在信息爆炸的时代，用户常常被海量新闻淹没，难以捕捉真正有价值的热点趋势。TrendRadar 作为一个开源的 AI 驱动新闻聚合器，提供了一个高效解决方案。它通过聚合 35 个主流平台的实时热点数据，并集成 MCP（Model Context Protocol）协议的 AI 分析工具，帮助用户实现精准监测和深度洞察。该系统强调易部署性和多渠道通知，确保用户随时掌握关键信息，而非被动浏览。
TrendRadar 的核心优势在于其多平台聚合能力。系统默认监控 11 个平台，包括知乎、抖音、Bilibili、华尔街见闻、财联社、澎湃新闻、凤凰网、今日头条、微博、百度热搜和贴吧，用户可扩展至 35 个平台。这不仅覆盖了社交媒体、新闻门户和短视频等领域，还通过 newsnow 项目提供的 API 接口，确保数据来源可靠和多样化。举例来说，在配置 platforms 字段时，用户可以添加如 "toutiao"（今日头条）或 "wallstreetcn-hot"（华尔街见闻）等 ID，实现自定义监控。证据显示，这种聚合方式能有效捕捉跨平台热点，避免单一来源的偏差。根据项目描述，TrendRadar 使用个性化热点算法重新排序新闻，权重分配为排名 60%、频次 30% 和热度 10%，这使得输出更贴合用户需求。
进一步地，MCP-based AI 分析是 TrendRadar 的亮点之一。它支持 13 种分析工具，涵盖基础查询、智能检索、趋势分析和情感分析等功能。例如，用户可以通过自然语言提问如“分析比特币最近的热度趋势”或“对比知乎和微博对 AI 的关注度”，系统会基于本地积累的新闻数据进行响应。MCP 协议允许无缝集成多种 AI 客户端，如 Claude Desktop、Cherry Studio 和 Cursor，确保分析过程高效且交互友好。项目中强调，AI 功能依赖 output 目录中的历史数据，默认提供 2025 年 11 月 1 日至 15 日的测试数据，用户需运行爬虫积累实时数据。实际应用中，这种分析能揭示话题生命周期、爆火检测和关键词共现，帮助用户从海量信息中提炼洞察，而非简单汇总。
部署 TrendRadar 时，Docker 是推荐方式，提供容器化运行的便利性。用户可通过 docker-compose up -d 一键启动，镜像 wantcat/trendradar:latest 支持多架构。配置目录包括 config/config.yaml（主设置）和 frequency_words.txt（关键词筛选）。在 config.yaml 中，report.mode 可选 daily（当日汇总，每小时推送所有匹配新闻）、current（当前榜单，实时追踪最火内容）或 incremental（增量监控，仅推送新增，避免重复）。推送时间窗口控制是可选功能，通过 push_window.enabled: true 和 time_range: {start: "09:00", end: "18:00"} 限制推送范围，适合工作场景。环境变量覆盖机制（如 ENABLE_CRAWLER=true）便于 NAS 等环境调整，确保配置生效。部署后，数据持久化在 ./output 目录，支持 HTML/TXT 格式历史记录。
多渠道通知进一步提升了 TrendRadar 的实用性。支持企业微信、飞书、钉钉、Telegram、邮件和 ntfy 等渠道，可同时配置多个。针对企业微信，设置 WEWORK_WEBHOOK_URL 即可实现手机通知；飞书使用 FEISHU_WEBHOOK_URL，支持分批推送避免内容过长。邮件配置需 EMAIL_FROM、EMAIL_PASSWORD 和 EMAIL_TO，支持 Gmail、QQ 等 10+ 服务商自动识别 SMTP。ntfy 适合隐私需求，提供免费公共服务器（每天 250 条消息）或自托管 Docker。推送格式包括热度等级（🔥 高热度 ≥10 条）、新增标记（🆕）和时间轴追踪，确保信息清晰。最佳实践是结合 incremental 模式和时间窗口，减少干扰，同时启用 GitHub Pages 生成网页报告，便于 PC/移动端查看。
在实际落地中，用户应关注几个关键参数和清单。首先，关键词配置是筛选基础：在 frequency_words.txt 中，使用普通词（如“AI”）、必须词（+发布）和过滤词（!广告），空行分隔词组独立统计。建议从宽到严策略：先测试宽泛词，再加限定，避免过度复杂。其次，热点权重调整：在 config.yaml 的 weight 部分，rank_weight: 0.8 适合实时追踪，frequency_weight: 0.5 适合深度分析，总和须为 1.0。监控点包括：检查 docker logs -f trend-radar 实时日志，验证 MCP 服务通过 npx @modelcontextprotocol/inspector 测试连接。回滚策略：若配置冲突，删除容器重启 docker-compose up -d；数据不足时，缩小查询至测试日期范围。风险包括网络依赖（爬虫需稳定连接）和隐私泄露（webhook 勿公开，使用 GitHub Secrets）。
总体而言，TrendRadar 通过多平台聚合、MCP AI 分析、Docker 部署和多渠道通知，构建了一个高效的趋势监测系统。用户可根据需求调整参数，实现从信息收集到智能洞察的全链路。建议初次部署时优先 Docker + 企业微信，积累数据后启用 AI 功能。
资料来源：https://github.com/sansan0/TrendRadar