Hotdry.
归档
ai-systems

构建TrendRadar：多平台热点聚合与AI智能推送管道

基于开源TrendRadar，聚合35+平台热点，实现关键词智能筛选、趋势追踪与多渠道推送，支持Docker零编程部署的关键参数与工程实践。

在信息爆炸时代，手动浏览多个平台热点已成为低效负担。TrendRadar 提供了一个高效的多平台热点聚合管道，能从抖音、知乎、B 站、微博等 35 个平台实时采集数据，通过 AI 智能筛选和趋势追踪机制，仅推送用户关心的内容，支持企业微信、Telegram 等多渠道无编程推送，并兼容 Docker 部署。这种架构的核心在于数据聚合的稳定性和筛选推送的精准性，避免了信息过载，同时确保低延迟响应。

系统架构分为四个模块：数据采集、内容筛选、热点排序和通知推送。数据采集依赖 newsnow API，默认监控 11 个主流平台（如知乎、抖音、B 站、百度热搜、财联社），可扩展至 35 个。通过 config.yaml 中的 platforms 配置自定义，例如添加 “toutiao” 对应今日头条。采集频率建议控制在 30 分钟一次，避免 API 压力过大。TrendRadar 不直接爬取网页，而是调用上游 API，确保合规性和稳定性。

内容筛选是管道的核心智能环节，使用 frequency_words.txt 文件定义关键词，支持四种语法：普通词基础匹配、+ 必须词限定范围、! 过滤词排除干扰、@N 数量限制。词组以空行分隔，每个组独立统计，例如第一组 “iPhone\n 华为 \n + 发布” 仅捕获手机品牌与发布相关的新闻；第二组 “A 股 \n 上证 \n + 涨跌 \n! 预测” 聚焦股市实况而非预测。v3.2.0 后新增高级配置：在 config.yaml 中设置 sort_by_position_first: true，按配置顺序优先排序；max_news_per_keyword: 10，全局限制每组新闻条数，@N 可覆盖全局。实际部署中，从宽泛关键词起步（如 “AI”），迭代添加必须 / 过滤词，目标匹配率控制在 20-30 条 / 次推送。

热点排序采用自定义权重算法，默认 rank_weight: 0.6（排名优先）、frequency_weight: 0.3（频次）、hotness_weight: 0.1（综合热度），总和为 1.0。实时追踪新闻生命周期：首次出现时间、持续跨度、排名变化，用🆕标记新增，跨平台对比热度差异。推送模式有三种：daily（当日汇总，适合管理者查看全天趋势）；current（当前榜单，适合创作者追踪实时火爆话题）；incremental（增量监控，仅新内容，零重复，适合交易员）。推荐投资者用 incremental + 推送时间窗口（push_window.enabled: true, time_range: "09:00-18:00"），避免夜间干扰。

部署落地清单如下，确保零编程上手：

  1. GitHub Actions 部署（30 秒）：

    • Fork 仓库https://github.com/sansan0/TrendRadar。
    • Settings > Secrets > Actions，添加 webhook：WEWORK_WEBHOOK_URL（企业微信）、TELEGRAM_BOT_TOKEN+CHAT_ID（Telegram）、FEISHU_WEBHOOK_URL 等。
    • 编辑 config/frequency_words.txt 添加关键词，config.yaml 选模式（report.mode: "incremental"）。
    • Actions 页 Run workflow 测试，启用 GitHub Pages 浏览网页报告。

  2. Docker 部署（1 分钟）：

    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/
wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/docker/docker-compose.yml
wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/docker/.env -P docker/

    编辑 docker/.env 设置环境变量（如 FEISHU_WEBHOOK_URL=your_url, CRON_SCHEDULE="*/30 * * * *"）。 docker-compose up -d。数据持久化至 output / 目录，支持 HTML/TXT 导出。

监控与优化参数：

  • 阈值：高排名阈值 rank_threshold: 5，前 5 名红色加粗；max_news_total: 50，总推送上限。
  • 回滚：若增量模式无推送，切换 current 验证数据流；API 限流时降频至 1 小时。
  • 风险限：依赖 newsnow，star 支持上游；GitHub 免费 Actions 每月 2000min，超量自建 Docker。
  • 扩展：v3.0+ MCP AI 分析，14 工具支持自然语言查询趋势 / 情感，Cherry Studio 一键配置。

实际案例：监控 “AI+ChatGPT”，incremental 模式，每 30min 推送新增 2-5 条，包含平台、排名、频次。部署后首日积累数据，即可 AI 问 “分析本周 AI 热度趋势”，输出生命周期图表。通过权重调优（rank_weight:0.8 追实时），日推送时长降至 5min，效率提升 3 倍。

资料来源：TrendRadar GitHub 仓库，newsnow 数据源。

查看归档