sansan0/trendradar

本项目以轻量，易部署为目标

📑 快速导航

💡 点击下方链接可快速跳转到对应章节。部署推荐从「快速开始」入手，需要详细自定义请看「配置详解」

• 感谢为项目点 star 的观众们，fork 你所欲也，star 我所欲也，两者得兼😍是对开源精神最好的支持

🪄 赞助商

❤️ 觉得好用？支持一下

若 TrendRadar 曾为你捕捉价值，不妨为它注入动力，助其持续进化

金额随意，1 元也是对开源的鼓励。欢迎在赞赏时备注留言 (´▽`ʃ♡ƪ)

🤝 二次开发与引用

如果你在项目中使用或借鉴了本项目的思路、核心代码，非常欢迎在 README 或文档中注明来源并附上本仓库链接。

这将有助于项目的持续维护和社区发展，感谢你的尊重与支持！❤️

💬 交流与反馈

• GitHub Issues：适合具体的技术问题。提问时请提供完整信息（截图、错误日志等），有助于快速定位。
• 公众号交流：建议优先在相关文章下的留言区交流。若需后台提问，先点赞/推荐文章是最好的"敲门砖"，我在后台都能感受到这份心意哟 (´▽`ʃ♡ƪ)。
• QQ 群交流：关注公众号，回复「交流群」即可加入。无论你是 AI 小白还是硬核开发者，想求助技术问题还是分享折腾心得，这里都欢迎你。群里主打互助交流和灵感碰撞，入群请先看群公告；提问时描述清楚问题、附上截图，群友有空就会帮忙，大家的实战经验往往比我一个人更快更全面 🤝

友情提示： 本项目为开源分享，非商业产品。把作者当朋友而非客服，沟通效率会更高哦！

📝 更新日志

📌 查看最新更新：原仓库更新日志 ：

• 提示：建议查看【历史更新】，明确具体的【功能内容】

2026/06/19 - v6.10.0

• AI 翻译分批处理：大量标题翻译时自动分批请求，避免单次请求超限导致翻译失败
• 模块拆分重构：拆分 context.py 和 __main__.py，AI 筛选流水线独立为 filter_pipeline 模块，职责更清晰、维护更方便
• 修复飞书来源标签显示：修复飞书卡片中来源标签和 AI 独立源点速览被 CommonMark 吞掉不显示的问题

2026/02/09 - mcp-v4.0.0

• 🔥 AI 消息直推所有渠道：让 AI 写好的内容一键推送到飞书、钉钉、Telegram、邮件等 9 个渠道，Markdown 自动适配各平台格式，不用操心格式差异
• 新增格式化策略指南：新增 get_channel_format_guide 工具，告诉 AI 每个渠道支持什么格式、有什么限制，生成的内容排版更好看
• 智能分批发送：超长消息自动按各渠道字节限制拆分（飞书 30KB、钉钉 20KB 等），配置读取自 config.yaml
• 修复渠道误检测：ntfy 不再因为默认地址被误报为"已配置"
• 代码复用优化：批次处理函数直接复用 trendradar 核心模块，不重复造轮子

✨ 核心功能

全网热点聚合

• 知乎
• 抖音
• bilibili 热搜
• 华尔街见闻
• 贴吧
• 百度热搜
• 财联社热门
• 澎湃新闻
• 凤凰网
• 今日头条
• 微博

默认监控 11 个主流平台，也可自行增加额外的平台

💡 详细配置教程见 配置详解 - 平台配置

RSS 订阅源支持（v4.5.0 新增）

支持 RSS/Atom 订阅源抓取，按关键词分组统计（与热榜格式一致）：

• 统一格式：RSS 与热榜使用相同的关键词匹配和显示格式
• 简单配置：直接在 config.yaml 中添加 RSS 源
• 合并推送：热榜和 RSS 合并为一条消息推送
• 新鲜度过滤：自动过滤超过指定天数的旧文章，避免重复推送。支持全局默认天数和单源独立设置

💡 RSS 使用与热榜相同的 frequency_words.txt 进行关键词过滤

可视化配置编辑器

提供基于 Web 的图形化配置界面，无需手动编辑 YAML 文件，通过表单即可完成所有配置项的修改与导出。

👉 在线体验：https://sansan0.github.io/TrendRadar/

智能推送策略

三种推送模式：

💡 快速选择指南：

• 不想看到重复新闻 → 用 incremental（增量监控）
• 想看完整榜单趋势 → 用 current（当前榜单）
• 需要每日汇总报告 → 用 daily（当日汇总）

详细对比和配置教程见 配置详解 - 推送模式详解

附加功能（可选）：

💡 详细配置教程见 推送内容怎么显示？ 和 什么时候给我推送？

精准内容筛选

设置个人关键词（如：AI、比亚迪、教育政策），只推送相关热点，过滤无关信息

💡 基础配置教程：关键词配置 - 基础语法

💡 高级配置教程：关键词配置 - 高级配置

💡 也可以不做筛选，完整推送所有热点（将 frequency_words.txt 留空）

AI 智能筛选新闻（v6.5.0 新增）

用自然语言描述你的兴趣，AI 自动分类新闻，替代传统关键词匹配

• 自然语言兴趣描述：在 ai_interests.txt 中用日常语言写下关注方向，无需学习关键词语法
• 两阶段智能处理：AI 先从兴趣描述提取结构化标签，再对新闻按标签批量分类打分
• 分数阈值控制：通过 ai_filter.min_score 精确控制推送质量，只推送高相关度新闻
• 自动回退保障：AI 筛选失败时自动回退到关键词匹配，确保推送不中断
• 智能标签更新：兴趣变更时 AI 自动评估变化幅度，决定增量或全量重分类
• 灵活切换：filter.method 支持 keyword（默认）和 ai 两种模式，Timeline 可按时段覆盖
• 分时段个性化：不同时间段可以使用不同的关键词文件或 AI 兴趣描述。例如早上用"科技词库"快速过滤，晚上换成"金融兴趣"做 AI 深度筛选

# config.yaml 快速启用示例
filter:
  method: ai          # keyword（默认）| ai
ai_filter:
  min_score: 6         # 推送最低分数阈值（1-10）

💡 AI 筛选与 AI 分析/翻译共享模型配置，只需配置一次 ai.api_key

热点趋势分析

实时追踪新闻热度变化，让你不仅知道"什么在热搜"，更了解"热点如何演变"

• 时间轴追踪：记录每条新闻从首次出现到最后出现的完整时间跨度
• 热度变化：统计新闻在不同时间段的排名变化和出现频次
• 新增检测：实时识别新出现的热点话题，用🆕标记第一时间提醒
• 持续性分析：区分一次性热点话题和持续发酵的深度新闻
• 跨平台对比：同一新闻在不同平台的排名表现，看出媒体关注度差异

💡 推送格式说明见 消息样式说明

个性化热点算法

不再被各个平台的算法牵着走，TrendRadar 会重新整理全网热搜

💡 三个比例可以调整，详见 配置详解 - 热点权重调整

多渠道多账号推送

支持企业微信(+ 微信推送方案)、飞书、钉钉、Telegram、邮件、ntfy、Bark、Slack、通用 Webhook（可对接 Discord、IFTTT 等任意平台），消息直达手机和邮箱

💡 详细配置教程见 推送到多个群/设备

AI 多语言翻译（v5.2.0 新增）

将推送内容翻译为任意语言，打破语言壁垒，无论是阅读国内热点还是通过 RSS 订阅海外资讯，都能以母语轻松获取

• 一键翻译：在 config.yaml 中设置 ai_translation.enabled: true 和目标语言即可
• 多语言支持：支持 English、Korean、Japanese、French 等任意语言
• 智能批量处理：自动批量翻译，减少 API 调用次数，节省成本
• 自定义风格：通过 ai_translation_prompt.txt 自定义翻译风格和术语
• 共享模型配置：与 AI 分析功能共用 ai 配置段的模型设置

# config.yaml 快速启用示例
ai_translation:
  enabled: true
  language: "English"  # 翻译目标语言

💡 翻译功能与 AI 分析功能共享模型配置，只需配置一次 ai.api_key 即可同时使用两个功能

RSS 源参考：以下是一些 RSS 订阅源合集，可按需选用

• awesome-tech-rss - 科技、创业、编程领域博客和媒体
• awesome-rss-feeds - 世界各国主流新闻媒体 RSS 合集

⚠️ 部分海外媒体内容可能涉及敏感话题，AI 模型可能拒绝翻译，建议根据实际需求筛选订阅源

HTML 报告浏览器增强（v6.6.0 新增）

在浏览器中打开推送的 HTML 报告，自动解锁增强体验（邮件客户端不受影响）：

• 宽屏模式：桌面端自动切换 1200px 宽屏布局，充分利用屏幕空间
• Tab 快速切换：关键词分组和独立展区均支持 Tab 导航，告别长页面翻滚
• 暗色模式：一键切换深色主题，自动记住偏好
• 实时搜索：按 / 唤起搜索框，即时过滤新闻标题
• 一键复制：悬停新闻序号即可复制标题和链接
• 快捷键：W 宽屏、D 暗色、/ 搜索、? 查看所有快捷键

💡 所有增强功能基于渐进增强，邮件客户端仍显示原始 600px 布局，零回归

灵活存储架构（v4.0.0 重大更新）

多存储后端支持：

• 远程云存储：GitHub Actions 环境默认，支持 S3 兼容协议（R2/OSS/COS 等），数据存储在云端，不污染仓库
• 本地 SQLite 数据库：Docker/本地环境默认，数据完全可控
• 自动后端选择：根据运行环境智能切换存储方式

💡 详细说明见 数据保存在哪里？

多端部署

• GitHub Actions：定时自动爬取 + 远程云存储（需签到续期）
• Docker 部署：支持多架构容器化运行，数据本地存储
• 本地运行：Windows/Mac/Linux 直接运行

AI 分析推送（v5.0.0 新增）

使用 AI 大模型对推送内容进行深度分析，自动生成热点洞察报告

• 智能分析：自动分析热点趋势、关键词热度、跨平台关联、潜在影响
• 多提供商：基于 LiteLLM 统一接口，支持 100+ AI 提供商（DeepSeek、OpenAI、Gemini、Anthropic、本地 Ollama 等），还支持备用模型自动切换
• 分析模式独立：AI 的分析范围可以和推送不同——推送只发新增消息（避免打扰），但 AI 可以分析当天全部新闻（看完整趋势）
• 灵活推送：可选仅原始内容、仅 AI 分析、或两者都推送
• 自定义提示词：通过 config/ai_analysis_prompt.txt 自定义分析角度

💡 详细配置教程见 让 AI 帮我分析热点

独立展示区（v5.0.0 新增）

为指定平台提供完整热榜展示，不受关键词过滤影响

• 完整热榜：指定平台的热榜完整展示，适合想看完整排名的用户
• RSS 独立展示：RSS 源内容可完整展示，不受关键词限制
• AI 深度分析：可独立开启 AI 对完整热榜的趋势分析，无需在推送中展示
• 灵活配置：支持配置展示平台、RSS 源、最大条数

💡 详细配置教程见 推送内容怎么显示？ - 独立展示区

AI 智能分析（v3.0.0 新增）

基于 MCP (Model Context Protocol) 协议的 AI 对话分析系统，让你用自然语言深度挖掘新闻数据

💡 使用提示：AI 功能需要本地新闻数据支持

• 项目自带测试数据，可立即体验功能
• 建议自行部署运行项目，获取更实时的数据

详见 AI 智能分析

网页部署

运行后根目录生成 index.html，即为完整的新闻报告页面。

部署方式：点击 Use this template 创建仓库，可部署到 Cloudflare Pages 或 GitHub Pages 等静态托管平台。

💡 提示：启用 GitHub Pages 可获得在线访问地址，进入仓库 Settings → Pages 即可开启。效果预览

⚠️ 原 GitHub Actions 自动存储功能已下线（该方案曾导致 GitHub 服务器负载过高，影响平台稳定性）。

☁️ 自动部署到 Cloudflare Pages（可选 · 国内访问更快）

GitHub Pages 在国内访问较慢，Cloudflare Pages 的访问速度更友好。配置完成后，GitHub Actions 每次运行都会自动把最新的 index.html 推送到 Cloudflare Pages，无需任何手动操作。

前置条件：已完成 GitHub Actions 部署 并能正常生成网页报告。

① 创建 Cloudflare Pages 项目

登录 Cloudflare Dashboard → Workers & Pages → Create → Pages → 选择 Upload assets（直接上传），填写一个项目名称（例如 trendradar，请记住它），随意上传一个文件完成首次创建（后续会被 Actions 自动覆盖）。

② 获取 API Token 与 Account ID

• API Token：右上角头像 → My Profile → API Tokens → Create Token → Create Custom Token，权限选择 Account → Cloudflare Pages → Edit，创建后复制 Token（仅显示一次）。
• Account ID：在 Workers & Pages 页面右侧栏即可找到（或任意域名 Overview 页面右下角）。

③ 在 GitHub 仓库添加 3 个 Secrets

进入仓库 Settings → Secrets and variables → Actions → New repository secret，依次添加：

配置完成后，下一次 GitHub Actions 运行即会自动部署，访问地址为 https://.pages.dev。

💡 说明：三个 Secret 缺任意一个都会自动跳过 Cloudflare 部署，不会影响新闻推送等其它功能；如需绑定自定义域名，可在 Pages 项目的 Custom domains 中设置。

减少 APP 依赖

从"被算法推荐绑架"变成"主动获取自己想要的信息"

适合人群： 投资者、自媒体人、企业公关、关心时事的普通用户

典型场景： 股市投资监控、品牌舆情追踪、行业动态关注、生活资讯获取

🚀 快速开始

提醒：建议先 查看最新官方文档，确保配置步骤是最新的。

请选择适合你的部署方式

Ⓐ 方案一：Docker 部署（推荐 🔥）

• 特点：比 GitHub Actions 更稳定，数据本地存储（无需配置云存储）
• 适用：有自己的服务器、NAS 或长期运行的电脑
• 注意：你需要阅读了解下方的基础配置流程，然后跳转到 Docker 教程进行部署。

Ⓑ 方案二：GitHub Actions 部署（本章节内容 ⬇️）

• 特点：无服务器，数据存储在 远程云存储（推荐配置）
• 适用：没有服务器的用户，利用 GitHub 免费资源
• 注意：需配置云存储以获得完整体验，且需定期签到续期

Ⓒ 方案三：本地部署（uv）

• 特点：直接在本机运行，无需 Docker，适合开发调试或无 Docker 环境的用户

• 适用：Windows / Mac / Linux 用户（无需预装 Python，uv 会自动管理）

• 步骤：

  1. 安装 uv（如已安装可跳过，无需预装 Python）

  # macOS / Linux
  curl -LsSf https://astral.sh/uv/install.sh | sh
  
  # Windows (PowerShell)
  powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
  

  2. 克隆并运行

  git clone https://github.com/sansan0/TrendRadar.git
  cd TrendRadar
  uv sync          # 自动安装 Python 和项目依赖
  uv run python -m trendradar
  

  💡 提示：

  • uv 会自动管理 Python 版本，无需手动安装 Python
  • Windows 用户也可以双击 setup-windows.bat 一键安装依赖
  • Mac 用户可使用 bash setup-mac.sh
  • 运行前请先编辑 config/config.yaml 填写推送渠道等配置，参考下方的基础配置流程

1️⃣ 第一步：获取项目代码

点击本仓库页面右上角的绿色 [Use this template] 按钮 → 选择 “Create a new repository”。

⚠️ 提醒：

• 后续文档中提到的 “Fork” 均可理解为 “Use this template”
• 使用 Fork 可能导致运行异常，详见 Issue #606

2️⃣ 第二步：设置 GitHub Secrets

在你 Fork 后的仓库中，进入 Settings > Secrets and variables > Actions > New repository secret

📌 重要说明（请务必仔细阅读）：

• 一个 Name 对应一个 Secret：每添加一个配置项，点击一次"New repository secret"按钮，填写一对"Name"和"Secret"
• 保存后看不到值是正常的：出于安全考虑，保存后重新编辑时，只能看到 Name（名称），看不到 Secret（值）的内容
• 严禁自创名称：Secret 的 Name（名称）必须严格使用下方列出的名称（如 WEWORK_WEBHOOK_URL、FEISHU_WEBHOOK_URL 等），不能自己随意修改或创造新名称，否则系统无法识别
• 可以同时配置多个平台：系统会向所有配置的平台发送通知

配置示例：

如上图所示，每一行是一个配置项：

• Name（名称）：必须使用下方展开内容中列出的固定名称（如 WEWORK_WEBHOOK_URL）
• Secret（值）：填写你从对应平台获取的实际内容（如 Webhook 地址、Token 等）

---

推荐选择：

相关链接：

• ntfy 官方文档
• 自托管教程
• GitHub 仓库

3️⃣ 第三步：手动测试新闻推送

⚠️ 提醒：

• 完成第 1-2 步后，请立即测试！测试成功后再根据需要调整配置（第 4 步）
• 请进入你自己的项目，不是本项目！

如何找到你的 Actions 页面：

• 方法一：打开你 fork 的项目主页，点击顶部的 Actions 标签
• 方法二：直接访问 https://github.com/你的用户名/TrendRadar/actions

示例对比：

• ❌ 作者的项目：https://github.com/sansan0/TrendRadar/actions
• ✅ 你的项目：https://github.com/你的用户名/TrendRadar/actions

测试步骤：

1. 进入你项目的 Actions 页面
2. 找到 “Get Hot News”(必须得是这个字)点进去，点击右侧的 “Run workflow” 按钮运行
   • 如果看不到该字样，参照 #109 解决
3. 3 分钟左右，消息会推送到你配置的平台

⚠️ 提醒：

• 手动测试不要太频繁，避免触发 GitHub Actions 限制
• 点击 Run workflow 后需要刷新浏览器页面才能看到新的运行记录

4️⃣ 第四步：配置说明（可选）

默认配置已可正常使用，如需个性化调整，了解以下文件即可：

👉 详细配置教程：配置详解

5️⃣ 第五步：远程云存储 & 签到配置

v4.0.0 重要变更：引入「活跃度检测」机制，GitHub Actions 需定期签到以维持运行。

• 运行周期：有效期为 7 天，倒计时结束后服务将自动挂起。
• 续期方式：在 Actions 页面手动触发 “Check In” workflow，即可重置 7 天有效期。
• 操作路径：Actions → Check In → Run workflow
• 设计理念：
  • 如果 7 天都忘了签到，或许这些资讯对你来说并非刚需。适时的暂停，能帮你从信息流中抽离，给大脑留出喘息的空间。
  • GitHub Actions 是宝贵的公共计算资源。引入签到机制旨在避免算力的无效空转，确保资源能分配给真正活跃且需要的用户。感谢你的理解与支持。

---

关于远程云存储配置（请根据部署方式选择）：

• GitHub Actions 用户：

  • 现状：Actions 每次运行都是全新环境，不保存文件。如果不配置云存储，项目将运行在轻量模式（无增量推送、无历史追踪）。
  • 建议：配置远程云存储以获得完整体验。

• Docker / 本地用户：

  • 现状：数据默认保存在本地硬盘。
  • 建议：云存储为可选项，可作为异地备份。

6️⃣ 第六步：开启 AI 分析推送

这是 v5.0.0 的核心功能，让 AI 帮你总结和分析新闻，建议尝试。

配置方法： 在 GitHub Secrets (或 .env / config.yaml) 中添加：

• AI_API_KEY: 你的 API Key（支持 DeepSeek、OpenAI 等）
• AI_PROVIDER: 服务商名称（如 deepseek, openai）

就这样，无需复杂部署，下次推送时你就会看到智能分析报告了。

7️⃣ 第七步：🎉 部署成功！

恭喜！现在你可以开始享受 TrendRadar 带来的高效信息流了。

💬 加入社区：欢迎关注公众号「硅基茶水间」，分享你的使用心得和高级玩法。

8️⃣ 第八步：进阶：选择你的 AI 助手

TrendRadar 提供了两种 AI 使用方式，满足不同需求：

👉 结论：先用 AI 分析推送 满足日常需求；如果你是数据分析师或需要深度挖掘，再尝试 AI 智能分析。

⚙️ 配置详解

📖 提醒：本章节提供详细的配置说明，建议先完成 快速开始 的基础配置，再根据需要回来查看详细选项。

1. 我要看哪些平台？

2. 我关心什么内容？

在 frequency_words.txt 文件中告诉机器人你想看什么，它就会帮你盯着。支持普通词、必须词、过滤词等多种玩法。

2.1 基础语法

2.2 高级配置（v3.2.0 新增）

3. 推送模式选哪个？

4. 调整热点算法

5. 我收到的消息长什么样？

6. Docker 部署

镜像说明：

TrendRadar 提供两个独立的 Docker 镜像，可根据需求选择部署：

💡 建议：

• 只需要推送功能：仅部署 wantcat/trendradar 镜像
• 需要 AI 分析功能：同时部署两个镜像

7. 推送内容怎么显示？

8. 什么时候给我推送？

9. 多久运行一次？

10. 推送到多个群/设备

11. 数据保存在哪里？

12. 让 AI 帮我分析热点

✨ AI 智能分析

TrendRadar v3.0.0 新增了基于 MCP (Model Context Protocol) 的 AI 分析功能，让你可以通过自然语言与新闻数据对话，进行深度分析。

⚠️ 使用前必读

重要提示：AI 功能需要本地新闻数据支持

AI 分析功能不是直接查询网络实时数据，而是分析你本地已积累的新闻数据（存储在 output 文件夹中）

使用说明：

1. 项目自带测试数据：output 目录默认包含 2025-12-21～2025-12-27 一周的热榜新闻数据，可用于快速体验 AI 功能

2. 查询限制：

   • ✅ 只能查询已有日期范围内的数据（12月21-27日，共7天）
   • ❌ 无法查询实时新闻或未来日期

3. 获取最新数据：

   • 测试数据仅供快速体验，建议自行部署项目获取实时数据
   • 按照 快速开始 部署运行项目
   • 等待至少 1 天积累新闻数据后，即可查询最新热点

1. 快速部署

Cherry Studio 提供 GUI 配置界面，5 分钟快速部署，复杂的部分是一键安装的。

图文部署教程：现已更新到我的公众号，回复 “mcp” 即可

详细部署教程：README-Cherry-Studio.md

部署模式说明：

• STDIO 模式（推荐）：一次配置后续无需重复配置，图文部署教程中仅以此模式的配置为例。
• HTTP 模式（备选）：如果 STDIO 模式配置遇到问题，可使用 HTTP 模式。此模式的配置方式与 STDIO 基本一致，但复制粘贴的内容就一行，不易出错。唯一需要注意的是每次使用前都需要手动启动一下服务。详细请参考 README-Cherry-Studio.md 底部的 HTTP 模式说明。

2. 学习与 AI 对话的姿势

详细对话教程：README-MCP-FAQ.md

💡 提示：实际不建议一次性问多个问题。如果你选择的 AI 模型连下图的按顺序调用都无法做到，建议换一个。

🔌 MCP 客户端

TrendRadar MCP 服务支持标准的 Model Context Protocol (MCP) 协议，可以接入各种支持 MCP 的 AI 客户端进行智能分析。

支持的客户端

注意事项：

• 将 /path/to/TrendRadar 替换为你的项目实际路径
• Windows 路径使用双反斜杠：C:\\Users\\YourName\\TrendRadar
• 保存后记得重启

常见问题

📚 项目相关

4 篇文章：

• 可在该文章下方留言，方便项目作者用手机答疑
• 2个月破 1000 star，我的GitHub项目推广实战经验
• github fork 运行本项目的注意事项
• 基于本项目，如何开展公众号或者新闻资讯类文章写作

AI 开发：

• 如果你有小众需求，完全可以基于我的项目自行开发，零编程基础的也可以试试
• 我所有的开源项目或多或少都使用了自己写的AI辅助软件来提升开发效率，这款工具已开源
• 核心功能：迅速筛选项目代码喂给AI，你只需要补充个人需求即可
• 项目地址：https://github.com/sansan0/ai-code-context-helper

其余项目

📍 毛主席足迹地图 - 交互式动态展示1893-1976年完整轨迹。欢迎诸位同志贡献数据

• https://github.com/sansan0/mao-map

哔哩哔哩(bilibili)评论区数据可视化分析软件

• https://github.com/sansan0/bilibili-comment-analyzer

📄 许可证

GPL-3.0 License

---