在信息爆炸的时代，如何高效聚合多平台新闻热点，并通过 AI 驱动的分析实现智能趋势跟踪和自动化通知，成为工程化部署的关键挑战。TrendRadar 项目提供了一个轻量级的解决方案，通过 Docker 容器化部署，可以无缝集成多平台数据采集、MCP 协议的 AI 分析，以及多渠道推送机制，无需复杂的自定义编码。本文将聚焦于 Docker 部署的工程实践，阐述观点、提供证据支持，并给出可落地的参数配置和操作清单，帮助开发者快速上线系统。
首先，观点上，Docker 部署 TrendRadar 的核心优势在于其容器化特性，确保环境一致性和可移植性，避免了传统 Python 依赖安装的痛点。根据项目设计，TrendRadar 支持聚合 11 个主流平台（如知乎、抖音、Bilibili、华尔街见闻等）的热点新闻，并通过 MCP (Model Context Protocol) 协议接入 AI 模型进行深度分析，包括趋势追踪、情感分析和相似新闻检索。同时，自动化通知功能覆盖企业微信（WeChat）、Email 和 Telegram 等渠道，支持三种推送模式：当日汇总（daily）、当前榜单（current）和增量监控（incremental），这使得系统适用于投资者、自媒体人或企业舆情监控场景。证据来源于项目 GitHub 仓库的文档，明确指出 Docker 镜像 wantcat/trendradar:latest 已支持多架构运行，部署仅需一行命令，即可实现 30 秒网页浏览和 1 分钟手机通知的快速响应。
进一步证据显示，TrendRadar 的 AI 分析模块基于 MCP 协议，提供 13 种工具，如 get_latest_news（获取最新新闻）、analyze_topic_trend（话题趋势分析）和 generate_summary_report（摘要生成）。这些工具允许自然语言查询，例如“分析最近一周 AI 热点的热度变化”，无需编写额外代码，即可从本地积累的新闻数据中提取洞察。推送机制的证据在于支持环境变量覆盖配置，例如通过 -e FEISHU_WEBHOOK_URL 设置飞书通知，或 -e TELEGRAM_BOT_TOKEN 配置 Telegram Bot，确保安全性和灵活性。项目更新日志（v3.0.5）还优化了 Docker 环境变量支持，解决了 NAS 用户配置不生效的问题，证明了其工程化成熟度。
在可落地参数方面，部署 TrendRadar 时，首先准备配置目录：创建 config 文件夹，下载 config.yaml 和 frequency_words.txt 文件。其中，config.yaml 定义核心参数，如 report.mode: "daily"（当日汇总模式，适合全面趋势跟踪）；notification.push_window.enabled: true（启用时间窗口，start: "09:00", end: "18:00"，避免非工作时段打扰）；crawler.platforms 列出监控平台，默认包括 toutiao、baidu、wallstreetcn-hot 等，可扩展至 35 个。frequency_words.txt 支持关键词语法：普通词如“AI”，必须词如“+技术”，过滤词如“!广告”，用空行分隔词组，实现精准筛选。例如，第一组：AI\nChatGPT\n+趋势；第二组：比特币\n+价格\n!预测。这确保了推送内容的针对性，减少信息噪音。
对于通知参数，WeChat（企业微信）配置 -e WEWORK_WEBHOOK_URL="https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=your_key"；Email 配置 -e EMAIL_FROM="user@example.com" -e EMAIL_PASSWORD="auth_code" -e EMAIL_TO="recipient@example.com"，支持 SMTP 自动识别（如 QQ 邮箱端口 465，SSL）；Telegram 配置 -e TELEGRAM_BOT_TOKEN="123456:ABC" -e TELEGRAM_CHAT_ID="your_chat_id"。推送频率通过 CRON_SCHEDULE="*/30 * * * *" 设置为每 30 分钟执行一次，平衡实时性和资源消耗。AI 分析需额外启动 MCP 服务：uv run python -m mcp_server.server --transport http --port 3333，然后在客户端如 Claude Desktop 配置 {"url": "http://localhost:3333/mcp"}。
操作清单如下，确保部署成功：
-
环境准备：安装 Docker 和 Docker Compose，确保系统支持多架构（arm64/x86_64）。创建项目目录：mkdir trendradar && cd trendradar。
-
配置文件挂载：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/。编辑 frequency_words.txt 添加关键词组，config.yaml 调整 report.mode 和 push_window。
-
Docker Compose 启动：下载 docker-compose.yml 和 .env，编辑 .env 中的 webhook 变量，如 NTFY_TOPIC="trendradar-alerts"（可选 ntfy 推送）。运行 docker-compose up -d。
-
验证运行：docker logs -f trend-radar 检查日志；docker exec -it trend-radar python manage.py status 查看状态。手动触发：docker exec -it trend-radar python manage.py run。
-
AI 集成：在 output 目录积累数据后，启动 MCP 服务。测试查询：“搜索今天知乎的热点新闻”。
-
监控与优化：设置阈值，如 weight.rank_weight: 0.6（排名权重 60%），frequency_weight: 0.3（频次 30%），hotness_weight: 0.1（热度 10%）。监控点包括推送成功率（>95%）、数据更新延迟（<5 分钟）、MCP 响应时间（<2 秒）。
风险控制：数据持久化使用 -v ./output:/app/output 挂载卷，避免容器重启丢失历史新闻；回滚策略若推送失败，切换至 incremental 模式，仅发新增；若 Docker 镜像拉取慢，使用本地构建 docker-compose build。
通过以上配置，TrendRadar 的 Docker 部署不仅实现了多平台聚合和 AI 分析，还确保了通知的可靠性和低侵入性。实际落地中，可根据场景调整参数，如投资者优先 incremental 模式和高频 CRON（*/15 * * * *），自媒体人选用 current 模式和图片导出功能（GitHub Pages）。此方案无需编程基础，适用于个人或团队使用。
资料来源：GitHub 项目仓库 https://github.com/sansan0/TrendRadar，包含详细部署文档和更新日志。