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: