sansan0/TrendRadar · 上手攻略

  • 仓库：sansan0/TrendRadar
  • 链接：https://github.com/sansan0/TrendRadar
  • 分类：skill
  • 作者：Jay
  • 更新：2026-07-08

这是什么

TrendRadar 是一款开源 AI 舆情监控与热点聚合工具（v6.10.0，MCP v4.1.0），用 Python 开发，遵循 GPL-3.0 协议。它能自动抓取多平台热搜、整合 RSS 订阅源，通过 AI 智能筛选新闻、翻译内容、生成分析简报，并推送至微信/飞书/钉钉/Telegram/邮件等渠道。简单说：它帮你把"信息过载"变成"精准推送"。

核心解决两个痛点：一是人工刷多平台热搜效率低；二是传统关键词订阅颗粒度粗，AI 时代需要自然语言描述兴趣。

解决什么问题

  • 多平台热搜汇总：自动聚合微博、知乎、百度、36氪等平台热点，无需逐个网站查看。
  • RSS 订阅智能化：支持自定义 RSS 源，AI 自动过滤无关内容。
  • AI 精准筛选：无需写关键词，在 ai_interests.txt 里用自然语言描述兴趣（如"我关注 AI 大模型和新能源"），AI 自动打标签、评分、过滤。
  • 多渠道推送：报告生成后可一键推送至微信、飞书、钉钉、Telegram、邮件、ntfy、Bark、Slack、Webhook 等 9+ 渠道。
  • MCP 架构：可作为 MCP Server，被其他 AI 工具（如 Claude）调用，实现"对话式新闻分析"。
  • 多语言翻译：内置 AI 翻译，可将中文新闻翻译为英文，或反之。
  • 本地/云端自持：支持 Docker 部署，数据可存储在本地或云端对象存储。

快速安装

方式一：Docker 部署（推荐，30 秒）

# 拉取镜像
docker pull wantcat/trendradar:latest

# 运行容器（默认端口 8000）
docker run -d --name trendradar \
  -p 8000:8000 \
  -v $(pwd)/data:/app/data \
  wantcat/trendradar:latest

访问 http://localhost:8000 即可打开 Web UI。

方式二：本地 Python 部署

# 需要 Python >= 3.10
git clone https://github.com/sansan0/TrendRadar.git
cd TrendRadar

# 安装依赖
pip install -r requirements.txt

# 启动（默认端口 8000）
python -m trendradar

方式三：GitHub Pages（纯前端，无需服务器）

Fork 仓库后，在 Settings → Pages → Source 选择 gh-pages 分支，访问 https://你的用户名.github.io/TrendRadar/ 即可使用。

⚠️ GitHub Pages 部署适合纯展示 HTML 报告，完整功能（抓取、推送、AI 分析）需 Docker 或本地部署。

方式四：Cloudflare Pages

参见官方文档：https://trendradar.sandev.cc/en/docs/quick-start/

核心用法

1. 配置关键词和兴趣

编辑 config/custom/keyword/keywords.txt 写入关注的关键词：

AI大模型
新能源
半导体

用自然语言描述更精准的兴趣，编辑 config/custom/ai/ai_interests.txt：

我想关注 AI 大模型（尤其是 OpenAI、DeepSeek）、新能源车（比亚迪、宁德时代）以及半导体行业动态。
对国际政治和娱乐八卦不感兴趣。

AI 会自动从新闻标题中提取标签并评分，分数高的才会被推送。

2. 配置推送渠道

编辑 config.yaml，以飞书为例：

feishu:
  enabled: true
  webhook_url: "https://open.feishu.cn/open-apis/bot/v2/hook/xxxxx"

支持的渠道均在此配置节下启用，配置方法参考官方文档的「Configuration Guide」。

3. 配置抓取时间（Timeline）

v6.0+ 使用 timeline.yaml 统一调度，有 5 个预设模板：

# config.yaml
schedule:
  preset: morning_evening  # 可选: always_on / morning_evening / office_hours / night_owl / custom
  • always_on：24/7 运行
  • morning_evening：早晚各推送一次
  • office_hours：工作时间每小时抓取
  • night_owl：深夜模式
  • custom：完全自定义时间窗口

4. 使用 MCP 接口（v4.x）

TrendRadar 可作为 MCP Server 被 AI 助手调用：

# MCP 镜像运行
docker pull wantcat/trendradar-mcp:latest
# 配置 MCP 客户端（Claude Desktop、Cursor 等）指向该服务

MCP 支持的工具有： - get_latest_news：获取最新热点新闻 - search_rss：搜索 RSS 订阅内容 - get_rss_feeds_status：查看 RSS 配置状态 - resolve_date_range：解析自然语言日期范围 - sync_from_remote：从远程存储拉取数据

5. 查看 HTML 报告

部署后访问 Web UI，可生成当日汇总报告，支持： - 关键词分组 + 热点标签 - AI 翻译（开/关） - 暗色模式 - 一键复制新闻标题+链接 - 导出为 Markdown（便于 LLM 处理） - 全页面截图导出

典型适用场景

场景 为什么用 TrendRadar
投资/行业研究 实时监控 AI、新能源、半导体等赛道舆情，第一时间捕捉趋势变化
内容创作者找选题 快速了解全网热点，筛选可写方向
企业竞争情报 监控竞品相关热搜和新闻
AI 爱好者 结合 MCP 对接 Claude，用自然语言对话分析新闻
技术团队 集成到飞书/钉钉群，自动推送行业简报

坑与注意

  1. v6.0 Breaking Change：2026/02/09 升级了 config.yaml 格式（2.0.0），旧版 push_window 和 analysis_window 配置不再兼容，需参照新版重新配置。

  2. Docker 内存建议：抓取+AI 分析同时跑，建议分配 1GB+ 内存。

  3. newsnow API 礼貌使用：TrendRadar 依赖 newsnow 项目提供的数据 API，部署时需控制抓取频率，不要对源站造成压力。

  4. AI 推送 token 成本：AI 筛选、翻译、生成分析均需调用 LLM API（如 OpenAI），需提前在 config.yaml 配置 API Key，并关注用量。可在 ai_interests.txt 中精确描述兴趣，减少不必要的 token 消耗。

  5. 飞书/钉钉平台限制：各平台对消息大小有限制（飞书 30KB、钉钉 20KB），TrendRadar v6.0+ 会自动拆分长消息，但仍需注意配置。

  6. MCP Server 独立部署：MCP 镜像是独立镜像（wantcat/trendradar-mcp），不是包含在主镜像里的。

  7. 中文生态友好：对飞书、钉钉、微信通知的支持是核心亮点，但英文文档相对较少，配置过程中遇到问题可参考中文文档（https://trendradar.sandev.cc/）。

与同类对比

工具 核心定位 AI 筛选 中文渠道 部署难度 Stars
TrendRadar AI 舆情监控 + 多渠道推送 ✅ 自然语言描述兴趣 ✅ 飞书/钉钉/微信 ⭐ Docker 30秒 60k
newsnow 多平台热搜聚合 ❌ 纯关键词 ❌ ⭐ 极简 11k
RSSHub RSS 聚合 ❌ ❌ ⭐⭐ 24k
AutoRSS RSS 监控 ❌ ✅（邮件） ⭐⭐ 2k
Gatus 健康监控 ❌ ✅ 多渠道 ⭐ Docker 6k

TrendRadar 的核心差异化是把 AI 筛选 + 多渠道推送 + MCP 接口三者合一，且对中文平台支持最完整，适合需要"AI 自动筛选 + 推送"一站式方案的用户。

一句话推荐结论

如果你受够了每天刷十几个平台找热点、需要 AI 帮你从噪音中提取信号、还希望能推送到飞书/钉钉/微信，TrendRadar 是目前开源社区里最省心的选择——30 秒 Docker 部署，零配置先用起来。

来源：GitHub README-EN.md（v6.10.0）、官方文档 https://trendradar.sandev.cc/en/docs/、repo_cards 采集于 2026-07-08