DoneHub
0%

TrendRadar：告别无效刷屏，只看真正关心的新闻

发表于 更新于 分类于 Valine：

背景

每天打开手机，微博热搜、知乎热榜、抖音热点、今日头条轮番刷一遍，两个小时过去，真正有用的信息可能就三五条。剩下的是震惊体标题党、营销软文、明星八卦，以及算法硬塞给你的”你可能感兴趣”。平台算法绑架了注意力，想看的内容找不到，不想看的铺天盖地。

TrendRadar 解决的正是这个问题：聚合全网热点，按你设定的关键词筛选，定时推送到手机，还能让 AI 分析热点背后的趋势和情绪。从被动接收算法推荐，变成主动获取关心的内容。

TrendRadar 是什么

TrendRadar 是一个开源的热点新闻聚合分析工具。核心思路是把全网 50+ 个平台的热榜抓过来，按你设定的关键词过滤，把真正关心的内容推给你。推送渠道覆盖飞书、钉钉、企业微信、Telegram、邮件、Bark（iOS）、Slack，甚至自定义 Webhook。

它内置了 AI 分析功能，不只是聚合热点，还能分析热点趋势走向、判断舆论情绪（正面/负面/争议）、做跨平台关联分析、生成洞察报告。相当于雇了一个私人新闻助理，每天从海量信息中提炼出有价值的内容。

数据来源

TrendRadar 的数据来自另一个开源项目 NewsNow，后者聚合了全网 50+ 个平台的热榜数据：

国内综合 科技平台 金融平台 国际媒体
知乎、微博 IT之家、36氪 华尔街见闻 Hacker News
百度热搜 稀土掘金 财联社 GitHub Trending
抖音、今日头条 V2EX 雪球 Product Hunt
澎湃新闻、凤凰网 酷安 金十数据 联合早报
虎扑、贴吧 少数派 格隆汇 卫星通讯社

NewsNow 通过调用各平台的官方 API 或爬取页面获取热榜数据，统一输出成标准格式。TrendRadar 直接调用 NewsNow 的公开 API：

1
https://newsnow.busiyi.world/api/s?id=zhihu&latest

返回的数据格式如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
{
  "status": "success",
  "items": [
    {
      "title": "如何评价DeepSeek新模型?",
      "url": "https://zhuanlan.zhihu.com/p/xxx",
      "extra": {
        "info": "1234万热度",
        "hover": "摘要描述..."
      }
    }
  ]
}

这个设计让 TrendRadar 不需要自己去处理各平台的反爬机制，数据源维护由 NewsNow 项目负责。某个平台接口变了，NewsNow 更新一下就行，TrendRadar 用户不用操心。

核心功能

关键词筛选

这是 TrendRadar 最核心的功能。在 frequency_words.txt 里写上关心的关键词，系统就只推送包含这些词的新闻。语法比较灵活，支持分组命名、正则匹配、排除词、限制条数、多词同时包含等：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
# 最简单的：直接写关键词
华为

# 多个关键词归为一组（空行分隔）
华为
鸿蒙
任正非

# 给词组起个名字
[科技巨头]
华为
腾讯
字节

# 正则匹配（精确匹配英文单词，避免误匹配）
/\bAI\b/ => AI相关
人工智能

# 排除不想看的
[苹果公司]
苹果
!水果        # 排除"水果"相关的

# 限制显示条数
特斯拉
@10          # 最多显示10条

# 必须同时包含多个词
+发布会
+新品        # 必须同时出现"发布会"和"新品"

AI 智能筛选

如果不想自己写关键词，可以用自然语言描述关注的方向。在 ai_interests.txt 里写：

1
2
3
4
5
6
7
8
9
10
11
下面是我要关注的内容：

1. 中国科技与互联网公司：重点关注 DeepSeek、华为、腾讯...
2. 大模型与 AI 产品：关注 OpenAI、Claude、ChatGPT...
3. AI 基础设施与云算力：关注英伟达、AMD...
4. 芯片与半导体制造：关注芯片、光刻机...
...

# 标题质量要求
- 不要标题党/震惊体
- 不要营销软文

AI 会自动理解你的兴趣，给每条新闻打分，只推送高相关度的内容。这个功能需要配置 AI API（支持 DeepSeek、OpenAI、Gemini 等）。

三种推送模式

模式 说明 适用人群
daily（当日汇总） 每天定时推送当天所有匹配新闻 企业管理者、普通用户
current（当前榜单） 每次推送当前榜单匹配新闻 自媒体人、内容创作者
incremental（增量监控） 只推送新出现的内容，零重复 投资者、交易员

举个例子：你监控”特斯拉”，每小时执行一次。选择 incremental 模式的话，只有第一次出现的新闻才会推送，后续重复出现的不再打扰。这个模式适合高频监控场景。

调度系统

可以精细控制什么时间做什么事。工作日早上9点速览、中午看热点、晚上7点汇总；周末睡到自然醒，10点开始推送，有新增就推。预设了 5 种模板：always_on（全天候）、morning_evening（早晚汇总）、office_hours（办公时间）、night_owl（夜猫子）、custom（完全自定义）。

AI 分析推送

开启后每次推送都会附带一份 AI 生成的洞察报告，包含核心热点态势、舆论风向争议、异动与弱信号、研判策略建议。AI 还能分析每条新闻的排名变化轨迹、热度持续时间、跨平台表现。比如某条新闻在微博排第3，知乎排第5，抖音排第8，AI 能告诉你这个话题的全网热度分布。

MCP 智能分析

TrendRadar 实现了 MCP (Model Context Protocol) 协议，可以接入 Claude Desktop、Cherry Studio、Cursor 等 AI 客户端，用自然语言跟新闻数据对话：

1
2
3
4
"分析过去一周 DeepSeek 的热度变化"
"对比知乎和微博今天的热点差异"
"生成一份今天的科技热点摘要，推送到飞书"
"搜索特斯拉相关新闻，分析情感倾向"

AI 会自动调用 TrendRadar 的 21 个分析工具，做深度数据挖掘。这个功能对深度用户很有价值，普通用户用关键词筛选加推送就够了。

部署方式

GitHub Actions（零服务器）

适合没有服务器的用户。Fork TrendRadar 仓库到自己 GitHub，配置 GitHub Secrets（填推送渠道的 webhook URL），GitHub Actions 定时运行自动抓取并推送。缺点是每次运行完环境就销毁，数据没法本地存，需要配置云存储（如 Cloudflare R2）来持久化数据。

Docker（推荐）

适合有服务器、NAS 或长期运行电脑的用户。数据本地存储，更稳定：

1
2
3
4
5
6
7
8
9
10
# 克隆项目
git clone https://github.com/sansan0/TrendRadar.git
cd TrendRadar

# 配置
cp config/config.yaml.example config/config.yaml
# 编辑 config.yaml 和 frequency_words.txt

# 启动
docker compose up -d

Docker 部署还有一个好处：可以同时跑两个容器，一个做新闻推送，一个做 MCP AI 分析服务。

本地运行

Windows/Mac/Linux 直接跑：

1
2
3
4
5
6
7
8
# Windows
setup-windows.bat

# Mac/Linux
./setup-mac.sh

# 运行
python main.py

配置要点

config.yaml 主配置

核心配置文件结构如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
app:
  timezone: "Asia/Shanghai"        # 时区

schedule:
  enabled: true
  preset: "morning_evening"        # 调度模板

platforms:
  enabled: true
  sources:                         # 监控平台列表
    - id: "zhihu"
      name: "知乎"
    - id: "weibo"
      name: "微博"

report:
  mode: "incremental"              # 推送模式
  display_mode: "keyword"          # 显示方式

filter:
  method: "keyword"                # keyword | ai

notification:
  enabled: true
  channels:
    feishu:
      webhook_url: ""
    telegram:
      bot_token: ""
      chat_id: ""

ai:
  model: "deepseek/deepseek-chat"  # AI 模型
  api_key: ""                      # API Key

ai_analysis:
  enabled: true                    # 开启 AI 分析
  max_news_for_analysis: 50        # 分析数量上限

ai_translation:
  enabled: true
  language: "中文"

关键词配置技巧

从宽到严，逐步调整。 刚开始写宽泛的关键词，观察几天后再加过滤词：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 第一版：先测试
AI
ChatGPT

# 第二版：发现太多广告，加过滤
AI
ChatGPT
!培训
!课程
!广告

# 第三版：只想看技术相关，加必须词
AI
ChatGPT
+技术

正则表达式精确匹配英文。 英文容易误匹配，比如 ai 会匹配到 training 里的 ai。用正则解决：

1
2
3
4
5
6
# 精确匹配独立单词
/\bAI\b/i => AI相关

# 匹配开头或结尾
/^breaking/     # 只匹配开头是 breaking 的
/发布$/         # 只匹配结尾是"发布"的

不会写正则的话，直接让 AI 帮你生成。

全局过滤不想看的内容。 有些内容不管什么关键词都不想看，用 [GLOBAL_FILTER]：

1
2
3
4
5
6
7
8
9
[GLOBAL_FILTER]
震惊
刚刚
竟然
广告
推广

[WORD_GROUPS]
你的关键词配置...

推送渠道配置

企业微信最简单：进入目标群聊，点击右上角，选择群机器人，添加机器人，复制 Webhook URL，填入配置即可。

飞书需要访问 botbuilder.feishu.cn 新建机器人指令，选择 Webhook 触发，复制 URL，然后配置参数模板。

Telegram 需要两个配置：bot_token 和 chat_id。在 Telegram 搜索 @BotFather 创建机器人获取 Token，向机器人发消息后调用 getUpdates 接口获取 chat.id。

邮件支持 Gmail、QQ邮箱、163、Outlook 等。QQ邮箱需要用授权码（不是密码），在邮箱设置里开启 SMTP 服务后生成。

实际使用体验

我部署了一套配置，关键词设为 AI、DeepSeek、华为、特斯拉、芯片、大模型。推送模式选 incremental，调度选 morning_evening。

早上 9 点收到推送，包含昨晚到今早新出现的 15 条相关热点。AI 分析报告附在最后，内容是”AI 领域今天舆论偏正面，DeepSeek 新模型发布引发热议，华为鸿蒙讨论度上升”。晚上 8 点收到当日汇总，包含全天所有匹配新闻（去重后约 30 条），AI 给了一份更完整的趋势分析，包括哪些话题持续在榜、哪些是新爆发点。

用了两周之后，最明显的变化是不用刷 APP 了。之前每天刷微博知乎抖音至少两小时，现在 5 分钟看完推送就行。信息密度也高了很多，一条推送包含 11 个平台的热点，跨平台对比一目了然。AI 分析确实有价值，不是简单的汇总，而是告诉你趋势、情绪、关联。比如”特斯拉降价”这个话题，AI 能分析出微博讨论偏负面（吐槽割韭菜），知乎讨论偏中性（分析影响），抖音讨论偏正面（喊降价真香）。

踩过几个坑值得分享。关键词不要太多，我刚开始写了 30 多个，结果每次推送 100 多条，信息过载。后来精简到 6 个核心关键词，效果明显改善。AI 分析有成本，默认模型是 DeepSeek，按官方估算每小时推送一次每天约 0.1 元，如果想省钱可以把 max_news_for_analysis 从 150 降到 50。GitHub Actions 有延迟，定时任务触发时间不稳定，可能有 ±15 分钟偏差，需要精准推送的话建议用 Docker 部署到自己的服务器。

MCP 进阶用法

MCP 功能适合想深度挖掘新闻数据的用户。以 Cherry Studio 为例（有 GUI，配置简单），先运行 TrendRadar 的 MCP 服务：

1
2
3
4
5
# Windows
start-http.bat

# Mac/Linux
./start-http.sh

然后在 Cherry Studio 设置里添加 MCP 服务器，类型选 streamableHttp，URL 填 http://127.0.0.1:3333/mcp，就可以开始对话了。

MCP 支持的操作包括趋势分析（”分析最近 7 天 DeepSeek 的热度变化”，AI 会调用 analyze_topic_trend 返回首次出现时间、排名变化曲线、热度峰值、趋势预测）、平台对比（”对比知乎和微博今天关于 AI 的讨论差异”，AI 对比两个平台的热点分布和情绪倾向）、情感分析（”分析特斯拉最近新闻的情感倾向”，返回正面/负面/中性分布）、生成报告并推送（”写一份今天的科技热点摘要，推送到飞书”，AI 自动处理格式转换）。

总共 21 个工具，覆盖从查询到分析到推送的全流程：

分类 工具 功能
基础 get_latest_news 获取最新新闻
get_news_by_date 按日期查询
get_trending_topics 热点统计
RSS get_latest_rss RSS 内容
search_rss RSS 搜索
搜索 search_news 统一搜索
find_related_news 相似新闻
分析 analyze_topic_trend 趋势分析
analyze_sentiment 情感分析
aggregate_news 跨平台聚合
compare_periods 时期对比
generate_summary_report 生成报告
通知 send_notification 推送消息
文章 read_article 读取正文

数据存储

TrendRadar 的数据存储在 SQLite 数据库，按日期分库：

1
2
3
4
5
6
7
8
output/
├── news/
│   ├── 2025-05-16.db    # 当天热榜数据
│   ├── 2025-05-15.db    # 历史数据
├── rss/
│   ├── 2025-05-16.db    # RSS 数据
└── html/
    └── 当日汇总.html     # HTML 报告

数据库有三张核心表：news_items 存储新闻条目（标题、URL、排名），rank_history 记录排名变化历史（每次抓取的排名），crawl_records 记录抓取时间和数量。这样设计的好处是可以追踪热度变化轨迹，某条新闻早上排第 5，中午排第 3，晚上掉到第 10，这些变化都会被记录下来供 AI 分析。

方案对比

工具 TrendRadar RSS 阅读器 热榜网站
数据源 50+ 平台热榜 RSS 订阅源 单一或少量平台
筛选方式 关键词+AI 手动订阅 无筛选
推送 多渠道 需额外工具 无推送
AI 分析 内置 无 无
趋势追踪 有 无 无
部署复杂度 中 低 无需部署

TrendRadar 的定位很清晰：它不是 RSS 阅读器的替代品，而是面向”想看热点但不想被算法控制”这个场景的解决方案。RSS 阅读器适合订阅特定博客和信息源，热榜网站适合快速浏览当日热点，但两者都没有关键词筛选、AI 分析和多渠道推送的能力。如果你需要的是精准获取特定领域的热点信息，TrendRadar 是目前最完整的开源方案。

项目地址

项目维护活跃，版本迭代快（从 v1.0 到 v6.7），文档详细，GitHub Issues 回复及时。

扫描二维码分享