# TrendRadar：多平台热点采集与 MCP 驱动的 AI 舆情分析 > 集成35平台实时热点采集、语义去重，通过MCP工具链驱动AI舆情分析，支持企业微信/Telegram零代码推送。详解工程参数、部署清单与监控要点。 ## 元数据 - 路径: /posts/2025/12/02/trendradar-multi-platform-mcp-ai-analysis/ - 发布时间: 2025-12-02T10:49:04+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 TrendRadar 项目提供了一个高效的多平台热点监控系统，通过集成 newsnow API 采集 35 个平台的实时热搜数据（如知乎、抖音、B 站、华尔街见闻、财联社等），实现语义去重和智能推送，最终结合 MCP（Model Context Protocol）协议驱动 AI 进行深度舆情分析。这种架构特别适合企业公关、投资者和自媒体人，用于零代码部署的实时舆情追踪，避免信息过载。 核心价值在于其多源聚合与 AI 增强的双轮驱动。首先，热点采集模块支持自定义平台配置，默认监控 11 个主流平台，可扩展至更多。通过个性化热点算法（排名权重 60%、频次 30%、热度 10%），系统重新排序全网热搜，确保高相关性输出。“本项目使用 newsnow 项目的 API 获取多平台数据”，这依赖外部免费服务，用户需点 Star 支持以维持稳定性。语义去重则通过关键词筛选实现：普通词基础匹配、+必须词限定范围、!过滤词排除干扰、@数字控制数量（如 @10 限制 10 条）。三种推送模式进一步优化体验：daily（当日汇总，适合管理者查看全天趋势）、current（当前榜单，追踪实时热度变化）、incremental（增量监控，仅新内容推送，避免重复）。这些参数在 config/config.yaml 中配置，例如 report.mode: incremental，notification.push_window.enabled: true 可设置推送时间窗（如 09:00-18:00），防止非工作时段干扰。 MCP 工具链是 AI 分析的关键创新，支持 14 种工具（如趋势追踪、情感分析、相似检索、跨平台对比），允许自然语言查询本地积累的新闻数据（如“分析比特币最近热度趋势”）。不同于传统 RAG，MCP 标准化协议无缝集成 Claude Desktop、Cursor、Cline 等客户端，实现对话式深度挖掘。部署 MCP 服务只需运行 python -m mcp_server.server，支持 STDIO 或 HTTP 模式（默认端口 3333）。工具包括 get_latest_news（最新新闻）、analyze_topic_trend（话题趋势）、analyze_sentiment（情感分析）等，参数如日期范围（resolve_date_range 支持“本周、上月”自然语言）。本地数据存储在 output 目录，自带 11 月测试数据，生产环境运行爬虫 1 天即可积累实时语料。风险点：AI 仅分析本地数据，无法实时网络查询；依赖项目路径无中文，避免路径解析错误。 落地部署清单简明高效，零编程门槛： 1. **GitHub 云端部署（推荐 30 秒上手）**： - Fork https://github.com/sansan0/TrendRadar。 - Settings > Secrets 添加 webhook：WEWORK_WEBHOOK_URL（企业微信）、TELEGRAM_BOT_TOKEN + TELEGRAM_CHAT_ID（Telegram）、FEISHU_WEBHOOK_URL 等。 - 编辑 config/frequency_words.txt 添加关键词组（如“AI\nChatGPT\n+技术\n!广告”）。 - Actions 页 Run workflow 测试，手动触发后 1 分钟手机通知。 - 启用 GitHub Pages 获网页报告，支持一键保存图片分享。 2. **Docker 本地部署（1 分钟通知）**： ``` mkdir trendradar && cd trendradar 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/ docker run -d --name trend-radar -v ./config:/app/config:ro -v ./output:/app/output -e WEWORK_WEBHOOK_URL=your_url wantcat/trendradar:latest ``` - 环境变量覆盖 config.yaml（如 REPORT_MODE=incremental）。 - docker logs -f trend-radar 监控日志。 3. **MCP AI 集成**： - 运行 setup-windows.bat（Windows）或 ./setup-mac.sh 安装依赖。 - STDIO 模式：在 Cursor 等配置 {"command": "uv", "args": ["--directory", "/path/to/TrendRadar", "run", "python", "-m", "mcp_server.server"]}。 - HTTP 模式：start-http.bat，访问 http://localhost:3333/mcp 测试。 - 示例查询：Cursor 中“查询昨天知乎热点，分析情感倾向”。 监控要点与优化参数： - **阈值调优**：rank_weight: 0.8（实时热点追逐）、frequency_weight: 0.5（深度话题）。 - **频率控制**：.github/workflows/crawler.yml cron: '*/30 * * * *'（30 分一轮），勿过频防 API 限流。 - **回滚策略**：小版本升级仅替换 main.py，大版本重新 Fork。ntfy/Bark 等备用推送防单点故障。 - **扩展实践**：自定义平台（platforms: [{id: "custom", name: "X平台"}]）；MCP 新工具开发，继承基类添加 resolve_date_range 等。 - **性能指标**：推送分批（Slack mrkdwn 4KB/批），数据持久化 output/HTML/TXT。 实际案例：投资者配置“特斯拉\n马斯克\n@5”，incremental 模式，每日获 5 条新热点 + AI 趋势预测；公关团队监控“品牌危机\n!广告”，cross-platform 对比知乎/微博舆情。相比 LightRAG/Memori 等内存 RAG，TrendRadar 聚焦跨源采集 + MCP 标准化，工程化更强。 资料来源： - [TrendRadar GitHub](https://github.com/sansan0/TrendRadar) - [newsnow 数据源](https://github.com/ourongxing/newsnow) ## 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。