TrendRadar是一个开源工具，专注于多平台热点聚合与基于MCP（Model Context Protocol）协议的AI智能分析，支持实时推送至微信、Telegram等渠道。其核心价值在于解决信息过载问题，通过AI工具链实现精准筛选、深度洞察，并以Docker方式简化部署，实现从数据采集到通知输出的全链路自动化。
项目聚合35个平台热点数据（默认11个主流如知乎、抖音、B站、百度热搜等，可扩展），依赖newsnow API采集实时榜单。采集后应用个性化热点算法：排名权重60%、频次权重30%、热度权重10%，重新排序全网热点，避免单一平台算法偏差。用户通过frequency_words.txt配置关键词，支持普通词、必须词（+）、过滤词（！）、数量限制（@N），空行分隔词组独立统计。例如配置“AI +技术 !广告 @10”，可限定仅推送含“AI”和“技术”、排除广告的前10条新闻。该算法证据见config.yaml权重参数，实际运行中高排名新闻优先，提升时效性。
MCP是TrendRadar的AI驱动核心，提供14种工具（v1.0.3最新），涵盖基础查询（如get_latest_news）、智能检索（如search_news、find_similar_news）、趋势分析（如analyze_topic_trend，支持热度生命周期、爆火检测）、情感分析（analyze_sentiment）、数据洞察（analyze_data_insights，跨平台对比）。这些工具通过自然语言接口调用，支持Claude Desktop、Cherry Studio、Cursor、Cline等客户端。证据：项目自带11月1-15日测试数据，运行后可查询“分析最近7天‘特斯拉’热度趋势”，AI输出时间轴、预测等。不同于直接网络查询，MCP依赖本地output目录积累数据，确保隐私与低延迟。
部署上，支持GitHub一键Fork（30秒网页版）、Docker（1分钟通知），后者推荐docker-compose方式。创建config目录，下载config.yaml和frequency_words.txt，配置.env环境变量覆盖（如REPORT_MODE=incremental）。推送渠道丰富：企业微信（WEWORK_WEBHOOK_URL，支持text/markdown）、飞书、钉钉、Telegram（双Secret：BOT_TOKEN+CHAT_ID）、Slack、Bark（iOS）、ntfy、邮件（SMTP自动识别Gmail/QQ等）。推送模式三选一：daily（当日汇总）、current（当前榜单）、incremental（仅新增，零重复）。新增push_window（09:00-18:00），避免夜间干扰。Docker镜像wantcat/trendradar:latest，多架构支持，数据持久化至./output。
工程化落地参数与清单如下：
1. 核心配置参数（config.yaml优先级最低，环境变量覆盖）：
- report.mode: "incremental"（投资者首选，避免重复）
- report.sort_by_position_first: false（热度优先）
- report.max_news_per_keyword: 10（全局限流）
- weight.rank_weight: 0.6 / frequency_weight: 0.3 / hotness_weight: 0.1（实时热点调高rank）
- notification.push_window.enabled: true / time_range: "09:00-18:00"（工作时段）
- crawler.platforms: 选5-8个（如["zhihu","douyin","baidu"]），防API压力
2. 关键词配置清单（frequency_words.txt）：
AI
ChatGPT
+模型
!广告
新能源汽车
比亚迪
特斯拉
+销量
@5
A股
上证
+涨跌
!预测
- 起步3组，每组3-5词；测试后迭代，优先+过滤提升精度。
3. Docker部署清单：
mkdir trendradar/{config,docker} && cd trendradar
# 下载模板
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/{.env,docker-compose.yml} -P docker/
# 编辑docker/.env：填webhook、CRON_SCHEDULE="*/30 * * * *"
docker-compose -f docker/docker-compose.yml up -d
docker logs -f trend-radar # 验证
4. MCP AI集成清单（Cherry Studio推荐）：
- 运行setup-mac.sh（依赖uv/python）
- STDIO模式：编辑claude_desktop_config.json，command: "uv --directory /path/TrendRadar run python -m mcp_server.server"
- 测试："查询昨天知乎热点" → 验证14工具列表
- HTTP备选：./start-http.sh → url: "http://localhost:3333/mcp"
5. 监控与优化点：
- 指标：推送成功率>95%、新增热点检测率（🆕标记）、MCP查询响应<5s
- 日志：docker logs检查API错误，newsnow星标支持
- 阈值：关键词匹配>3条/天调松；Docker内存<512MB，CPU<20%
- 回滚：v3.4.1稳定，降级替换main.py；增量模式无数据→切换current测试
风险控制：newsnow免费但限频，star项目并<1min/cycle；MCP无实时网搜，积累1周数据首用。生产中结合GitHub Actions Secrets存webhook，防泄露。
资料来源：