Hotdry.
归档
ai-systems

TrendRadar：多平台热点聚合与MCP AI分析推送

TrendRadar聚合多平台热点，利用MCP协议驱动AI情感/相似检索/趋势分析，支持Docker部署与微信/Telegram实时推送，提供工程化参数。

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：

查看归档