TrendRadar

🎯 告别信息过载,AI 助你看懂新闻资讯热点,简单的舆情监控分析 - 多平台热点聚合+基于 MCP 的AI分析工具。监控35个平台(抖音、知乎、B站、华尔街见闻、财联社等),智能筛选+自动推送+AI对话分析(用自然语言深度挖掘新闻:趋势追踪、情感分析、相似检索等13种工具)。支持企业微信/飞书/钉钉/Telegram/邮件/ntfy推送,30秒网页部署,1分钟手机通知,无需编程。支持Docker部署⭐ 让算法为你服务,用AI理解热点

GitHub Stars

5,108

User Rating

Not Rated

Favorites

0

Views

0

Forks

3,765

Issues

9

README
TrendRadar Banner

🚀 最快30秒部署的热点助手 —— 告别无效刷屏,只看真正关心的新闻资讯

sansan0%2FTrendRadar | Trendshift

GitHub Stars
GitHub Forks
License
Version
MCP

企业微信通知
Telegram通知
dingtalk通知
飞书通知
邮件通知
ntfy通知

GitHub Actions
GitHub Pages
Docker
MCP Support

本项目以轻量,易部署为目标

📑 快速导航
  • 感谢耐心反馈 bug 的贡献者,你们的每一条反馈让项目更加完善😉;
  • 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;
  • 感谢关注公众号 的读者们,你们的留言、点赞、分享和推荐等积极互动让内容更有温度😎。
👉 点击查看致谢名单 (当前 🔥47🔥 位)
数据支持

本项目使用了 newsnow 项目提供的 API 接口获取多平台数据

推广助力

感谢以下平台和个人的推荐(按时间排列)

观众支持

感谢给予资金支持 的朋友们,你们的慷慨已化身为键盘旁的零食饮料,陪伴着项目的每一次迭代

点赞人 金额 日期 备注
*杰 5 2025.11.08
*点 8.80 2025.11.07 开发不易,支持一下。
Q*Q 6.66 2025.11.07 感谢开源!
C*e 1 2025.11.05
Peter Fan 20 2025.10.29
M*n 1 2025.10.27 感谢开源
*许 8.88 2025.10.23 老师 小白一枚,摸了几天了还没整起来,求教
Eason 1 2025.10.22 还没整明白,但你在做好事
P*n 1 2025.10.20
*杰 1 2025.10.19
*徐 1 2025.10.18
*志 1 2025.10.17
*😀 10 2025.10.16 点赞
**杰 10 2025.10.16
*啸 10 2025.10.16
*纪 5 2025.10.14 TrendRadar
J*d 1 2025.10.14 谢谢你的工具,很好玩...
*H 1 2025.10.14
那*O 10 2025.10.13
*圆 1 2025.10.13
P*g 6 2025.10.13
Ocean 20 2025.10.12 ...真的太棒了!!!小白级别也能直接用...
**培 5.2 2025.10.2 github-yzyf1312:开源万岁
*椿 3 2025.9.23 加油,很不错
*🍍 10 2025.9.21
E*f 1 2025.9.20
*记 1 2025.9.20
z*u 2 2025.9.19
**昊 5 2025.9.17
*号 1 2025.9.15
T*T 2 2025.9.15 点赞
*家 10 2025.9.10
*X 1.11 2025.9.3
*飙 20 2025.8.31 来自老童谢谢
*下 1 2025.8.30
2*D 88 2025.8.13 下午
2*D 1 2025.8.13 上午
S*o 1 2025.8.05 支持一下
*侠 10 2025.8.04
x*x 2 2025.8.03 trendRadar 好项目 点赞
*远 1 2025.8.01
*邪 5 2025.8.01
*梦 0.1 2025.7.30
**龙 10 2025.7.29 支持一下
✨ 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

👉 自定义监控平台

本项目的资讯数据来源于 newsnow ,你可以点击网站,点击[更多],查看是否有你想要的平台。

具体添加可访问 项目源代码,根据里面的文件名,在 config/config.yaml 文件中修改 platforms 配置:

platforms:
  - id: "toutiao"
    name: "今日头条"
  - id: "baidu"  
    name: "百度热搜"
  - id: "wallstreetcn-hot"
    name: "华尔街见闻"
  # 添加更多平台...

如果不会看的话,就直接复制他人整理好的部分平台配置

智能推送策略

三种推送模式

模式 适用人群 推送时机 显示内容 适用场景
当日汇总
daily
📋 企业管理者/普通用户 按时推送(默认每小时推送一次) 当日所有匹配新闻
+ 新增新闻区域
日报总结
全面了解当日热点趋势
当前榜单
current
📰 自媒体人/内容创作者 按时推送(默认每小时推送一次) 当前榜单匹配新闻
+ 新增新闻区域
实时热点追踪
了解当前最火的内容
增量监控
incremental
📈 投资者/交易员 有新增才推送 新出现的匹配频率词新闻 避免重复信息干扰
高频监控场景

附加功能 - 推送时间窗口控制(可选):

此功能独立于上述三种推送模式,可与任意模式搭配使用:

  • 时间窗口限制: 设定推送时间范围(如 09:00-18:00 或 20:00-22:00),只在指定时间内推送
  • 推送频率控制:
    • 窗口内多次推送: 时间窗口内每次执行都推送
    • 每天仅推送一次: 时间窗口内只推送一次(适合当日汇总或当前榜单模式)
  • 典型场景:
    • 工作时间推送: 只在工作日 09:00-18:00 接收消息
    • 晚间汇总推送: 希望在晚上固定时间(如 20:00-22:00)收到汇总
    • 避免打扰: 防止非工作时间收到推送通知

提示: 此功能默认关闭,需在 config/config.yaml 中手动启用 push_window.enabled

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

  • 支持普通词、必须词(+)、过滤词(!)三种语法,见【frequency_words.txt 配置教程】
  • 词组化管理,独立统计不同主题热点

也可以不做筛选,完整的推送所有热点,具体见【历史更新】中的 v2.0.1

👉 frequency_words.txt 配置教程

frequency_words.txt 文件中配置监控的关键词,支持三种语法和词组功能。

关键词越靠前,新闻的优先级越高,你可以根据自己的关注度调整关键词顺序

语法类型 符号 作用 示例 匹配逻辑
普通词 基础匹配 华为 包含任意一个即可
必须词 + 限定范围 +手机 必须同时包含
过滤词 ! 排除干扰 !广告 包含则直接排除
📋 基础语法说明
1. 普通关键词 - 基础匹配
华为
OPPO
苹果

作用: 新闻标题包含其中任意一个词就会被捕获

2. 必须词 +词汇 - 限定范围
华为
OPPO
+手机

作用: 必须同时包含普通词必须词才会被捕获

3. 过滤词 !词汇 - 排除干扰
苹果
华为
!水果
!价格

作用: 包含过滤词的新闻会被直接排除,即使包含关键词

🔗 词组功能 - 空行分隔的重要作用

核心规则:空行分隔不同的词组,每个词组独立统计

示例配置:
iPhone
华为
OPPO
+发布

A股
上证
深证
+涨跌
!预测

世界杯
欧洲杯
亚洲杯
+比赛
词组解释及匹配效果:

第1组 - 手机新品类:

  • 关键词:iPhone、华为、OPPO
  • 必须词:发布
  • 效果:必须包含手机品牌名,同时包含"发布"

匹配示例:

  • ✅ "iPhone 15正式发布售价公布" ← 有"iPhone"+"发布"
  • ✅ "华为Mate60系列发布会直播" ← 有"华为"+"发布"
  • ✅ "OPPO Find X7发布时间确定" ← 有"OPPO"+"发布"
  • ❌ "iPhone销量创新高" ← 有"iPhone"但缺少"发布"

第2组 - 股市行情类:

  • 关键词:A股、上证、深证
  • 必须词:涨跌
  • 过滤词:预测
  • 效果:包含股市相关词,同时包含"涨跌",但排除包含"预测"的内容

匹配示例:

  • ✅ "A股今日大幅涨跌分析" ← 有"A股"+"涨跌"
  • ✅ "上证指数涨跌原因解读" ← 有"上证"+"涨跌"
  • ❌ "专家预测A股涨跌趋势" ← 有"A股"+"涨跌"但包含"预测"
  • ❌ "A股成交量创新高" ← 有"A股"但缺少"涨跌"

第3组 - 足球赛事类:

  • 关键词:世界杯、欧洲杯、亚洲杯
  • 必须词:比赛
  • 效果:必须包含杯赛名称,同时包含"比赛"

匹配示例:

  • ✅ "世界杯小组赛比赛结果" ← 有"世界杯"+"比赛"
  • ✅ "欧洲杯决赛比赛时间" ← 有"欧洲杯"+"比赛"
  • ❌ "世界杯门票开售" ← 有"世界杯"但缺少"比赛"
🎯 配置技巧
1. 从宽到严的配置策略
# 第一步:先用宽泛关键词测试
人工智能
AI
ChatGPT

# 第二步:发现误匹配后,加入必须词限定
人工智能  
AI
ChatGPT
+技术

# 第三步:发现干扰内容后,加入过滤词
人工智能
AI  
ChatGPT
+技术
!广告
!培训
2. 避免过度复杂

不推荐: 一个词组包含太多词汇

华为
OPPO
苹果
三星
vivo
一加
魅族
+手机
+发布
+销量
!假货
!维修
!二手

推荐: 拆分成多个精确的词组

华为
OPPO
+新品

苹果
三星  
+发布

手机
销量
+市场
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

不再错过重要新闻的完整发展过程,从话题萌芽到高峰热议,全程掌握

👉 推送格式说明

📊 热点词汇统计

🔥 [1/3] AI ChatGPT : 2 条

  1. [百度热搜] 🆕 ChatGPT-5正式发布 [1] - 09时15分 (1次)

  2. [今日头条] AI芯片概念股暴涨 [3] - [08时30分 ~ 10时45分] (3次)

━━━━━━━━━━━━━━━━━━━

📈 [2/3] 比亚迪 特斯拉 : 2 条

  1. [微博] 🆕 比亚迪月销量破纪录 [2] - 10时20分 (1次)

  2. [抖音] 特斯拉降价促销 [4] - [07时45分 ~ 09时15分] (2次)

━━━━━━━━━━━━━━━━━━━

📌 [3/3] A股 股市 : 1 条

  1. [华尔街见闻] A股午盘点评分析 [5] - [11时30分 ~ 12时00分] (2次)

🆕 本次新增热点新闻 (共 2 条)

百度热搜 (1 条):

  1. ChatGPT-5正式发布 [1]

微博 (1 条):

  1. 比亚迪月销量破纪录 [2]

更新时间:2025-01-15 12:30:15

消息格式说明
格式元素 示例 含义 说明
🔥📈📌 🔥 [1/3] AI ChatGPT 热度等级 🔥高热度(≥10条) 📈中热度(5-9条) 📌普通热度(<5条)
[序号/总数] [1/3] 排序位置 当前词组在所有匹配词组中的排名
频率词组 AI ChatGPT 关键词组 配置文件中的词组,标题必须包含其中词汇
: N 条 : 2 条 匹配数量 该词组匹配的新闻总数
[平台名] [百度热搜] 来源平台 新闻所属的平台名称
🆕 🆕 ChatGPT-5正式发布 新增标记 本轮抓取中首次出现的热点
[数字] [1] 高排名 排名≤阈值的热搜,红色加粗显示
[数字] [7] 普通排名 排名>阈值的热搜,普通显示
- 时间 - 09时15分 首次时间 该新闻首次被发现的时间
[时间~时间] [08时30分 ~ 10时45分] 持续时间 从首次出现到最后出现的时间范围
(N次) (3次) 出现频率 在监控期间出现的总次数
新增区域 🆕 本次新增热点新闻 新话题汇总 单独展示本轮新出现的热点话题
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:

  • 看重排名高的新闻(占60%):各平台前几名的新闻优先显示
  • 关注持续出现的话题(占30%):反复出现的新闻更重要
  • 考虑排名质量(占10%):不仅多次出现,还经常排在前列

把分散在各个平台的热搜合并起来,按照你关心的热度重新排序,这三个比例可以选择适合自己的场景进行调整

👉 热点权重调整

当前默认的配置是平衡性配置

两个核心场景

追实时热点型

weight:
  rank_weight: 0.8    # 主要看排名
  frequency_weight: 0.1  # 不太在乎持续性
  hotness_weight: 0.1

适用人群:自媒体博主、营销人员、想快速了解当下最火话题的用户

追深度话题型

weight:
  rank_weight: 0.4    # 适度看排名
  frequency_weight: 0.5  # 重视当天内的持续热度
  hotness_weight: 0.1

适用人群:投资者、研究人员、新闻工作者、需要深度分析趋势的用户

调整的方法
  1. 三个数字加起来必须等于 1.0
  2. 哪个重要就调大哪个:在乎排名就调大 rank_weight,在乎持续性就调大 frequency_weight
  3. 建议每次只调 0.1-0.2,观察效果

核心思路:追求速度和时效性的用户提高排名权重,追求深度和稳定性的用户提高频次权重。

多渠道实时推送

支持企业微信(+ 微信推送方案)、飞书钉钉Telegram邮件ntfy,消息直达手机和邮箱

多端适配
  • GitHub Pages:自动生成精美网页报告,PC/移动端适配
  • Docker部署:支持多架构容器化运行
  • 数据持久化:HTML/TXT多格式历史记录保存
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

  • 对话式查询:用自然语言提问,如"查询昨天知乎的热点"、"分析比特币最近的热度趋势"
  • 13 种分析工具:涵盖基础查询、智能检索、趋势分析、数据洞察、情感分析等
  • 多客户端支持:Cherry Studio(GUI 配置)、Claude Desktop、Cursor、Cline 等
  • 深度分析能力
    • 话题趋势追踪(热度变化、生命周期、爆火检测、趋势预测)
    • 跨平台数据对比(活跃度统计、关键词共现)
    • 智能摘要生成、相似新闻查找、历史关联检索

告别手动翻阅数据文件,AI 助手帮你秒懂新闻背后的故事

零技术门槛部署

GitHub 一键 Fork 即可使用,无需编程基础。

30秒部署: GitHub Pages(网页浏览)支持一键保存成图片,随时分享给他人

1分钟部署: 企业微信(手机通知)

💡 提示: 想要实时更新的网页版?fork 后,进入你的仓库 Settings → Pages,启用 GitHub Pages。效果预览

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

Github Pages 效果(手机端适配、邮箱推送效果) 飞书推送效果
Github Pages效果 飞书推送效果
📝 更新日志

升级说明

  • 提示:不要通过 Sync fork 更新本项目, 建议查看【历史更新】,明确具体的【升级方式】和【功能内容】
  • 小版本更新:从 v2.x 升级到 v2.y, 用本项目的 main.py 代码替换你 fork 仓库中的对应文件
  • 大版本升级:从 v1.x 升级到 v2.y, 建议删除现有 fork 后重新 fork,这样更省力且避免配置冲突
2025/10/26 - mcp-v1.0.1

MCP 模块更新:

  • 修复日期查询参数传递错误
  • 统一所有工具的时间参数格式
2025/10/31 - v3.0.4
  • 解决飞书因推送内容过长而产生的错误,实现了分批推送
👉 历史更新
2025/10/23 - v3.0.3
  • 扩大 ntfy 错误信息显示范围
2025/10/21 - v3.0.2
  • 修复 ntfy 推送编码问题
2025/10/20 - v3.0.0

重大更新 - AI 分析功能上线 🤖

  • 核心功能

    • 新增基于 MCP (Model Context Protocol) 的 AI 分析服务器
    • 支持13种智能分析工具:基础查询、智能检索、高级分析、系统管理
    • 自然语言交互:通过对话方式查询和分析新闻数据
    • 多客户端支持:Claude Desktop、Cherry Studio、Cursor、Cline 等
  • 分析能力

    • 话题趋势分析(热度追踪、生命周期、爆火检测、趋势预测)
    • 数据洞察(平台对比、活跃度统计、关键词共现)
    • 情感分析、相似新闻查找、智能摘要生成
    • 历史相关新闻检索、多模式搜索
  • 更新提示

    • 这是独立的 AI 分析功能,不影响现有的推送功能
    • 可选择性使用,无需升级现有部署
2025/10/15 - v2.4.4
  • 更新内容

    • 修复 ntfy 推送编码问题 + 1
    • 修复推送时间窗口判断问题
  • 更新提示

    • 建议【小版本升级】
2025/10/10 - v2.4.3

感谢 nidaye996 发现的体验问题

  • 更新内容

    • 重构"静默推送模式"命名为"推送时间窗口控制",提升功能理解度
    • 明确推送时间窗口作为可选附加功能,可与三种推送模式搭配使用
    • 改进注释和文档描述,使功能定位更加清晰
  • 更新提示

    • 这个仅仅是重构,可以不用升级
2025/10/8 - v2.4.2
  • 更新内容

    • 修复 ntfy 推送编码问题
    • 修复配置文件缺失问题
    • 优化 ntfy 推送效果
    • 增加 github page 图片分段导出功能
  • 更新提示

    • 建议使用【大版本更新】
2025/10/2 - v2.4.0

新增 ntfy 推送通知

  • 核心功能

    • 支持 ntfy.sh 公共服务和自托管服务器
  • 使用场景

    • 适合追求隐私的用户(支持自托管)
    • 跨平台推送(iOS、Android、Desktop、Web)
    • 无需注册账号(公共服务器)
    • 开源免费(MIT 协议)
  • 更新提示

    • 建议使用【大版本更新】
2025/09/26 - v2.3.2
  • 修正了邮件通知配置检查被遗漏的问题(#88

修复说明

  • 解决了即使正确配置邮件通知,系统仍提示"未配置任何webhook"的问题
2025/09/22 - v2.3.1
  • 新增邮件推送功能,支持将热点新闻报告发送到邮箱
  • 智能 SMTP 识别:自动识别 Gmail、QQ邮箱、Outlook、网易邮箱等 10+ 种邮箱服务商配置
  • HTML 精美格式:邮件内容采用与网页版相同的 HTML 格式,排版精美,移动端适配
  • 批量发送支持:支持多个收件人,用逗号分隔即可同时发送给多人
  • 自定义 SMTP:可自定义 SMTP 服务器和端口
  • 修复Docker构建网络连接问题

使用说明

  • 适用场景:适合需要邮件归档、团队分享、定时报告的用户
  • 支持邮箱:Gmail、QQ邮箱、Outlook/Hotmail、163/126邮箱、新浪邮箱、搜狐邮箱等

更新提示

  • 此次更新的内容比较多,如果想升级,建议采用【大版本升级】
2025/09/17 - v2.2.0
  • 新增一键保存新闻图片功能,让你轻松分享关注的热点

使用说明

  • 适用场景:当你按照教程开启了网页版功能后(GitHub Pages)
  • 使用方法:用手机或电脑打开该网页链接,点击页面顶部的"保存为图片"按钮
  • 实际效果:系统会自动将当前的新闻报告制作成一张精美图片,保存到你的手机相册或电脑桌面
  • 分享便利:你可以直接把这张图片发给朋友、发到朋友圈,或分享到工作群,让别人也能看到你发现的重要资讯
2025/09/13 - v2.1.2
  • 解决钉钉的推送容量限制导致的新闻推送失败问题(采用分批推送)
2025/09/04 - v2.1.1
  • 修复docker在某些架构中无法正常运行的问题
  • 正式发布官方 Docker 镜像 wantcat/trendradar,支持多架构
  • 优化 Docker 部署流程,无需本地构建即可快速使用
2025/08/30 - v2.1.0

核心改进

  • 推送逻辑优化:从"每次执行都推送"改为"时间窗口内可控推送"
  • 时间窗口控制:可设定推送时间范围,避免非工作时间打扰
  • 推送频率可选:时间段内支持单次推送或多次推送

更新提示

  • 本功能默认关闭,需手动在 config.yaml 中开启推送时间窗口控制
  • 升级需同时更新 main.py 和 config.yaml 两个文件
2025/08/27 - v2.0.4
  • 本次版本不是功能修复,而是重要提醒
  • 请务必妥善保管好 webhooks,不要公开,不要公开,不要公开
  • 如果你以 fork 的方式将本项目部署在 GitHub 上,请将 webhooks 填入 GitHub Secret,而非 config.yaml
  • 如果你已经暴露了 webhooks 或将其填入了 config.yaml,建议删除后重新生成
2025/08/06 - v2.0.3
  • 优化 github page 的网页版效果,方便移动端使用
2025/07/28 - v2.0.2
  • 重构代码
  • 解决版本号容易被遗漏修改的问题
2025/07/27 - v2.0.1

修复问题:

  1. docker 的 shell 脚本的换行符为 CRLF 导致的执行异常问题
  2. frequency_words.txt 为空时,导致新闻发送也为空的逻辑问题
  • 修复后,当你选择 frequency_words.txt 为空时,将推送所有新闻,但受限于消息推送大小限制,请做如下调整
    • 方案一:关闭手机推送,只选择 Github Pages 布置(这是能获得最完整信息的方案,将把所有平台的热点按照你自定义的热搜算法进行重新排序)
    • 方案二:减少推送平台,优先选择企业微信Telegram,这两个推送我做了分批推送功能(因为分批推送影响推送体验,且只有这两个平台只给一点点推送容量,所以才不得已做了分批推送功能,但至少能保证获得的信息完整)
    • 方案三:可与方案二结合,模式选择 current 或 incremental 可有效减少一次性推送的内容
2025/07/17 - v2.0.0

重大重构

  • 配置管理重构:所有配置现在通过 config/config.yaml 文件管理(main.py 我依旧没拆分,方便你们复制升级)
  • 运行模式升级:支持三种模式 - daily(当日汇总)、current(当前榜单)、incremental(增量监控)
  • Docker 支持:完整的 Docker 部署方案,支持容器化运行

配置文件说明

  • config/config.yaml - 主配置文件(应用设置、爬虫配置、通知配置、平台配置等)
  • config/frequency_words.txt - 关键词配置(监控词汇设置)
2025/07/09 - v1.4.1

功能新增:增加增量推送(在 main.py 头部配置 FOCUS_NEW_ONLY),该开关只关心新话题而非持续热度,只在有新内容时才发通知。

修复问题: 某些情况下,由于新闻本身含有特殊符号导致的偶发性排版异常。

2025/06/23 - v1.3.0

企业微信 和 Telegram 的推送消息有长度限制,对此我采用将消息拆分推送的方式。开发文档详见企业微信Telegram

2025/06/21 - v1.2.1

在本版本之前的旧版本,不仅 main.py 需要复制替换, crawler.yml 也需要你复制替换
https://github.com/sansan0/TrendRadar/blob/master/.github/workflows/crawler.yml

2025/06/19 - v1.2.0

感谢 claude research 整理的各平台 api ,让我快速完成各平台适配(虽然代码更多冗余了~

  1. 支持 telegram ,企业微信,钉钉推送渠道, 支持多渠道配置和同时推送
2025/06/18 - v1.1.0

200 star⭐ 了, 继续给大伙儿助兴~近期,在我的"怂恿"下,挺多人在我公众号点赞分享推荐助力了我,我都在后台看见了具体账号的鼓励数据,很多都成了天使轮老粉(我玩公众号才一个多月,虽然注册是七八年前的事了哈哈,属于上车早,发车晚),但因为你们没有留言或私信我,所以我也无法一一回应并感谢支持,在此一并谢谢!

  1. 重要的更新,加了权重,你现在看到的新闻都是最热点最有关注度的出现在最上面
  2. 更新文档使用,因为近期更新了很多功能,而且之前的使用文档我偷懒写的简单(见下面的 ⚙️ frequency_words.txt 配置完整教程)
2025/06/16 - v1.0.0
  1. 增加了一个项目新版本更新提示,默认打开,如要关掉,可以在 main.py 中把 "FEISHU_SHOW_VERSION_UPDATE": True 中的 True 改成 False 即可
2025/06/13+14
  1. 去掉了兼容代码,之前 fork 的同学,直接复制代码会在当天显示异常(第二天会恢复正常)
  2. feishu 和 html 底部增加一个新增新闻显示
2025/06/09

100 star⭐ 了,写个小功能给大伙儿助助兴
frequency_words.txt 文件增加了一个【必须词】功能,使用 + 号

  1. 必须词语法如下:
    唐僧或者猪八戒必须在标题里同时出现,才会收录到推送新闻中
+唐僧
+猪八戒
  1. 过滤词的优先级更高:
    如果标题中过滤词匹配到唐僧念经,那么即使必须词里有唐僧,也不显示
+唐僧
!唐僧念经
2025/06/02
  1. 网页飞书消息支持手机直接跳转详情新闻
  2. 优化显示效果 + 1
2025/05/26
  1. 飞书消息显示效果优化
优化前
飞书消息界面 - 优化前
优化后
飞书消息界面 - 优化后
🚀 快速开始

配置完成后,新闻数据一小时后才会更新,如想加快,可参照【第4步】手动测试配置效果

  1. Fork 本项目到你的 GitHub 账户

    • 点击本页面右上角的"Fork"按钮
  2. 设置 GitHub Secrets(选择你需要的平台):

    在你 Fork 后的仓库中,进入 Settings > Secrets and variables > Actions > New repository secret,然后根据需要配置以下任一或多个通知平台:

    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。

    效果类似下图,一个 name 对应一个 secret,保存完就行,你重新编辑看不到 secret 是正常情况。

    GitHub Secrets
    👉 企业微信机器人(配置最简单最迅速)

    GitHub Secret 配置:

    • 名称:WEWORK_WEBHOOK_URL
    • 值:你的企业微信机器人 Webhook 地址

    机器人设置步骤:

    手机端设置:
    1. 打开企业微信 App → 进入目标内部群聊
    2. 点击右上角"…"按钮 → 选择"消息推送"
    3. 点击"添加" → 名称输入"TrendRadar"
    4. 复制 Webhook 地址,点击保存,复制的内容配置到上方的 GitHub Secret 中
    PC 端设置流程类似
    👉 飞书机器人(消息显示最友好)

    GitHub Secret 配置:


    有两个方案,方案一配置简单,方案二配置复杂(但是稳定推送)

    其中方案一,由 ziventian发现并提供建议,在这里感谢他,默认是个人推送,也可以配置群组推送操作#97

    方案一:

    对部分人存在额外操作,否则会报"系统错误"。需要手机端搜索下机器人,然后开启飞书机器人应用(该建议来自于网友,可参考)

    1. 电脑浏览器打开 https://botbuilder.feishu.cn/home/my-command

    2. 点击"新建机器人指令"

    3. 点击"选择触发器",往下滑动,点击"Webhook 触发"

    4. 此时你会看到"Webhook 地址",把这个链接先复制到本地记事本暂存,继续接下来的操作

    5. "参数"里面放上下面的内容,然后点击"完成"

    {
      "message_type": "text",
      "content": {
        "total_titles": "{{内容}}",
        "timestamp": "{{内容}}",
        "report_type": "{{内容}}",
        "text": "{{内容}}"
      }
    }
    
    1. 点击"选择操作" > "通过官方机器人发消息"

    2. 消息标题填写"TrendRadar 热点监控"

    3. 最关键的部分来了,点击 + 按钮,选择"Webhook 触发",然后按照下面的图片摆放

    飞书机器人配置示例

    1. 配置完成后,将第 4 步复制的 Webhook 地址配置到 GitHub Secrets 中的 FEISHU_WEBHOOK_URL

    方案二:

    1. 电脑浏览器打开 https://botbuilder.feishu.cn/home/my-app

    2. 点击"新建机器人应用"

    3. 进入创建的应用后,点击"流程涉及" > "创建流程" > "选择触发器"

    4. 往下滑动,点击"Webhook 触发"

    5. 此时你会看到"Webhook 地址",把这个链接先复制到本地记事本暂存,继续接下来的操作

    6. "参数"里面放上下面的内容,然后点击"完成"

    {
      "message_type": "text",
      "content": {
        "total_titles": "{{内容}}",
        "timestamp": "{{内容}}",
        "report_type": "{{内容}}",
        "text": "{{内容}}"
      }
    }
    
    1. 点击"选择操作" > "发送飞书消息",勾选 "群消息",然后点击下面的输入框,点击"我管理的群组"(如果没有群组,你可以在飞书 app 上创建群组)

    2. 消息标题填写"TrendRadar 热点监控"

    3. 最关键的部分来了,点击 + 按钮,选择"Webhook 触发",然后按照下面的图片摆放

    飞书机器人配置示例

    1. 配置完成后,将第 5 步复制的 Webhook 地址配置到 GitHub Secrets 中的 FEISHU_WEBHOOK_URL
    👉 钉钉机器人

    GitHub Secret 配置:

    • 名称:DINGTALK_WEBHOOK_URL
    • 值:你的钉钉机器人 Webhook 地址

    机器人设置步骤:

    1. 创建机器人(仅 PC 端支持)

      • 打开钉钉 PC 客户端,进入目标群聊
      • 点击群设置图标(⚙️)→ 往下翻找到"机器人"点开
      • 选择"添加机器人" → "自定义"
    2. 配置机器人

      • 设置机器人名称
      • 安全设置
        • 自定义关键词:设置 "热点"
    3. 完成设置

      • 勾选服务条款协议 → 点击"完成"
      • 复制获得的 Webhook URL
      • 将 URL 配置到 GitHub Secrets 中的 DINGTALK_WEBHOOK_URL

    注意:移动端只能接收消息,无法创建新机器人。

    👉 Telegram Bot

    GitHub Secret 配置:

    • 名称:TELEGRAM_BOT_TOKEN - 你的 Telegram Bot Token
    • 名称:TELEGRAM_CHAT_ID - 你的 Telegram Chat ID

    机器人设置步骤:

    1. 创建机器人

      • 在 Telegram 中搜索 @BotFather(大小写注意,有蓝色徽章勾勾,有类似 37849827 monthly users,这个才是官方的,有一些仿官方的账号注意辨别)
      • 发送 /newbot 命令创建新机器人
      • 设置机器人名称(必须以"bot"结尾,很容易遇到重复名字,所以你要绞尽脑汁想不同的名字)
      • 获取 Bot Token(格式如:123456789:AAHfiqksKZ8WmR2zSjiQ7_v4TMAKdiHm9T0
    2. 获取 Chat ID

      方法一:通过官方 API 获取

      • 先向你的机器人发送一条消息
      • 访问:https://api.telegram.org/bot<你的Bot Token>/getUpdates
      • 在返回的 JSON 中找到 "chat":{"id":数字} 中的数字

      方法二:使用第三方工具

      • 搜索 @userinfobot 并发送 /start
      • 获取你的用户 ID 作为 Chat ID
    3. 配置到 GitHub

      • TELEGRAM_BOT_TOKEN:填入第 1 步获得的 Bot Token
      • TELEGRAM_CHAT_ID:填入第 2 步获得的 Chat ID
👉 邮件推送(支持所有主流邮箱)
  • 注意事项:为防止邮件群发功能被滥用,当前的群发是所有收件人都能看到彼此的邮箱地址,适合熟人间交流资讯。
  • 仅供参考:请根据实际情况调整,邮箱方面并没有一一验证,是按照 SMTP 的标准配置的

GitHub Secret 配置:

  • 名称:EMAIL_FROM - 发件人邮箱地址
  • 名称:EMAIL_PASSWORD - 邮箱密码或授权码
  • 名称:EMAIL_TO - 收件人邮箱地址(多个收件人用英文逗号分隔)也可以和 EMAIL_FROM 一样,自己发送给自己
  • 名称:EMAIL_SMTP_SERVER - SMTP服务器地址(可选,留空则自动识别)
  • 名称:EMAIL_SMTP_PORT - SMTP端口(可选,留空则自动识别)

常见邮箱设置:

QQ邮箱:
  1. 登录 QQ邮箱网页版 → 设置 → 账户
  2. 开启 POP3/SMTP 服务
  3. 生成授权码(16位字母)
  4. EMAIL_PASSWORD 填写授权码,而非 QQ 密码
Gmail:
  1. 开启两步验证
  2. 生成应用专用密码
  3. EMAIL_PASSWORD 填写应用专用密码
163/126邮箱:
  1. 登录网页版 → 设置 → POP3/SMTP/IMAP
  2. 开启 SMTP 服务
  3. 设置客户端授权码
  4. EMAIL_PASSWORD 填写授权码

高级配置
如果自动识别失败,可手动配置 SMTP:

  • EMAIL_SMTP_SERVER:如 smtp.gmail.com
  • EMAIL_SMTP_PORT:如 587(TLS)或 465(SSL)

多收件人设置

👉 ntfy 推送(开源免费,支持自托管)

两种使用方式:

方式一:免费使用(推荐新手) 🆓

特点

  • ✅ 无需注册账号,立即使用
  • ✅ 每天 250 条消息(足够 90% 用户)
  • ✅ Topic 名称即"密码"(需选择不易猜测的名称)
  • ⚠️ 消息未加密,不适合敏感信息, 但适合我们这个项目的不敏感信息

快速开始:

  1. 下载 ntfy 应用

  2. 订阅主题(选择一个难猜的名称):

    建议格式:trendradar-{你的名字缩写}-{随机数字}
    
    不能使用中文
    
    ✅ 好例子:trendradar-zs-8492
    ❌ 坏例子:news、alerts(太容易被猜到)
    
  3. 配置 GitHub Secret

    • NTFY_TOPIC:填写你刚才订阅的主题名称
    • NTFY_SERVER_URL:留空(默认使用 ntfy.sh)
    • NTFY_TOKEN:留空
  4. 测试

    curl -d "测试消息" ntfy.sh/你的主题名称
    

方式二:自托管(完全隐私控制) 🔒

适合人群:有服务器、追求完全隐私、技术能力强

优势

  • ✅ 完全开源(Apache 2.0 + GPLv2)
  • ✅ 数据完全自主控制
  • ✅ 无任何限制
  • ✅ 零费用

Docker 一键部署

docker run -d \
  --name ntfy \
  -p 80:80 \
  -v /var/cache/ntfy:/var/cache/ntfy \
  binwiederhier/ntfy \
  serve --cache-file /var/cache/ntfy/cache.db

配置 TrendRadar

NTFY_SERVER_URL: https://ntfy.yourdomain.com
NTFY_TOPIC: trendradar-alerts  # 自托管可用简单名称
NTFY_TOKEN: tk_your_token  # 可选:启用访问控制

在应用中订阅

  • 点击"Use another server"
  • 输入你的服务器地址
  • 输入主题名称
  • (可选)输入登录凭据

常见问题:

Q1: 免费版够用吗?

每天 250 条消息对大多数用户足够。按 30 分钟抓取一次计算,每天约 48 次推送,完全够用。

Q2: Topic 名称真的安全吗?

如果你选择随机的、足够长的名称(如 trendradar-zs-8492-news),暴力破解几乎不可能:

  • ntfy 有严格的速率限制(1 秒 1 次请求)
  • 64 个字符选择(A-Z, a-z, 0-9, _, -)
  • 10 位随机字符串有 64^10 种可能性(需要数年才能破解)

推荐选择:

用户类型 推荐方案 理由
普通用户 方式一(免费) 简单快速,够用
技术用户 方式二(自托管) 完全控制,无限制
高频用户 方式三(付费) 这个自己去官网看吧

相关链接:

  • 配置说明::

    注意:建议只调整文档中明确说明的配置项,其他选项主要供作者开发时测试使用

  • 手动测试新闻推送

    我这里是拿我的项目举例,你要去你fork的项目做测试

    1. 进入 Actionshttps://github.com/sansan0/TrendRadar/actions
    2. 找到 "Hot News Crawler" 的点进去,如果看不到该字样,那么参照#109解决
    3. 点击 "Run workflow" 按钮运行,等待 1 分钟左右数据到你手机上
  • 🐳 Docker 部署
    方式一:快速体验(一行命令)

    Linux/macOS 系统:

    # 创建配置目录并下载配置文件
    mkdir -p config output
    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/
    

    或者手动创建

    1. 在当前目录创建 config 文件夹
    2. 下载配置文件:

    完成后的目录结构应该是:

    当前目录/
    └── config/
        ├── config.yaml
        └── frequency_words.txt
    
    docker run -d --name trend-radar \
      -v ./config:/app/config:ro \
      -v ./output:/app/output \
      -e FEISHU_WEBHOOK_URL="你的飞书webhook" \
      -e DINGTALK_WEBHOOK_URL="你的钉钉webhook" \
      -e WEWORK_WEBHOOK_URL="你的企业微信webhook" \
      -e TELEGRAM_BOT_TOKEN="你的telegram_bot_token" \
      -e TELEGRAM_CHAT_ID="你的telegram_chat_id" \
      -e EMAIL_FROM="你的发件邮箱" \
      -e EMAIL_PASSWORD="你的邮箱密码或授权码" \
      -e EMAIL_TO="收件人邮箱" \
      -e CRON_SCHEDULE="*/30 * * * *" \
      -e RUN_MODE="cron" \
      -e IMMEDIATE_RUN="true" \
      wantcat/trendradar:latest
    
    方式二:使用 docker-compose(推荐)
    1. 创建项目目录和配置:
      # 创建目录结构
      mkdir -p trendradar/{config,docker}
      cd trendradar
      
      # 下载配置文件模板
      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/
      
      # 下载 docker-compose 配置
      wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/docker/.env
      wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/docker/docker-compose.yml
      

    完成后的目录结构应该是:

    当前目录/
    ├── config/
    │   ├── config.yaml
    │   └── frequency_words.txt
    └── docker/
        ├── .env
        └── docker-compose.yml
    
    1. 配置文件说明:

      • config/config.yaml - 应用主配置(报告模式、推送设置等)
      • config/frequency_words.txt - 关键词配置(设置你关心的热点词汇)
      • .env - 环境变量配置(webhook URLs 和定时任务)
    2. 启动服务:

      # 拉取最新镜像并启动
      docker-compose pull
      docker-compose up -d
      
    3. 查看运行状态:

      # 查看日志
      docker logs -f trend-radar
      
      # 查看容器状态
      docker ps | grep trend-radar
      
    方式三:本地构建(开发者选项)

    如果需要自定义修改代码或构建自己的镜像:

    # 克隆项目
    git clone https://github.com/sansan0/TrendRadar.git
    cd TrendRadar
    
    # 修改配置文件
    vim config/config.yaml
    vim config/frequency_words.txt
    
    # 使用构建版本的 docker-compose
    cd docker
    cp docker-compose-build.yml docker-compose.yml
    
    # 构建并启动
    docker-compose build
    docker-compose up -d
    
    镜像更新
    # 方式一:手动更新
    docker pull wantcat/trendradar:latest
    docker-compose down
    docker-compose up -d
    
    # 方式二:使用 docker-compose 更新
    docker-compose pull
    docker-compose up -d
    
    服务管理命令
    # 查看运行状态
    docker exec -it trend-radar python manage.py status
    
    # 手动执行一次爬虫
    docker exec -it trend-radar python manage.py run
    
    # 查看实时日志
    docker exec -it trend-radar python manage.py logs
    
    # 显示当前配置
    docker exec -it trend-radar python manage.py config
    
    # 显示输出文件
    docker exec -it trend-radar python manage.py files
    
    # 查看帮助信息
    docker exec -it trend-radar python manage.py help
    
    # 重启容器
    docker restart trend-radar
    
    # 停止容器
    docker stop trend-radar
    
    # 删除容器(保留数据)
    docker rm trend-radar
    
    数据持久化

    生成的报告和数据默认保存在 ./output 目录下,即使容器重启或删除,数据也会保留。

    故障排查
    # 检查容器状态
    docker inspect trend-radar
    
    # 查看容器日志
    docker logs --tail 100 trend-radar
    
    # 进入容器调试
    docker exec -it trend-radar /bin/bash
    
    # 验证配置文件
    docker exec -it trend-radar ls -la /app/config/
    
    🤖 AI 智能分析部署

    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 AI 功能 的最佳前提是已使用本项目至少运行一天(积累新闻数据)

    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

    2. 学习与 AI 对话的姿势

    详细对话教程README-MCP-FAQ.md

    提问效果

    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 使用效果图2
    🔌 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

    • /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
    👉 Claude Desktop
    配置文件方式

    编辑 Claude Desktop 的 MCP 配置文件:

    Windows
    %APPDATA%\Claude\claude_desktop_config.json

    Mac
    ~/Library/Application Support/Claude/claude_desktop_config.json

    配置内容

    {
      "mcpServers": {
        "trendradar": {
          "command": "uv",
          "args": [
            "--directory",
            "/path/to/TrendRadar",
            "run",
            "python",
            "-m",
            "mcp_server.server"
          ],
          "env": {},
          "disabled": false,
          "alwaysAllow": []
        }
      }
    }
    
    👉 Cursor
    方式一:HTTP 模式(推荐)
    1. 启动 HTTP 服务

      # Windows
      start-http.bat
      
      # Mac/Linux
      ./start-http.sh
      
    2. 配置 Cursor

      项目级配置(推荐):
      在项目根目录创建 .cursor/mcp.json

      {
        "mcpServers": {
          "trendradar": {
            "url": "http://localhost:3333/mcp",
            "description": "TrendRadar 新闻热点聚合分析"
          }
        }
      }
      

      全局配置
      在用户目录创建 ~/.cursor/mcp.json(同样内容)

    3. 使用步骤

      • 保存配置文件后重启 Cursor
      • 在聊天界面的 "Available Tools" 中查看已连接的工具
      • 开始使用:搜索今天的"AI"相关新闻
    方式二:STDIO 模式

    创建 .cursor/mcp.json

    {
      "mcpServers": {
        "trendradar": {
          "command": "uv",
          "args": [
            "--directory",
            "/path/to/TrendRadar",
            "run",
            "python",
            "-m",
            "mcp_server.server"
          ]
        }
      }
    }
    
    👉 VSCode (Cline/Continue)
    Cline 配置

    在 Cline 的 MCP 设置中添加:

    HTTP 模式(推荐):

    {
      "trendradar": {
        "url": "http://localhost:3333/mcp",
        "type": "streamableHttp",
        "autoApprove": [],
        "disabled": false
      }
    }
    

    STDIO 模式

    {
      "trendradar": {
        "command": "uv",
        "args": [
          "--directory",
          "/path/to/TrendRadar",
          "run",
          "python",
          "-m",
          "mcp_server.server"
        ],
        "type": "stdio",
        "disabled": false
      }
    }
    
    Continue 配置

    编辑 ~/.continue/config.json

    {
      "experimental": {
        "modelContextProtocolServers": [
          {
            "transport": {
              "type": "stdio",
              "command": "uv",
              "args": [
                "--directory",
                "/path/to/TrendRadar",
                "run",
                "python",
                "-m",
                "mcp_server.server"
              ]
            }
          }
        ]
      }
    }
    

    使用示例

    分析最近7天"特斯拉"的热度变化趋势
    生成今天的热点摘要报告
    搜索"比特币"相关新闻并分析情感倾向
    
    👉 Claude Code CLI
    HTTP 模式配置
    # 1. 启动 HTTP 服务
    # Windows: start-http.bat
    # Mac/Linux: ./start-http.sh
    
    # 2. 添加 MCP 服务器
    claude mcp add --transport http trendradar http://localhost:3333/mcp
    
    # 3. 验证连接(确保服务已启动)
    claude mcp list
    
    使用示例
    # 查询新闻
    claude "搜索今天知乎的热点新闻,前10条"
    
    # 趋势分析
    claude "分析'人工智能'这个话题最近一周的热度趋势"
    
    # 数据对比
    claude "对比知乎和微博平台对'比特币'的关注度"
    
    👉 MCP Inspector(调试工具)

    MCP Inspector 是官方调试工具,用于测试 MCP 连接:

    使用步骤
    1. 启动 TrendRadar HTTP 服务

      # Windows
      start-http.bat
      
      # Mac/Linux
      ./start-http.sh
      
    2. 启动 MCP Inspector

      npx @modelcontextprotocol/inspector
      
    3. 在浏览器中连接

      • 访问:http://localhost:3333/mcp
      • 测试 "Ping Server" 功能验证连接
      • 检查 "List Tools" 是否返回 13 个工具:
        • 基础查询:get_latest_news, get_news_by_date, get_trending_topics
        • 智能检索:search_news, search_related_news_history
        • 高级分析:analyze_topic_trend, analyze_data_insights, analyze_sentiment, find_similar_news, generate_summary_report
        • 系统管理:get_current_config, get_system_status, trigger_crawl
    👉 其他支持 MCP 的客户端

    任何支持 Model Context Protocol 的客户端都可以连接 TrendRadar:

    HTTP 模式(推荐)

    服务地址http://localhost:3333/mcp

    基本配置模板

    {
      "name": "trendradar",
      "url": "http://localhost:3333/mcp",
      "type": "http",
      "description": "新闻热点聚合分析"
    }
    
    STDIO 模式

    基本配置模板

    {
      "name": "trendradar",
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/TrendRadar",
        "run",
        "python",
        "-m",
        "mcp_server.server"
      ],
      "type": "stdio"
    }
    

    注意事项

    • 替换 /path/to/TrendRadar 为实际项目路径
    • Windows 路径使用反斜杠转义:C:\\Users\\...
    • 确保已完成项目依赖安装(运行过 setup 脚本)
    ☕问题答疑与1元点赞

    心意到就行,收到的点赞用于提高开发者开源的积极性。点赞已收录于致谢名单
    我发现大家都很善于靠自己解决问题,这种尝试值得鼓励,但如果被问题卡住太久,建议提问或者留言。这样我既能帮到,也能帮到更多探索中的小伙伴~~

    • GitHub Issues:适合针对性强的解答。提问时请提供完整信息(截图、错误日志、系统环境等)。
    • 公众号交流:适合快速咨询。建议优先在相关文章下的公共留言区交流,如私信,请文明礼貌用语😉
    公众号关注 微信点赞 支付宝点赞
    常见问题
    👉 Q1: HTTP 服务无法启动?

    检查步骤

    1. 确认端口 3333 未被占用:

      # Windows
      netstat -ano | findstr :3333
      
      # Mac/Linux
      lsof -i :3333
      
    2. 检查项目依赖是否安装:

      # 重新运行安装脚本
      # Windows: setup-windows.bat 或者 setup-windows-en.bat
      # Mac/Linux: ./setup-mac.sh
      
    3. 查看详细错误日志:

      uv run python -m mcp_server.server --transport http --port 3333
      
    4. 尝试自定义端口:

      uv run python -m mcp_server.server --transport http --port 33333
      
    👉 Q2: 客户端无法连接到 MCP 服务?

    解决方案

    1. STDIO 模式

      • 确认 UV 路径正确(运行 which uvwhere uv
      • 确认项目路径正确且无中文字符
      • 查看客户端错误日志
    2. HTTP 模式

      • 确认服务已启动(访问 http://localhost:3333/mcp
      • 检查防火墙设置
      • 尝试使用 127.0.0.1 替代 localhost
    3. 通用检查

      • 重启客户端应用
      • 查看 MCP 服务日志
      • 使用 MCP Inspector 测试连接
    👉 Q3: 工具调用失败或返回错误?

    可能原因

    1. 数据不存在

      • 确认已运行过爬虫(有 output 目录数据)
      • 检查查询日期范围是否有数据
      • 查看 output 目录的可用日期
    2. 参数错误

      • 检查日期格式:YYYY-MM-DD
      • 确认平台 ID 正确:zhihu, weibo
      • 查看工具文档中的参数说明
    3. 配置问题

      • 确认 config/config.yaml 存在
      • 确认 config/frequency_words.txt 存在
      • 检查配置文件格式是否正确
    项目相关

    4 篇文章

    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

    哔哩哔哩(bilibili)评论区数据可视化分析软件

    👉 微信推送通知方案

    由于该方案是基于企业微信的插件机制,推送样式也十分不同,所以相关实现我暂时不准备纳入当前项目

    • fork 这位兄台的项目 https://github.com/jayzqj/TrendRadar
    • 完成上方的企业微信推送设置
    • 按照下面图片操作
    • 配置好后,手机上的企业微信 app 删除掉也没事
    本项目流程图
    flowchart TD
        A[👤 用户开始] --> B{🚀 选择部署方式}
        
        B -->|云端部署| C1[🍴 Fork 项目到 GitHub]
        B -->|本地部署| C2[🐳 Docker 部署]
        
        C1 --> D[⚙️ 配置通知渠道<br/>可同时配置多个]
        C2 --> D
        
        D --> E[选择通知方式:<br/>📱企业微信 💬飞书 🔔钉钉<br/>📟Telegram 📧邮件]
        
        E --> F[🔑 填写通知参数<br/>GitHub Secrets 或环境变量]
        
        F --> G[📝 配置关键词<br/>config/frequency_words.txt<br/>普通词/必须词+/过滤词!]
        
        G --> H[🎯 选择运行模式<br/>config/config.yaml]
        
        H --> H1[📋 daily - 当日汇总<br/>定时推送所有匹配新闻]
        H --> H2[📰 current - 当前榜单<br/>定时推送最新榜单]
        H --> H3[📈 incremental - 增量监控<br/>仅推送新增内容]
        
        H1 --> I[可选:推送时间窗口控制<br/>⏰ 限制推送时间范围]
        H2 --> I
        H3 --> I
        
        I --> J[✅ 配置完成]
        
        J --> K[🤖 系统自动运行]
        
        K --> L[🕷️ 爬取11+平台热点]
        L --> M[🔍 关键词筛选]
        M --> N[⚖️ 权重算法排序<br/>排名60% + 频次30% + 热度10%]
        N --> O[📊 生成报告<br/>HTML网页 + 推送消息]
        O --> P[📱 多渠道推送通知]
        
        P --> Q[🎉 持续接收精准推送<br/>告别信息过载]
        
        style A fill:#e3f2fd
        style B fill:#f3e5f5
        style D fill:#fff3e0
        style F fill:#fff9c4
        style G fill:#e8f5e9
        style H fill:#e0f2f1
        style I fill:#fce4ec
        style O fill:#e1bee7
        style Q fill:#c8e6c9
    

    Star History Chart

    📄 许可证

    GPL-3.0 License