *" -e IMMEDIATE_RUN="true" wantcat/trendradar:latest。通过 -v 挂载，配置文件持久化，output 目录保存 HTML/TXT 报告。添加推送环境变量，如 -e WEWORK_WEBHOOK_URL="https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx" 即启用企业微信；-e FEISHU_WEBHOOK_URL="https://open.feishu.cn/open-apis/bot/v2/hook/xxx" 配置飞书。Telegram 需要 TELEGRAM_BOT_TOKEN 和 TELEGRAM_CHAT_ID 双变量；ntfy 使用 NTFY_TOPIC="trendradar-alerts"，可选 NTFY_SERVER_URL 自托管服务器。 多渠道参数清单如下，确保优先级：环境变量 > config.yaml。 - 企业微信：WEWORK_WEBHOOK_URL (Webhook)，WEWORK_MSG_TYPE="text" (纯文本推个人微信)。 - 飞书：FEISHU_WEBHOOK_URL (机器人 Webhook)。 - Telegram：TELEGRAM_BOT_TOKEN (Bot Token)，TELEGRAM_CHAT_ID (Chat ID)。 - ntfy：NTFY_TOPIC (主题)，NTFY_SERVER_URL (服务器，默认 ntfy.sh)，NTFY_TOKEN (可选认证)。 - Bark (iOS)：BARK_URL="https://api.day.app/xxx"。 - Slack：SLACK_WEBHOOK_URL (Incoming Webhook)。 - 邮件：EMAIL_FROM/TO/PASSWORD/SMTP_SERVER/PORT，支持 QQ/Gmail 等自动识别。 推送模式在 config.yaml 的 report.mode 配置：daily (当日汇总，定时全天报告)、current (当前榜单，实时榜单变化)、incremental (增量，仅新热点)。结合 notification.push_window.enabled=true 和 time_range (start: "09:00", end: "18:00")，避免夜间干扰。权重调整 weight.rank_weight=0.6 (排名优先)、frequency_weight=0.3 (频次)、hotness_weight=0.1 (综合)，适用于投资追踪高排名新闻。 MCP AI 集成参数：运行 mcp_server.server，支持 STDIO/HTTP 模式。HTTP 端口默认 3333，配置 Cursor/Claude 等客户端：{"url": "http://localhost:3333/mcp"}。工具包括 get_latest_news、analyze_topic_trend 等 14 个，用于自然语言查询“最近 AI 趋势”。Docker 中暴露端口 -p 3333:3333，env UV_RUN=true 确保依赖。 监控要点：docker logs -f trend-radar 查看运行日志，关注“推送成功”或“ntfy 编码问题”。阈值：CRON_SCHEDULE="*/30 * * * *" (30min 抓取)，MAX_NEWS_PER_KEYWORD=10 (每词限 10 条)。风险：newsnow API 滥用导致限流，建议 star 支持源项目；Webhook 泄露，回滚删除重发。 回滚策略：docker stop/rm trend-radar，清理 output 重置数据；config.yaml 备份前回滚。生产中结合 docker-compose.yml 管理多实例，env SORT_BY_POSITION_FIRST=true 优先配置顺序。 参数落地清单： 1. 下载模板：wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/config/config.yaml -P config/ 2. 编辑 frequency_words.txt：词组空行分隔。 3. 运行 docker-compose up -d。 4. 测试：docker exec trend-radar python main.py。 5. 验证推送，调整阈值。 此集成使 TrendRadar 成为高效 ai-systems 组件，零编程实现多端热点通知。 资料来源： - GitHub: https://github.com/sansan0/TrendRadar - Docker 指南：腾讯云开发者社区 TRENDRADAR Docker 部署（2025-11-22）。 ## 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。