DoneHub
0%

TrendRadar：告别无效刷屏，只看真正关心的新闻

发表于 分类于 Valine：

一、背景

每天打开手机，十几个 APP 轮番刷一遍，微博热搜、知乎热榜、抖音热点、今日头条……刷完一圈下来，两个小时过去了，真正有用的信息可能就三五条。剩下的是什么？震惊体标题党、营销软文、明星八卦、各种算法硬塞给你的”你可能感兴趣”。

更气人的是，明明只想看看科技圈今天发生了什么，却被”某明星离婚”霸占了热搜第一。平台算法绑架了我们的注意力，想看的内容找不到，不想看的铺天盖地。

有没有一种工具，能帮你从”被动接收”变成”主动获取”？TrendRadar 就是这么一个开源项目——聚合全网热点，按你的关键词筛选，定时推送到你的手机。更重要的是，它还能让 AI 帮你分析这些热点背后的趋势和情绪。

二、TrendRadar 是什么

一句话概括：TrendRadar 是一个开源的热点新闻聚合分析工具。

它的核心思路很简单——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。推送渠道也很丰富：飞书、钉钉、企业微信、Telegram、邮件、Bark（iOS）、Slack，甚至自定义 Webhook。

更厉害的是，它内置了 AI 分析功能。不仅是聚合热点，还能让 AI 帮你：

  • 分析热点趋势走向
  • 判断舆论情绪（正面/负面/争议）
  • 跨平台关联分析
  • 生成洞察报告

这就像雇了一个私人新闻助理，每天帮你从海量信息中提炼出真正有价值的干货。

三、数据是怎么来的

TrendRadar 的数据来源是另一个开源项目 NewsNow。这个项目聚合了全网 50+ 个平台的热榜数据，包括：

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 或爬取页面来获取热榜数据，然后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

返回的数据格式是这样的：

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..."
      }
    }
  ]
}

所以 TrendRadar 不需要自己去啃各平台的反爬机制，数据源维护这个苦活儿由 NewsNow 项目负责。万一某个平台接口变了，NewsNow 更一下就行，TrendRadar 用户完全不用操心。

四、核心功能一览

热榜聚合

默认支持 11 个主流平台：知乎、微博、百度热搜、抖音、今日头条、B站热搜、华尔街见闻、财联社、澎湃新闻、凤凰网、贴吧。想加更多平台？直接在配置文件里加就行。

关键词筛选

这是核心功能。你在 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。语法很灵活：

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（新功能）

如果你不想自己写关键词，可以用 自然语言描述 你关注的方向。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。如果选择 incremental 模式，只有第一次出现的新闻才会推送给你，后续重复出现的就不打扰了。适合高频监控场景。

调度系统（时间线）

你可以精细控制”什么时间做什么事”。比如：

  • 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”。

AI 多语言翻译

如果你订阅了海外 RSS（如 Hacker News），AI 可以帮你把英文标题翻译成中文。反过来，如果你想用英文读国内热点，也可以翻译成英文。

MCP 智能分析（进阶功能）

这是给深度用户准备的。TrendRadar 实现了 MCP (Model Context Protocol) 协议，可以接入 Claude Desktop、Cherry Studio、Cursor 等 AI 客户端。

你可以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，帮你做深度数据挖掘。

五、部署方式

GitHub Actions（零服务器）

适合没有服务器的用户。流程是：

  1. Fork TrendRadar 仓库到自己的 GitHub
  2. 配置 GitHub Secrets（填推送渠道的 webhook URL）
  3. 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

六、配置要点

config.yaml 主配置

这是核心配置文件，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"

frequency_words.txt 关键词配置

前面已经介绍过语法，这里补充几个实用技巧：

技巧1：从宽到严，逐步调整

刚开始可以写宽泛的关键词，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

技巧2：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？直接问 ChatGPT：”帮我写一个正则表达式，精确匹配英文单词 AI，不匹配 training 里的 ai，格式是 /正则/ => 别名”

技巧3：全局过滤不想看的

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）：

  1. 打开企业微信，进入目标群聊
  2. 点击右上角”…”，选择”群机器人”
  3. 添加机器人，复制 Webhook URL
  4. 填入配置或 GitHub Secrets

飞书：

  1. 访问 https://botbuilder.feishu.cn/home/my-command
  2. 新建机器人指令
  3. 选择”Webhook 触发”，复制 URL
  4. 配置参数模板：
    1
    2
    3
    4
    {
      "message_type": "text",
      "content": { "text": "{{内容}}" }
    }

Telegram：

需要两个配置：bot_token 和 chat_id。

  1. 在 Telegram 搜索 @BotFather，发送 /newbot 创建机器人
  2. 获取 Bot Token
  3. 向你的机器人发一条消息
  4. 访问 https://api.telegram.org/bot<Token>/getUpdates
  5. 从返回 JSON 找到 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。

七、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。

效果是这样的：

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，告诉我”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”。

好处：

  1. 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。
  2. 信息密度高。一条推送包含 11 个平台的热点，跨平台对比一目了然。
  3. AI 分析有价值。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）”。

注意点：

  1. 关键词不要太多。我刚开始写了 30 多个关键词，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，效果好多了。
  2. AI 分析有成本。默认模型是 DeepSeek，很便宜。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。
  3. GitHub Actions 有延迟。定时任务触发时间不稳定，可能有 ±15 分钟偏差。如果需要精准推送，建议用 Docker 部署到自己的服务器。

八、MCP 功能进阶用法

如果你想深度挖掘新闻数据，MCP 功能很有价值。

配置 MCP 客户端

以 Cherry Studio 为例（推荐，有 GUI）：

  1. 运行 TrendRadar 的 MCP 服务：

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

    # Mac/Linux
    ./start-http.sh

  2. 在 Cherry Studio 设置里添加 MCP 服务器：

    • 类型：streamableHttp
    • URL：http://127.0.0.1:3333/mcp

  3. 开始对话。

MCP 可以做什么

趋势分析：

1
"分析最近 7 天 DeepSeek 的热度变化"

AI 会调用 analyze_topic_trend 工具，返回：

  • 首次出现时间、持续时间
  • 排名变化曲线（第3→第1→第5）
  • 热度峰值、爆火判断
  • 趋势预测

平台对比：

1
"对比知乎和微博今天关于 AI 的讨论差异"

AI 会对比两个平台的热点分布、情绪倾向、讨论角度差异。

情感分析：

1
"分析特斯拉最近新闻的情感倾向"

返回正面/负面/中性分布，以及典型情感关键词。

生成报告并推送：

1
"写一份今天的科技热点摘要，推送到飞书"

AI 会调用 generate_summary_report 生成报告，然后调用 send_notification 推送。自动处理格式转换（Markdown → 飞书格式）。

MCP 工具列表

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

总共 21 个工具，覆盖了从查询到分析到推送的全流程。

九、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

数据库表结构设计得很好：

  • 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。比如某条新闻早上排第 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。

十、与其他工具对比

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 的优势在于：聚合 + 筛选 + 分析 + 推送 一条龙。RSS 阅读器适合订阅特定博客，热榜网站适合快速浏览，但都没有 AI 分析和自动推送。

十一、项目地址和资源

项目维护得很活跃，版本迭代快（从 v1.0 到 v6.7），文档也很详细。有问题可以去 GitHub Issues 提，作者回复很及时。

十二、总结

TrendRadar 解决的问题是：如何从信息洪流中高效获取有价值的内容。

它不是简单的热榜聚合，而是：

  • 用关键词/AI筛选过滤噪音
  • 用多渠道推送直达手机
  • 用AI分析提供深度洞察
  • 用MCP协议支持自定义数据挖掘

如果你每天花大量时间刷 APP 看热点，却总觉得信息过载、抓不住重点——试试 TrendRadar。部署一次，配置好关键词，之后就等着推送敲门，看完推送就完事。

从”被动接收算法推荐”变成”主动获取关心内容”，这才是高效的信息消费方式。

欢迎关注我的其它发布渠道