TrendRadar

Verified

⭐AI-driven public opinion & trend monitor with multi-platform aggregation, RSS, and smart alerts.🎯 告别信息过载，你的 AI 舆情监控助手与热点筛选工具！聚合多平台热点 + RSS 订阅，支持关键词精准筛选。AI 智能筛选新闻 + AI 翻译 + AI 分析简报直推手机，也支持接入 MCP 架构，赋能 AI 自然语言对话分析、情感洞察与趋势预测等。支持 Docker ，数据本地/云端自持。集成微信/飞书/钉钉/Telegram/邮件/ntfy/bark/slack 等渠道智能推送。

By sansan0GPL-3.0

python

other

62.6Kstars

24.9Kforks

Scanned Oct 1, 2026

Website Repository GITHUB

ai bark data-analysis docker hot-news llm mail mcp mcp-server news

Public Security Review Pending

Automated security grades and vulnerability claims are hidden while MCPSafe's reviewed-publication gate is active. Registry metadata and quality metrics remain live.

Trust Score 41

Avoid

Trust grade D

Trust is stricter than security: it combines reviewed security, MCP capability risk, supply-chain metadata, quality, popularity, freshness, and penalties for unknowns.

Security

—

MCP risk

Supply chain

Maintenance

Docs

Freshness

100

Risk traits

Runs shell commands

Filesystem access

Network/API access

Requires secrets

Database access

Remote transport

Why it scores well

• Solid supply-chain metadata
• Recently scanned

What reduces confidence

• No reviewed security score
• No quality score
• Weak documentation signals
• MCP risk traits: Runs shell commands, Filesystem access, Network/API access

Reviewed Security Publication Pending

MCPSafe treats automated scan output as internal evidence until review. Scan dates, versions, and coverage remain visible; public security scores and vulnerability claims appear only after findings pass the reviewed-publication gate.

Security Score?

—

out of 100

Vulnerabilities Found

Crit

High

Medi

Low

Info

Last scanned: 10/1/2026

Quality Score?

—

out of 100

Maint.

Popular

Docs

Compat

Maintenance0%

Popularity0%

Documentation0%

Compatibility0%

Maintenance0

Unknown

Commit Frequency0%

Release Frequency0%

Issue Response0%

Popularity0

62.6K

Stars

Downloads

24.9K

Forks

Stars Score0%

Downloads Score0%

Forks Score0%

Documentation0

README Quality0%

Available Documentation

API DocsExamplesChangelog

Compatibility0

MCP Spec Compliance0%

Transport Support0%

Features

TypeScript

READMETrendRadar

View source

</a>

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

<a href="https://trendradar.sandev.cc/zh/" title="TrendRadar 官方网站">🌐 官方网站</a> · <a href="https://trendradar.sandev.cc/zh/docs/quick-start/" title="TrendRadar 官网文档">📖 官网文档</a> · <a href="https://trendradar.sandev.cc/zh/docs/self-hosted-sources/" title="AI 自建热榜数据源">AI 自建热榜数据源</a>

![GitHub Stars](https://github.com/sansan0/TrendRadar/stargazers)

![GitHub Forks](https://github.com/sansan0/TrendRadar/network/members)

![License](LICENSE)

![Version](https://github.com/sansan0/TrendRadar)

![MCP](https://github.com/sansan0/TrendRadar)

![Docker Pulls](https://hub.docker.com/r/wantcat/trendradar)

![Docker Pulls](https://hub.docker.com/r/wantcat/trendradar-mcp)

![RSS](#rss-订阅源支持v450-新增)

![AI翻译](#ai-多语言翻译v520-新增)

![MCP Support](#-mcp-客户端)

![AI分析推送](#ai-分析推送v500-新增)

![AI智能筛选](#ai-智能筛选新闻v650-新增)

![企业微信通知](https://work.weixin.qq.com/)

![个人微信通知](https://weixin.qq.com/)

![Telegram通知](https://telegram.org/)

![dingtalk通知](#)

![飞书通知](https://www.feishu.cn/)

![邮件通知](#)

![ntfy通知](https://github.com/binwiederhier/ntfy)

![Bark通知](https://github.com/Finb/Bark)

![Slack通知](https://slack.com/)

![通用Webhook](#)

![GitHub Actions](#-快速开始)

![GitHub Pages](https://sansan0.github.io/TrendRadar)

![Docker](#6-docker-部署)

![本地部署](#local-deploy)

![Cloudflare Pages](#cloudflare-deploy)

</div>

中文 | [English](README-EN.md)

</div>

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」

| | | |

|:---:|:---:|:---:|

| 🚀 **快速开始** | AI 智能分析 | ⚙️ **配置详解** |

| Docker部署 / 本地部署 | MCP客户端 | 📝 **更新日志** |

| 🎯 **核心功能** | ☕ **支持项目** | 📚 **项目相关** |

</div>

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

<summary>👉 点击展开：致谢名单 (天使轮荣誉榜 🔥73+🔥 位)</summary>

早期支持者致谢

💡 特别说明：

1. 关于名单：下方表格记录了项目起步阶段（天使轮）的支持者。因早期人工统计繁琐，难免存在疏漏或记录不全的情况，如有遗漏，实非本意，万望海涵。

2. 未来规划：为了将有限的精力回归代码与功能迭代，即日起不再人工维护此名单。

无论名字是否上榜，你们的每一份支持都是 TrendRadar 能够走到今天的基石。🙏

基础设施支持

感谢 GitHub 免费提供的基础设施，这是本项目得以一键 fork便捷运行的最大前提。

数据支持

本项目使用 newsnow 项目的 API 获取多平台数据，特别感谢作者提供的服务。

经联系，作者表示无需担心服务器压力，但这是基于他的善意和信任。请大家：

前往 [newsnow 项目](https://github.com/ourongxing/newsnow) 点 star 支持
Docker 部署时，请合理控制推送频率，勿竭泽而渔

推广助力

感谢以下平台和个人的推荐(按时间排列)

小众软件 - 开源软件推荐平台
LinuxDo 社区 - 技术爱好者的聚集地
阮一峰周刊 - 技术圈有影响力的周刊

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。

关于"一元点赞"的回归：

随着 v5.0.0 版本的发布，项目迈入了一个新的阶段。为了支持日益增长的 API 成本和咖啡因消耗，"一元点赞"通道现已重新开启。你的每一份心意，都将转化为代码世界里的 Token 和动力。🚀 前往支持

| 点赞人 | 金额 | 日期 | 备注 |

| :-------------------------: | :----: | :----: | :-----------------------: |

| D5 | 1.8 3 | 2025.11.24 | |

| *鬼 | 1 | 2025.11.17 | |

| *超 | 10 | 2025.11.17 | |

| R*w | 10 | 2025.11.17 | 这 agent 做的牛逼啊,兄弟 |

| J*o | 1 | 2025.11.17 | 感谢开源,祝大佬事业有成 |

| *晨 | 8.88 | 2025.11.16 | 项目不错,研究学习中 |

| *海 | 1 | 2025.11.15 | |

| *德 | 1.99 | 2025.11.15 | |

| *疏 | 8.8 | 2025.11.14 | 感谢开源，项目很棒，支持一下 |

| M*e | 10 | 2025.11.14 | 开源不易，大佬辛苦了 |

| **柯 | 1 | 2025.11.14 | |

| *云 | 88 | 2025.11.13 | 好项目，感谢开源 |

| *W | 6 | 2025.11.13 | |

| *凯 | 1 | 2025.11.13 | |

| 对*. | 1 | 2025.11.13 | Thanks for your TrendRadar |

| s*y | 1 | 2025.11.13 | |

| **翔 | 10 | 2025.11.13 | 好项目，相见恨晚，感谢开源！ |

| *韦 | 9.9 | 2025.11.13 | TrendRadar超赞，请老师喝咖啡~ |

| h*p | 5 | 2025.11.12 | 支持中国开源力量，加油！ |

| c*r | 6 | 2025.11.12 | |

| a*n | 5 | 2025.11.12 | |

| 。*c | 1 | 2025.11.12 | 感谢开源分享 |

| *记 | 1 | 2025.11.11 | |

| *主 | 1 | 2025.11.10 | |

| *了 | 10 | 2025.11.09 | |

| *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 |

</details>

🪄 赞助商

虚位以待

有意赞助？点击查看赞助与合作详情

</div>

❤️ 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)

| 微信赞赏 | 支付宝赞赏 |

|:---:|:---:|

| <img src="https://cdn-1258574687.cos.ap-shanghai.myqcloud.com/img/%2F2025%2F07%2F17%2F2ae0a88d98079f7e876c2b4dc85233c6-9e8025.JPG" width="240" alt="微信赞赏"> | <img src="https://cdn-1258574687.cos.ap-shanghai.myqcloud.com/img/%2F2025%2F07%2F17%2F1ed4f20ab8e35be51f8e84c94e6e239b4-fe4947.JPG" width="240" alt="支付宝赞赏"> |

</div>

🤝 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！

|公众号关注 |

|:---:|

| <img src="_image/weixin.png" width="500" title="硅基茶水间"/> |

</div>

📝 更新日志

📌 查看最新更新：[原仓库更新日志](https://github.com/sansan0/TrendRadar?tab=readme-ov-file#-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

2026/06/02 - v6.9.0

热榜域名安全校验：新增 expected_domain 配置项，校验返回数据链接的域名合法性，不匹配时自动丢弃数据并警告，有效防范链接劫持或数据篡改
自定义热榜 API 地址：支持自部署 newsnow 并配置 api_url 使用自己的数据源

2026/05/23 - v6.8.0

HTML 报告全面增强：新增报告元数据展示（生成时间、数据来源、版本号）、暗色模式自动适配、Tab 栏交互优化、趋势箭头可视化，浏览器阅读体验大幅提升
版本检查 CDN 多源回退：版本检查接口支持 GitHub → jsDelivr → Cloudflare 等多个 CDN 源自动回退，国内网络环境也能稳定获取更新提示
展示区域开关生效：HTML 报告和邮件现在正确尊重 display.regions.ai_analysis 和 display.regions.standalone 开关，关闭即不渲染
导出按钮修复：修复导出按钮点击后下拉菜单图标消失的问题
Markdown 导出修复：修复 HTML 报告 Markdown 导出中 JS 换行符转义错误

2026/05/15 - v6.7.0

Markdown 导出：报告导出下拉菜单新增 Markdown 格式，一键生成带链接的结构化文本，方便 LLM 二次加工和跨平台分享（#1121）
RSS guid 去重：RSS 存储新增 guid 字段，去重优先级改为 guid > url，解决同一文章因 URL 变化导致重复入库的问题
空标题防护：解析器、渲染层、翻译回填全链路增加空标题兜底逻辑，确保无标题条目也能正常显示
翻译质量增强：翻译提示词要求保留编号顺序，空翻译结果不再覆盖原始标题

2026/03/28 - v6.6.0

HTML 报告浏览器增强：在浏览器中打开报告可自动切换宽屏布局，关键词分组和独立展区均支持 Tab 快速切换，搜索框实时过滤新闻标题，邮件客户端仍显示原始窄屏布局，零回归
暗色模式：一键切换深色主题，自动记住偏好，适合夜间阅读
一键复制新闻：鼠标悬停新闻序号即可复制标题和链接，方便快速分享
导出优化：整页截图和分段截图合并为下拉式导出按钮，截图时自动还原干净布局
快捷键系统：支持 W 宽屏切换、D 暗色模式、/ 搜索、? 查看快捷键提示
阅读进度条：页面顶部实时显示阅读进度

2026/03/12 - v6.5.0

AI 智能筛选系统：不用再手动设关键词！在 ai_interests.txt 里用日常语言写下你关注的方向（如"我想看 AI 和新能源相关新闻"），AI 会自动提取标签并对每条新闻打分，只推送真正和你相关的内容。万一 AI 筛选出了问题，会自动切回关键词匹配，推送不中断
每个时段支持不同的筛选方式和关注方向：Timeline 中的每个时间段现在可以独立设置用什么方式筛选、看什么类型的新闻。比如：早上用"科技关键词"快速过滤，晚上换成"金融 AI 兴趣描述"做深度筛选——同一个系统，不同时段看不同内容
AI 分析范围独立于推送：AI 分析的数据范围可以和推送内容不同。比如推送只发新增消息（避免重复打扰），但 AI 分析当天全部新闻（看完整趋势）。每个时段也能单独设置 AI 分析模式
AI 筛选智能省钱：已分析过的新闻不会重复消耗 token；兴趣描述修改后，AI 自动判断变化幅度——小改动只更新受影响的标签，大改动才全量重新分类
多文件配置与标签隔离：自定义关键词文件放 config/custom/keyword/，AI 兴趣文件放 config/custom/ai/，不同文件产生的标签各自独立、互不干扰
AI 翻译精准控制：可分别控制热榜、RSS、独立展示区是否翻译，没开启显示的区域自动跳过，不浪费 token
远程存储批量上传：多次写操作攒在一起统一提交云端，减少 API 调用次数
每组关键词/标签展示数量限制：通过 max_news_per_keyword 控制每个分组最多显示多少条新闻，避免单个热门话题占满整条推送
时段冲突智能检测：两个时间段如果有时间重叠，系统会自动报错提醒修改，避免配置冲突导致意外行为
修复若干bug

2026/02/09 - v6.0.0

Breaking Change：配置文件升级（config.yaml 2.0.0），旧版 push_window 和 analysis_window 配置不再兼容，请参考新版 config.yaml 迁移

统一调度系统：新增 timeline.yaml，用一套配置控制「什么时间采集 / 推送 / AI 分析」
5 种预设模板：always_on（全天候，默认）、morning_evening（早晚汇总）、office_hours（办公时间）、night_owl（夜猫子）、custom（自定义）；也支持在 presets: 下新增自己的模板，只要 key 不重复，然后在 config.yaml 里填你的模板名即可
灵活的时间段配置：支持工作日/周末差异化、跨午夜时间段、per-period once 去重
可视化配置编辑器：

- 新增 timeline.yaml 编辑标签页，与 config.yaml / frequency_words.txt 并列

- 预设模式卡片选择：点击即切换，自动同步 config.yaml 的 schedule.preset

- 周视图时间线：7 天 × 24 小时水平条，用颜色区分推送/分析/采集状态

- 可交互控件：开关、下拉框、时间选择器，右侧修改实时同步到左侧 YAML

- 周映射下拉选择：根据日计划动态填充，拖拉点击即可完成调度配置

AI 提示词稳定性优化（aianalysisprompt.txt v2.0.0）：

- 格式规范独立说明：将换行/标签/序号/禁止事项从 JSON value 中抽出，作为独立章节

- JSON 模板简化：字段描述缩短为一句话 + 字数限制，减少 AI 输出格式混乱

- 去除 system prompt 中的 Markdown 格式，与"禁止 Markdown"指令保持一致

- 所有 JSON 字段声明为可选，缺少任何字段不会报错，增强容错性

新增独立展示区 AI 概括分析（ai_analysis.include_standalone）：

- 新增独立开关，开启后 AI 对每个 standalone 源生成核心概括

- AI 分析与推送展示解耦：无需开启独立展示区的推送显示，AI 也可独立分析完整热榜数据

- 支持热榜平台和 RSS 源，含排名/时间/轨迹数据

- 轨迹分析与 include_rank_timeline 联动：开启时利用轨迹数据做深度趋势分析，关闭时基于排名做简要判断

- 新增 standalone_summaries JSON 字段（独立源点速览），所有推送渠道均已适配渲染

2026/01/28 - v5.5.0

和 mcp 功能一样, 这个小工具我也不新开一个仓库维护了, 反正纯前端, 都搁一起吧

增加 trendradar 的可视化配置编辑器

2026/02/02 - mcp-v3.2.0

**新增 read_article 工具**：通过 Jina AI Reader 读取单篇文章正文（Markdown 格式）
**新增 readarticlesbatch 工具**：批量读取多篇文章（最多 5 篇，自动限速）
推荐工作流：search_news(query="关键词", include_url=True) → read_article(url=...) 读取正文
文档更新：README-MCP-FAQ.md 和 README-MCP-FAQ-EN.md 新增 Q19-Q20 文章读取相关说明

2026/01/10 - mcp-v3.0.0~v3.1.5

Breaking Change：所有工具返回值统一为 {success, summary, data, error} 结构
异步一致性：所有 21 个工具函数使用 asyncio.to_thread() 包装同步调用
MCP Resources：新增 4 个资源（platforms、rss-feeds、available-dates、keywords）
RSS 增强：get_latest_rss 支持多日查询（days 参数），跨日期 URL 去重
正则匹配修复：get_trending_topics 支持 /pattern/ 正则语法和 display_name
缓存优化：新增 make_cache_key() 函数，参数排序+MD5 哈希确保一致性
**新增 check_version 工具**：支持同时检查 TrendRadar 和 MCP Server 版本更新

2026/01/23 - v5.4.0

增加 AI 分析模式的独立控制功能，可选 follow_report | daily | current | incremental
新增 AI 分析时间窗口控制，支持自定义运行段及每日频次限制
增加配置文件版本管理功能
修复若干bug

2026/01/19 - v5.3.0

重大重构：AI 模块迁移至 LiteLLM

统一 AI 接口：使用 LiteLLM 替代手动实现，支持 100+ AI 提供商
简化配置：移除 provider 字段，改用 model: "provider/model_name" 格式
新增功能：自动重试 (num_retries)、备用模型 (fallback_models)
配置变更：

- ai.provider → 移除（已合并到 model）

- ai.base_url → ai.api_base

- AI_PROVIDER 环境变量 → 移除

- AI_BASE_URL 环境变量 → AI_API_BASE

模型格式示例：

- DeepSeek: deepseek/deepseek-chat

- OpenAI: openai/gpt-4o

- Gemini: gemini/gemini-2.5-flash

- Anthropic: anthropic/claude-3-5-sonnet

2026/01/17 - v5.2.0

主要见 config.yaml 描述

🌐 AI 翻译功能

多语言翻译：支持将推送内容翻译为任意语言
批量翻译：智能批量处理，减少 API 调用次数
自定义提示词：支持自定义翻译风格

🔧 配置架构优化

AI 模型配置独立：分析和翻译共享模型配置
区域开关统一：统一管理推送区域显示
区域排序自定义：支持自定义各区域的显示顺序

✨ AI 分析增强

AI 分析嵌入 HTML：分析结果直接嵌入 HTML 报告，邮件通知直接使用
富样式 AI 区块：渐变蓝色背景卡片式布局，清晰分隔各分析维度
排名时间线支持：AI 可获取每条新闻在每个抓取时间点的精确排名
板块重组 (7→4)：整合为核心热点态势、舆论风向争议、异动与弱信号、研判策略建议

🔧 多模型适配

通用参数透传：支持向 API 透传任意高级参数
Gemini 适配：原生参数支持，内置安全策略放宽

🐛 Bug 修复

修复若干已知问题，提升系统稳定性

2026/01/10 - v5.0.0

开发小插曲：

致敬那个陪伴我两年多、却在刚续费后反手弹出 "This organization has been disabled" 的某 C 厂模型

✨ 推送内容"五大板块"重构

本次更新对推送消息进行了区域化重构，现在推送内容清晰地划分为五大核心板块：

📊 热榜新闻：根据你的关键词精准筛选后的全网热点聚合。
📰 RSS 订阅：你的个性化订阅源内容，支持按关键词分组。
🆕 本次新增：实时捕捉自上次运行以来的全新热点（带 🆕 标记）。
📋 独立展示区：指定平台的完整热榜或 RSS 源展示，完全不受关键词过滤限制。
✨ AI 分析板块：由 AI 驱动的深度洞察，包含趋势概述、热度走势及极其重要的情感倾向分析。

✨ AI 智能分析推送功能

AI 分析集成：使用 AI 大模型对推送内容进行深度分析，自动生成热点趋势概述、关键词热度分析、跨平台关联、潜在影响评估等
情感倾向分析：新增深度情感识别，精准捕捉舆论的正负面、争议或担忧情绪
多 AI 提供商支持：支持 DeepSeek（默认，性价比高）、OpenAI、Google Gemini 及任意 OpenAI 兼容接口
两种推送模式：only_analysis（仅 AI 分析）、both（两者都推送）
自定义提示词：通过 config/ai_analysis_prompt.txt 文件自定义 AI 分析角色和输出格式
多维度数据分析：AI 可分析排名变化、热度持续时间、跨平台表现、趋势预测等

📋 独立展示区功能

完整热榜展示：指定平台的完整热榜单独展示，不受关键词过滤影响
RSS 独立展示：RSS 源内容可完整展示，适合内容较少的订阅源
灵活配置：支持配置展示平台列表、RSS 源列表、最大展示条数

📊 推送体验重构

排版升级：重新设计并统一各渠道统计头部，强化区块组织，消息层次一目了然
配置简化：优化飞书等通知渠道的配置逻辑，上手更简单
热度趋势箭头：新增 🔺(上升)、🔻(下降)、➖(持平) 趋势标识，直观展示热度变化
通用 Webhook：支持自定义 Webhook URL 和 JSON 模板，轻松适配 Discord、Matrix、IFTTT 等任意平台

🔧 配置优化

频率词配置增强：新增 [组别名] 语法，支持 # 注释行，配置更清晰（感谢 @songge8 提出的建议）
环境变量支持：AI 分析相关配置支持环境变量覆盖（AI_API_KEY、AI_PROVIDER 等）

💡 详细配置教程见让 AI 帮我分析热点

2026/01/02 - v4.7.0

修复 RSS HTML 显示：修复 RSS 数据格式不匹配导致的渲染问题，现在按关键词分组正确显示
新增正则表达式语法：关键词配置支持 /pattern/ 正则语法，解决英文子字符串误匹配问题（如 ai 匹配 training）📖 查看语法详解
新增显示名称语法：使用 => 备注 给复杂的正则表达式起个好记的名字，推送消息显示更清晰（如 /\bai\b/ => AI相关）
不会写正则？ README 新增 AI 生成正则的引导，告诉 ChatGPT/Gemini/DeepSeek 你想匹配什么，让 AI 帮你写

2025/12/30 - mcp-v2.0.0

架构调整：移除 TXT 支持，统一使用 SQLite 数据库
RSS 查询：新增 get_latest_rss、search_rss、get_rss_feeds_status
统一搜索：search_news 支持 include_rss 参数同时搜索热榜和 RSS

2026/01/01 - v4.6.0

修复 RSS HTML 显示：将 RSS 内容合并到热榜 HTML 页面，按源分组显示
**新增 display_mode 配置**：支持 keyword（按关键词分组）和 platform（按平台分组）两种显示模式

2025/12/30 - v4.5.0

RSS 订阅源支持：新增 RSS/Atom 抓取，按关键词分组统计（与热榜格式一致）
存储结构重构：扁平化目录结构 output/{type}/{date}.db
统一排序配置：sort_by_position_first 同时影响热榜和 RSS
配置结构重构：config.yaml 重新组织为 7 个逻辑分组（app、report、notification、storage、platforms、rss、advanced），配置路径更清晰

2025/12/26 - mcp-v1.2.0

MCP 模块更新 - 优化工具集，新增聚合对比功能，合并冗余工具:

- 新增 aggregate_news 工具 - 跨平台新闻去重聚合

- 新增 compare_periods 工具 - 时期对比分析（周环比/月环比）

- 合并 find_similar_news + search_related_news_history → find_related_news

- 增强 get_trending_topics - 新增 auto_extract 模式自动提取热点

- 修复若干bug

- 同步更新 README-MCP-FAQ.md 文档的中英文版 (Q1-Q18)

2025/12/20 - v4.0.3

新增 URL 标准化功能，解决微博等平台因动态参数（如 band_rank）导致的重复推送问题
修复增量模式检测逻辑，正确识别历史标题

2025/12/17 - v4.0.1

StorageManager 添加推送记录代理方法
S3 客户端切换至 virtual-hosted style 以提升兼容性（支持腾讯云 COS 等更多服务）

2025/12/13 - mcp-v1.1.0

MCP 模块更新:

- 适配 v4.0.0，同时也兼容 v3.x 的数据

- 新增存储同步工具：sync_from_remote、get_storage_status、list_available_dates

2025/12/13 - v4.0.0

🎉 重大更新：全面重构存储和核心架构

多存储后端支持：引入全新的存储模块，支持本地 SQLite 和远程云存储（S3 兼容协议，例如 Cloudflare R2），适应 GitHub Actions、Docker 和本地环境。
数据库结构优化：重构 SQLite 数据库表结构，提升数据效率和查询能力。
核心代码模块化：将主程序逻辑拆分为 trendradar 包的多个模块，显著提升代码可维护性。
增强功能：实现日期格式标准化、数据保留策略、时区配置支持、时间显示优化，并修复远程存储数据持久化问题，确保数据合并的准确性。
清理和兼容：移除了大部分历史兼容代码，统一了数据存储和读取方式。

2025/12/03 - v3.5.0

🎉 核心功能增强

多账号推送支持

- 所有推送渠道（飞书、钉钉、企业微信、Telegram、ntfy、Bark、Slack）支持多账号配置

- 使用分号 ; 分隔多个账号，例如：FEISHU_WEBHOOK_URL=url1;url2

- 自动验证配对配置（如 Telegram 的 token 和 chat_id）数量一致性

推送区域配置

- 通过 display.region_order 自定义各区域的显示顺序（v5.2.0 替代原 reverse_content_order）

- 通过 display.regions 控制各区域是否显示（热榜、新增热点、RSS、独立展示区、AI 分析）

全局过滤关键词

- 新增 [GLOBAL_FILTER] 区域标记，支持全局过滤不想看到的内容

- 适用场景：过滤广告、营销、低质内容等

🐳 Docker 双路径 HTML 生成优化

问题修复：解决 Docker 环境下 index.html 无法同步到宿主机的问题
双路径生成：当日汇总 HTML 同时生成到两个位置

- index.html（项目根目录）：供 GitHub Pages 访问

- output/index.html：通过 Docker Volume 挂载，宿主机可直接访问

兼容性：确保 Docker、GitHub Actions、本地运行环境均能正常访问网页版报告

🐳 Docker MCP 镜像支持

新增独立的 MCP 服务镜像 wantcat/trendradar-mcp
支持 Docker 部署 AI 分析功能，通过 HTTP 接口（端口 3333）提供服务
双容器架构：新闻推送服务与 MCP 服务独立运行，可分别扩展和重启
详见 Docker 部署 - MCP 服务

🌐 Web 服务器支持

新增内置 Web 服务器，支持通过浏览器访问生成的报告
通过 manage.py 命令控制启动/停止：docker exec -it trendradar python manage.py start_webserver
访问地址：http://localhost:8080（端口可配置）
安全特性：静态文件服务、目录限制、本地访问
支持自动启动和手动控制两种模式

📖 文档优化

新增推送内容怎么显示？章节：自定义推送样式和内容
新增什么时候给我推送？章节：设置推送时间段
新增多久运行一次？章节：设置自动运行频率
新增推送到多个群/设备章节：同时推送给多个接收者
优化各配置章节：统一添加"配置位置"说明
简化快速开始配置说明：三个核心文件一目了然
优化 Docker 部署章节：新增镜像说明、推荐 git clone 部署、重组部署方式

🔧 升级说明：

GitHub Fork 用户：更新 main.py、config/config.yaml（新增多账号推送支持，无需修改现有配置）
多账号推送：新功能，默认不启用，现有单账号配置不受影响

2025/11/26 - mcp-v1.0.3

MCP 模块更新:

- 新增日期解析工具 resolvedaterange,解决 AI 模型计算日期不一致的问题

- 支持自然语言日期表达式解析(本周、最近7天、上月等)

- 工具总数从 13 个增加到 14 个

2025/11/28 - v3.4.1

🔧 格式优化

Bark 推送增强

- Bark 现支持 Markdown 渲染

- 启用原生 Markdown 格式：粗体、链接、列表、代码块等

- 移除纯文本转换，充分利用 Bark 原生渲染能力

Slack 格式精准化

- 使用专用 mrkdwn 格式处理分批内容

- 提升字节大小估算准确性（避免消息超限）

- 优化链接格式：<url|text> 和加粗语法：*text*

性能提升

- 格式转换在分批过程中完成，避免二次处理

- 准确估算消息大小，减少发送失败率

🔧 升级说明：

GitHub Fork 用户：更新 main.py，config.yaml

2025/11/25 - v3.4.0

🎉 新增 Slack 推送支持

团队协作推送渠道

- 支持 Slack Incoming Webhooks（全球流行的团队协作工具）

- 消息集中管理，适合团队共享热点资讯

- 支持 mrkdwn 格式（粗体、链接等）

多种部署方式

- GitHub Actions：配置 SLACK_WEBHOOK_URL Secret

- Docker：环境变量 SLACK_WEBHOOK_URL

- 本地运行：config/config.yaml 配置文件

📖 详细配置教程：快速开始 - Slack 推送

优化 setup-windows.bat 和 setup-windows-en.bat 一键安装 MCP 的体验

🔧 升级说明：

GitHub Fork 用户：更新 main.py、config/config.yaml、.github/workflows/crawler.yml

2025/11/24 - v3.3.0

🎉 新增 Bark 推送支持

iOS 专属推送渠道

- 支持 Bark 推送（基于 APNs，iOS 平台）

- 免费开源，简洁高效，无广告干扰

- 支持官方服务器和自建服务器两种方式

多种部署方式

- GitHub Actions：配置 BARK_URL Secret

- Docker：环境变量 BARK_URL

- 本地运行：config/config.yaml 配置文件

📖 详细配置教程：快速开始 - Bark 推送

🐛 Bug 修复

修复 config.yaml 中 ntfy_server_url 配置不生效的问题 (#345)

🔧 升级说明：

GitHub Fork 用户：更新 main.py、config/config.yaml、.github/workflows/crawler.yml

2025/11/23 - v3.2.0

🎯 新增高级定制功能

关键词排序优先级配置

- 支持两种排序策略：热度优先 vs 配置顺序优先

- 满足不同使用场景：热点追踪 or 个性化关注

显示数量精准控制

- 全局配置：统一限制所有关键词显示数量

- 单独配置：使用 @数字 语法为特定关键词设置限制

- 有效控制推送长度，突出重点内容

📖 详细配置教程：关键词配置 - 高级配置

🔧 升级说明：

GitHub Fork 用户：更新 main.py、config/config.yaml

2025/11/18 - mcp-v1.0.2

MCP 模块更新:

- 优化查询今日新闻却可能错误返回过去日期的情况

2025/11/22 - v3.1.1

修复数据异常导致的崩溃问题：解决部分用户在 GitHub Actions 环境中遇到的 'float' object has no attribute 'lower' 错误
新增双重防护机制：在数据获取阶段过滤无效标题（None、float、空字符串），同时在函数调用处添加类型检查
提升系统稳定性，确保在数据源返回异常格式时仍能正常运行

升级说明（GitHub Fork 用户）：

必须更新：main.py
建议使用小版本升级方式：复制替换上述文件

2025/11/20 - v3.1.0

新增个人微信推送支持：企业微信应用可推送到个人微信，无需安装企业微信 APP
支持两种消息格式：markdown（企业微信群机器人）和 text（个人微信应用）
新增 WEWORK_MSG_TYPE 环境变量配置，支持 GitHub Actions、Docker、docker compose 等多种部署方式
text 模式自动清除 Markdown 语法，提供纯文本推送效果
详见快速开始中的「个人微信推送」配置说明

升级说明（GitHub Fork 用户）：

必须更新：main.py、config/config.yaml
可选更新：.github/workflows/crawler.yml（如使用 GitHub Actions 部署）
建议使用小版本升级方式：复制替换上述文件

2025/11/12 - v3.0.5

修复邮件发送 SSL/TLS 端口配置逻辑错误
优化邮箱服务商（QQ/163/126）默认使用 465 端口（SSL）
新增 Docker 环境变量支持：核心配置项（enable_crawler、report_mode、push_window 等）支持通过环境变量覆盖，解决 NAS 用户修改配置文件不生效的问题（详见 🐳 Docker 部署章节）

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

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17种智能分析工具：基础查询、智能检索、高级分析、RSS 查询、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:

docker 的 shell 脚本的换行符为 CRLF 导致的执行异常问题
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，优先选择企业微信或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 FOCUSNEWONLY)，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和 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~

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！

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
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

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 "FEISHUSHOWVERSION_UPDATE": True 中的 True 改成 False 即可

2025/06/13+14

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）
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

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

plaintext

+唐僧
+猪八戒

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

plaintext

+唐僧
!唐僧念经

2025/06/02

网页和飞书消息支持手机直接跳转详情新闻
优化显示效果 + 1

2025/05/26

飞书消息显示效果优化

<table>

<tr>

优化前

</td>

优化后

</td>

</tr>

</table>

</details>

✨ 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：

| 模式 | 适用场景 | 推送特点 |

|------|---------|---------|

| 当日汇总 (daily) | 企业管理者/普通用户 | 按时推送当日所有匹配新闻（会包含之前推送过的） |

| 当前榜单 (current) | 自媒体人/内容创作者 | 按时推送当前榜单匹配新闻（持续在榜的每次都出现） |

| 增量监控 (incremental) | 投资者/交易员 | 仅推送新增内容，零重复 |

💡 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）：

| 功能 | 说明 | 默认 |

|------|------|------|

| 调度系统 | 按周一到周日逐日编排：为每天分配不同时间段、推送模式和 AI 分析策略。每个时段可独立设置筛选方式（关键词/AI）和关注方向，实现不同时间看不同类型新闻。内置 5 种预设（alwayson / morningevening / officehours / nightowl / custom），也可自定义。支持工作日/周末差异化、跨午夜时段、per-period 去重、时段冲突检测（v6.0.0 + v6.5.0） | morning_evening |

| 内容顺序配置 | 通过 display.region_order 调整各区域（热榜、新增热点、RSS、独立展示区、AI 分析）的显示顺序；通过 display.regions 控制各区域是否显示（v5.2.0） | 见配置文件 |

| 显示模式切换 | keyword=按关键词分组，platform=按平台分组（v4.6.0 新增） | keyword |

💡 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

yaml

# 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

yaml

# 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：

| Name（名称） | Secret（值） |

|:---|:---|

| CLOUDFLARE_API_TOKEN | 上一步创建的 API Token |

| CLOUDFLARE_ACCOUNT_ID | 你的 Cloudflare Account ID |

| CLOUDFLARE_PROJECT_NAME | Cloudflare Pages 项目名（如 trendradar） |

配置完成后，下一次 GitHub Actions 运行即会自动部署，访问地址为 https://<项目名>.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

| 网页效果(邮箱推送效果) | 飞书推送效果 | AI 分析推送效果 |

|:---:|:---:|:---:|

| 网页效果 | 飞书推送效果 | AI分析推送效果 |

🚀 快速开始

提醒：建议先 [查看最新官方文档](https://github.com/sansan0/TrendRadar?tab=readme-ov-file)，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）

```bash

# 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

```bash

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）

<summary>👉 点击展开：企业微信机器人（配置最简单最迅速）</summary>

GitHub Secret 配置（⚠️ Name 名称必须严格一致）：

- Name（名称）：WEWORK_WEBHOOK_URL（请复制粘贴此名称，不要手打，避免打错）

- Secret（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

</details>

<summary>👉 点击展开：个人微信推送（基于企业微信应用，推送到个人微信）</summary>

> 由于该方案是基于企业微信的插件机制，推送样式为纯文本（无 markdown 格式），但可以直接推送到个人微信，无需安装企业微信 App。

GitHub Secret 配置（⚠️ Name 名称必须严格一致）：

- Name（名称）：WEWORK_WEBHOOK_URL（请复制粘贴此名称，不要手打）

- Secret（值）：你的企业微信应用 Webhook 地址

- Name（名称）：WEWORK_MSG_TYPE（请复制粘贴此名称，不要手打）

- Secret（值）：text

设置步骤：

1. 完成上方的企业微信机器人 Webhook 设置

2. 添加 WEWORK_MSG_TYPE Secret，值设为 text

3. 按照下面图片操作，关联个人微信

4. 配置好后，手机上的企业微信 App 可以删除

说明：

- 与企业微信机器人使用相同的 Webhook 地址

- 区别在于消息格式：text 为纯文本，markdown 为富文本（默认）

- 纯文本格式会自动去除所有 markdown 语法（粗体、链接等）

</details>

<summary>👉 点击展开：飞书机器人（消息显示相对友好）</summary>

> 注意：原「飞书机器人助手 (BotBuilder)」将于 2026 年 6 月 30 日下线，请使用下方的群组自定义机器人方式配置。已有的 BotBuilder webhook 地址将失效，需要重新配置。

若启用 AI 分析，飞书推送偶发（约 5% 概率）会有数分钟延迟（推测为平台对 AI 生成内容的合规性审核）。

GitHub Secret 配置（⚠️ Name 名称必须严格一致）：

- Name（名称）：FEISHU_WEBHOOK_URL（请复制粘贴此名称，不要手打）

- Secret（值）：你的飞书自定义机器人 Webhook 地址（格式：https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxxxxx）

配置步骤：

1. 进入目标群组，在群组右上角点击更多按钮，并点击设置。

进入群设置

2. 在右侧设置界面，点击 群机器人。

点击群机器人

3. 在 群机器人 界面点击 添加机器人。

4. 在 添加机器人 对话框，找到并点击 自定义机器人。

选择自定义机器人

5. 设置自定义机器人的头像、名称（如"TrendRadar 热点监控"）与描述，并点击添加。

设置机器人信息

6. 获取自定义机器人的 webhook 地址，并点击完成。

> ⚠️ 请妥善保存此 webhook 地址，不要公布在 GitHub、博客等可公开查阅的网站上，避免地址泄露后被恶意调用发送垃圾消息。

复制 webhook 地址

7. 将复制的 Webhook 地址配置到 GitHub Secrets 中的 FEISHU_WEBHOOK_URL。

> 💡 配置完成后，你可以在群组名称右侧点击机器人图片，进入自定义机器人详情页，管理配置信息。

> 📖 官方文档：自定义机器人使用指南

</details>

<summary>👉 点击展开：钉钉机器人</summary>

GitHub Secret 配置（⚠️ Name 名称必须严格一致）：

- Name（名称）：DINGTALK_WEBHOOK_URL（请复制粘贴此名称，不要手打）

- Secret（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。

</details>

<summary>👉 点击展开：Telegram Bot</summary>

GitHub Secret 配置（⚠️ Name 名称必须严格一致）：

- Name（名称）：TELEGRAM_BOT_TOKEN（请复制粘贴此名称，不要手打）

- Secret（值）：你的 Telegram Bot Token

- Name（名称）：TELEGRAM_CHAT_ID（请复制粘贴此名称，不要手打）

- Secret（值）：你的 Telegram Chat ID

说明：Telegram 需要配置两个 Secret，请分别点击两次"New repository secret"按钮添加

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

</details>

<summary>👉 点击展开：邮件推送（支持所有主流邮箱）</summary>

- 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。

- 如果你没有过配置下面这种邮箱发送的经历，不建议尝试

> ⚠️ 重要配置依赖：邮件推送需要 HTML 报告文件。请确保 config/config.yaml 中的 storage.formats.html 设置为 true：

> ```yaml

> storage:

> formats:

> sqlite: true

> txt: false

> html: true # 必须启用，否则邮件推送会失败

> ```

> 如果设置为 false，邮件推送时会报错：错误：HTML文件不存在或未提供: None

GitHub Secret 配置（⚠️ Name 名称必须严格一致）：

- Name（名称）：EMAIL_FROM（请复制粘贴此名称，不要手打）

- Secret（值）：发件人邮箱地址

- Name（名称）：EMAIL_PASSWORD（请复制粘贴此名称，不要手打）

- Secret（值）：邮箱密码或授权码

- Name（名称）：EMAIL_TO（请复制粘贴此名称，不要手打）

- Secret（值）：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）

- Name（名称）：EMAIL_SMTP_SERVER（可选配置，请复制粘贴此名称）

- Secret（值）：SMTP服务器地址（可留空，系统会自动识别）

- Name（名称）：EMAIL_SMTP_PORT（可选配置，请复制粘贴此名称）

- Secret（值）：SMTP端口（可留空，系统会自动识别）

说明：邮件推送需要配置至少3个必需 Secret（EMAILFROM、EMAILPASSWORD、EMAIL_TO），后两个为可选配置

支持的邮箱服务商（自动识别 SMTP 配置）：

|-----------|------|------------|------|---------|

| 163邮箱 | 163.com | smtp.163.com | 465 | SSL |

| 126邮箱 | 126.com | smtp.126.com | 465 | SSL |

| 天翼邮箱 | 189.cn | smtp.189.cn | 465 | SSL |

> 自动识别：使用以上邮箱时，无需手动配置 EMAIL_SMTP_SERVER 和 EMAIL_SMTP_PORT，系统会自动识别。

> 反馈说明：

> - 如果你使用其他邮箱测试成功，欢迎开 Issues 告知，我会添加到支持列表

> - 如果上述邮箱配置有误或无法使用，也请开 Issues 反馈，帮助改进项目

> 特别感谢：

> - 感谢 @DYZYD 贡献天翼邮箱（189.cn）配置并完成自发自收测试 (#291)

> - 感谢 @longzhenren 贡献阿里云邮箱（aliyun.com）配置并完成测试 (#344)

> - 感谢 @ACANX 贡献 Yandex 邮箱（yandex.com）配置并完成测试 (#663)

> - 感谢 @Sleepy-Tianhao 贡献 iCloud 邮箱（icloud.com）配置并完成测试 (#728)

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）

如果有多个收件人(注意是英文逗号分隔)：

- EMAIL_TO="user1@example.com,user2@example.com,user3@example.com"

</details>

<summary>👉 点击展开：ntfy 推送（开源免费，支持自托管）</summary>

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：

- Android：Google Play / F-Droid

- iOS：App Store

- 桌面：访问 ntfy.sh

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（⚠️ Name 名称必须严格一致）：

- Name（名称）：NTFY_TOPIC（请复制粘贴此名称，不要手打）

- Secret（值）：填写你刚才订阅的主题名称

- Name（名称）：NTFY_SERVER_URL（可选配置，请复制粘贴此名称）

- Secret（值）：留空（默认使用 ntfy.sh）

- Name（名称）：NTFY_TOKEN（可选配置，请复制粘贴此名称）

- Secret（值）：留空

说明：ntfy 至少需要配置 1 个必需 Secret (NTFY_TOPIC)，后两个为可选配置

4. 测试：

```bash

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：

```bash

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：

```yaml

NTFYSERVERURL: https://ntfy.yourdomain.com

NTFY_TOPIC: trendradar-alerts # 自托管可用简单名称

NTFYTOKEN: tkyour_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：

<summary>Q1: 免费版够用吗？</summary>

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。

</details>

<summary>Q2: Topic 名称真的安全吗？</summary>

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）

</details>

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：

- ntfy 官方文档

- 自托管教程

- GitHub 仓库

</details>

GitHub Secret 配置（⚠️ Name 名称必须严格一致）：

- Name（名称）：BARK_URL（请复制粘贴此名称，不要手打）

- Secret（值）：你的 Bark 推送 URL

Bark 简介：

Bark 是一款 iOS 平台的免费开源推送工具，特点是简单、快速、无广告。

使用方式：

### 方式一：使用官方服务器（推荐新手） 🆓

1. 下载 Bark App：

- iOS：App Store

2. 获取推送 URL：

- 打开 Bark App

- 复制首页显示的推送 URL（格式如：https://api.day.app/your_device_key）

- 将 URL 配置到 GitHub Secrets 中的 BARK_URL

### 方式二：自建服务器（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

Docker 一键部署：

```bash

docker run -d \

--name bark-server \

-p 8080:8080 \

finab/bark-server

```

配置 TrendRadar：

```yaml

BARKURL: http://your-server-ip:8080/yourdevice_key

```

注意事项：

- ✅ Bark 使用 APNs 推送，单条消息最大 4KB

- ✅ 支持自动分批推送，无需担心消息过长

- ✅ 推送格式为纯文本（自动去除 Markdown 语法）

- ⚠️ 仅支持 iOS 平台

相关链接：

- Bark 官方网站

- Bark GitHub 仓库

- Bark Server 自建教程

</details>

<summary>👉 点击展开：Slack 推送</summary>

GitHub Secret 配置（⚠️ Name 名称必须严格一致）：

- Name（名称）：SLACK_WEBHOOK_URL（请复制粘贴此名称，不要手打）

- Secret（值）：你的 Slack Incoming Webhook URL

Slack 简介：

Slack 是团队协作工具，Incoming Webhooks 可以将消息推送到 Slack 频道。

设置步骤：

### 步骤 1：创建 Slack App

1. 访问 Slack API 页面：

- 打开 https://api.slack.com/apps?new_app=1

- 如果未登录，先登录你的 Slack 工作空间

2. 选择创建方式：

- 点击 "From scratch"（从头开始创建）

3. 填写 App 信息：

- App Name：填写应用名称（如 TrendRadar 或 热点新闻监控）

- Workspace：从下拉列表选择你的工作空间

- 点击 "Create App" 按钮

### 步骤 2：启用 Incoming Webhooks

1. 导航到 Incoming Webhooks：

- 在左侧菜单中找到并点击 "Incoming Webhooks"

2. 启用功能：

- 找到 "Activate Incoming Webhooks" 开关

- 将开关从 OFF 切换到 ON

- 页面会自动刷新显示新的配置选项

### 步骤 3：生成 Webhook URL

1. 添加新的 Webhook：

- 滚动到页面底部

- 点击 "Add New Webhook to Workspace" 按钮

2. 选择目标频道：

- 系统会弹出授权页面

- 从下拉列表中选择要接收消息的频道（如 #热点新闻）

- ⚠️ 如果要选择私有频道，必须先加入该频道

3. 授权应用：

- 点击 "Allow" 按钮完成授权

- 系统会自动跳转回配置页面

### 步骤 4：复制并保存 Webhook URL

1. 查看生成的 URL：

- 在 "Webhook URLs for Your Workspace" 区域

- 会看到刚刚生成的 Webhook URL

- 格式如：https://hooks.slack.com/services/T00000000/B00000000/XXXXXXXXXXXXXXXXXXXXXXXX

2. 复制 URL：

- 点击 URL 右侧的 "Copy" 按钮

- 或手动选中 URL 并复制

3. 配置到 TrendRadar：

- GitHub Actions：将 URL 添加到 GitHub Secrets 中的 SLACK_WEBHOOK_URL

- 本地测试：将 URL 填入 config/config.yaml 的 slack_webhook_url 字段

- Docker 部署：将 URL 添加到 docker/.env 文件的 SLACK_WEBHOOK_URL 变量

注意事项：

- ✅ 支持 Markdown 格式（自动转换为 Slack mrkdwn）

- ✅ 支持自动分批推送（每批 4KB）

- ✅ 适合团队协作，消息集中管理

- ⚠️ Webhook URL 包含密钥，切勿公开

消息格式预览：

```

[第 1/2 批次]

📊 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)

```

相关链接：

- Slack Incoming Webhooks 官方文档

- Slack API 应用管理

</details>

<summary>👉 点击展开：通用 Webhook 推送（支持 Discord、Matrix、IFTTT 等）</summary>

GitHub Secret 配置（⚠️ Name 名称必须严格一致）：

- Name（名称）：GENERIC_WEBHOOK_URL（请复制粘贴此名称，不要手打）

- Secret（值）：你的 Webhook URL

- Name（名称）：GENERIC_WEBHOOK_TEMPLATE（可选配置，请复制粘贴此名称）

- Secret（值）：JSON 模板字符串，支持 {title} 和 {content} 占位符

通用 Webhook 简介：

通用 Webhook 支持任意接受 HTTP POST 请求的平台，包括但不限于：

- Discord：通过 Webhook 推送到频道

- Matrix：通过 Webhook 桥接推送

- IFTTT：触发自动化流程

- 自建服务：任何支持 Webhook 的自定义服务

配置示例：

### Discord 配置

1. 获取 Webhook URL：

- 进入 Discord 服务器设置 → 整合 → Webhooks

- 创建新 Webhook，复制 URL

2. 配置模板：

```json

{"content": "{content}"}

```

3. GitHub Secret 配置：

- GENERIC_WEBHOOK_URL：Discord Webhook URL

- GENERIC_WEBHOOK_TEMPLATE：{"content": "{content}"}

### 自定义模板

模板支持两个占位符：

- {title} - 消息标题

- {content} - 消息内容

模板示例：

```json

# 默认格式（留空时使用）

{"title": "{title}", "content": "{content}"}

# Discord 格式

{"content": "{content}"}

# 自定义格式

{"text": "{content}", "username": "TrendRadar"}

```

注意事项：

- ✅ 支持 Markdown 格式（与企业微信格式一致）

- ✅ 支持自动分批推送

- ✅ 支持多账号配置（用 ; 分隔）

- ⚠️ 模板必须是有效的 JSON 格式

- ⚠️ 不同平台对消息格式要求不同，请参考目标平台文档

</details>

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：

| 文件 | 作用 |

|------|------|

| config/config.yaml | 主配置文件：推送模式、时间窗口、平台列表、热点权重等 |

| config/frequency_words.txt | 关键词文件：设置你关心的词汇，筛选推送内容 |

| config/ai_analysis_prompt.txt | AI 提示词模板：自定义 AI 分析师的角色和分析维度 |

| .github/workflows/crawler.yml | 执行频率：控制多久运行一次（⚠️ 谨慎修改） |

👉 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。

<summary>👉 点击展开：远程云存储配置教程（以 Cloudflare R2 为例）</summary>

⚠️ 前置条件（重要）：

根据 Cloudflare 平台规则，开通 R2 需绑定支付方式。

目的：仅作身份验证（Verify Only），不产生扣费*。

支付*：支持双币信用卡或国区 PayPal。

用量*：R2 的免费额度（10GB存储/月）足以覆盖本项目日常运行，无需担心付费。

GitHub Secret 配置（需添加 4 项）：

| Name（名称） | Secret（值）说明 |

|-------------|-----------------|

| S3_BUCKET_NAME | 存储桶名称（如 trendradar-data） |

| S3_ACCESS_KEY_ID | 访问密钥 ID（Access Key ID） |

| S3_SECRET_ACCESS_KEY | 访问密钥（Secret Access Key） |

| S3_ENDPOINT_URL | S3 API 端点（如 R2：https://<account-id>.r2.cloudflarestorage.com） |

可选配置：

| Name（名称） | Secret（值）说明 |

|-------------|-----------------|

| S3_REGION | 区域（默认 auto，部分服务商可能需要指定） |

> 💡 更多存储配置选项：参见数据保存在哪里？

详细操作步骤（获取凭据）：

1. 进入 R2 概览：

- 登录 Cloudflare Dashboard。

- 在左侧侧边栏找到并点击 R2对象存储。

2. 创建存储桶：

- 点击概述

- 点击右上角的 创建存储桶 (Create bucket)。

- 输入名称（例如 trendradar-data），点击 创建存储桶。

3. 创建 API 令牌：

- 回到概述页面。

- 点击右下角 Account Details 找到并点击 Manage (Manage R2 API Tokens)。

- 同时你会看到 S3 API：https://<account-id>.r2.cloudflarestorage.com(这就是 S3ENDPOINTURL)

- 点击 创建 Account APl 令牌 。

- ⚠️ 关键设置：

- 令牌名称：随意填写（如 github-action-write）。

- 权限：选择 管理员读和写 。

- 指定存储桶：为了安全，建议选择 仅适用于指定存储桶 并选中你的桶（如 trendradar-data）。

- 点击 创建 API 令牌，立即复制 显示的 Access Key ID 和 Secret Access Key（只显示一次！）。

</details>

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](#-支持项目)」，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：

| 特性 | ✨ AI 分析推送 | 🧠 AI 智能分析 |

| :--- | :--- | :--- |

| 模式 | 被动接收 (每日日报) | 主动对话 (深度调研) |

| 场景 | "今天有什么大事？" | "分析一下过去一周 AI 行业的变化" |

| 部署 | 极简 (填 Key 即可) | 进阶 (需本地运行/Docker) |

| 客户端 | 手机 | 电脑 |

👉 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](#-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？

<summary>👉 点击展开：选择资讯来源</summary>

配置位置： config/config.yaml 的 platforms 部分

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：

yaml

platforms:
  enabled: true                       # 是否启用热榜平台抓取
  sources:
    - 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...

💡 快捷方式：如果不会看源代码，可以复制他人整理好的平台配置汇总

⚠️ 注意：平台不是越多越好，建议选择 10-15 个核心平台。过多平台会导致信息过载，反而降低使用体验。

</details>

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。

| 语法类型 | 符号 | 作用 | 示例 | 匹配逻辑 |

|---------|------|------|------|---------|

| 普通词 | 无 | 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 |

2.1 基础语法

<summary>👉 点击展开：基础语法教程</summary>

配置位置： config/frequency_words.txt

1. 普通关键词 - 基础匹配

txt

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

txt

华为
OPPO
+手机

作用： 必须同时包含普通词和必须词才会被捕获

3. 过滤词 `!词汇` - 排除干扰

txt

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

4. 数量限制 `@数字` - 控制显示数量（v3.2.0 新增）

txt

特斯拉
马斯克
@5

作用： 限制该关键词组最多显示的新闻条数

配置优先级： @数字 > 全局配置 > 不限制

5. 全局过滤 `[GLOBAL_FILTER]` - 全局排除指定内容（v3.5.0 新增）

txt

[GLOBAL_FILTER]
广告
推广
营销
震惊
标题党

[WORD_GROUPS]
科技
AI

华为
鸿蒙
!车

作用： 在任何情况下过滤包含指定词的新闻，优先级最高

使用场景：

过滤低质内容：震惊、标题党、爆料等
过滤营销内容：广告、推广、赞助等
过滤特定主题：娱乐、八卦（根据需求）

过滤优先级： 全局过滤 > 词组内过滤(!) > 词组匹配

区域说明：

[GLOBAL_FILTER]：全局过滤区，包含的词在任何情况下都会被过滤
[WORD_GROUPS]：词组区，保持现有语法（!、+、@）
如果不使用区域标记，默认全部作为词组处理（向后兼容）

匹配示例：

txt

[GLOBAL_FILTER]
广告

[WORD_GROUPS]
科技
AI

❌ "广告：最新科技产品发布" ← 包含全局过滤词"广告"，直接拒绝
✅ "科技公司发布AI新产品" ← 不包含全局过滤词，匹配"科技"词组
✅ "AI技术突破引发关注" ← 不包含全局过滤词，匹配"科技"词组中的"AI"

注意事项：

全局过滤词应谨慎使用，避免过度过滤导致遗漏有价值内容
建议全局过滤词控制在 5-15 个以内
对于特定词组的过滤，优先使用词组内过滤词（! 前缀）

6. 正则表达式 `/pattern/` - 精确匹配模式（v4.7.0 新增）

普通关键词使用子字符串匹配，这在中文环境下很方便，但在英文环境可能会产生误匹配。例如 ai 会匹配到 training 中的 ai。

使用正则表达式语法 /pattern/ 可以实现精确匹配：

txt

/(?<![a-z])ai(?![a-z])/
人工智能

作用： 使用正则表达式进行匹配，支持所有 Python 正则语法

常用正则模式：

| 需求 | 正则写法 | 说明 |

|------|---------|------|

| 英文单词边界 | /\bword\b/ | 匹配独立单词，如 /\bai\b/ 匹配 "AI" 但不匹配 "training" |

| 前后非字母 | /(?<![a-z])ai(?![a-z])/ | 更宽松的边界，适合中英混合场景 |

| 开头匹配 | /^breaking/ | 只匹配以 "breaking" 开头的标题 |

| 结尾匹配 | /发布$/ | 只匹配以 "发布" 结尾的标题 |

| 多选一 | /苹果\|华为\|小米/ | 匹配其中任意一个（注意转义 \|） |

匹配示例：

txt

# 配置
/(?<![a-z])ai(?![a-z])/
人工智能

✅ "AI is the future" ← 匹配独立的 "AI"
✅ "你好ai这里" ← 前后是中文，匹配 "ai"
✅ "人工智能发展迅速" ← 匹配 "人工智能"
❌ "Resistance training is important" ← "training" 中的 "ai" 不匹配
❌ "The maid cleaned the room" ← "maid" 中的 "ai" 不匹配

组合使用：

txt

# 正则 + 普通词 + 过滤词
/\bai\b/
人工智能
机器学习
!广告

注意事项：

正则表达式自动启用大小写不敏感匹配（re.IGNORECASE）
支持 /pattern/i 等 JavaScript 风格写法（flags 会被忽略，因为默认已启用忽略大小写）
无效的正则语法会被当作普通词处理
正则可用于普通词、必须词(+)、过滤词(!)

💡 不会写正则？让 AI 帮你生成！

如果你不熟悉正则表达式，可以直接让 ChatGPT / Gemini / DeepSeek 帮你生成。只需告诉 AI：

我需要一个 Python 正则表达式，用于匹配英文单词 "ai"，但不匹配 "training" 中的 "ai"。

请直接给出正则表达式，格式为 /pattern/，不需要额外解释。

AI 会给你类似这样的结果：/(?<![a-zA-Z])ai(?![a-zA-Z])/

7. 显示名称 `=> 备注` - 自定义显示文本（v4.7.0 新增）

正则表达式在推送消息和 HTML 页面显示时可能不太友好。使用 => 备注 语法可以设置显示名称：

txt

/(?<![a-zA-Z])ai(?![a-zA-Z])/ => AI 相关
人工智能

作用： 推送消息和 HTML 页面显示 "AI 相关" 而不是复杂的正则表达式

语法格式：

txt

# 正则 + 显示名称
/pattern/ => 显示名称
/pattern/i => 显示名称    # 支持 flags 写法（flags 被忽略）
/pattern/=>显示名称       # => 两边空格可选

# 普通词 + 显示名称
deepseek => DeepSeek 动态

匹配示例：

txt

# 配置
/(?<![a-zA-Z])ai(?![a-zA-Z])/ => AI 相关
人工智能

| 原始配置 | 推送/HTML 显示 |

|---------|---------------|

| /(?<![a-z])ai(?![a-z])/ + 人工智能 | (?<![a-z])ai(?![a-z]) 人工智能 |

| /(?<![a-z])ai(?![a-z])/ => AI 相关 + 人工智能 | `AI 相关` |

注意事项：

显示名称只需写在词组的第一个词上
如果词组中多个词都有显示名称，使用第一个
不设置显示名称时，自动使用词组内所有词拼接

🔗 词组功能 - 空行分隔的重要作用

核心规则： 用空行分隔不同的词组，每个词组独立统计

示例配置：

txt

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：关注股市涨跌实况，排除预测类内容

匹配示例：

✅ "A股今日大幅涨跌分析" ← 有"A股"+"涨跌"
✅ "上证指数涨跌幅创新高" ← 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"

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：只关注比赛相关新闻

📝 配置技巧

1. 从宽到严

txt

# 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

txt

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

txt

华为
OPPO
+新品

苹果
三星
+发布

手机
销量
+市场

</details>

2.2 高级配置（v3.2.0 新增）

<summary>👉 点击展开：高级配置教程</summary>

关键词排序优先级

配置位置： config/config.yaml

yaml

report:
  sort_by_position_first: false  # 排序优先级配置

| 配置值 | 排序规则 | 适用场景 |

|--------|---------|---------|

| false（默认） | 热点条数 ↓ → 配置位置 ↑ | 关注热度趋势 |

| true | 配置位置 ↑ → 热点条数 ↓ | 关注个人优先级 |

示例： 配置顺序 A、B、C，热点数 A(3条)、B(10条)、C(5条)

false：B(10条) → C(5条) → A(3条)
true：A(3条) → B(10条) → C(5条)

全局显示数量限制

yaml

report:
  max_news_per_keyword: 10  # 每个关键词最多显示10条（0=不限制）

Docker 环境变量：

bash

SORT_BY_POSITION_FIRST=true
MAX_NEWS_PER_KEYWORD=10

综合示例：

yaml

# config.yaml
report:
  sort_by_position_first: true   # 按配置顺序优先
  max_news_per_keyword: 10       # 全局默认每个关键词最多10条

txt

# frequency_words.txt
特斯拉
马斯克
@20              # 重点关注，显示20条（覆盖全局配置）

华为            # 使用全局配置，显示10条

比亚迪
@5               # 限制5条

最终效果： 按配置顺序显示特斯拉(20条) → 华为(10条) → 比亚迪(5条)

</details>

3. 推送模式选哪个？

<summary>👉 点击展开：三种推送模式详细对比</summary>

配置位置： config/config.yaml 的 report.mode

yaml

report:
  mode: "daily"  # 可选: "daily" | "incremental" | "current"

详细对比表格

|------|----------|----------|----------|------------|

实际推送效果举例

假设你监控"苹果"关键词，每小时执行一次：

|-----|--------------|----------------|-------------------|

说明：

daily：累积展示当天所有新闻（A、B、C 都保留）
current：展示当前榜单的新闻（排名变化，新闻D上榜，新闻A掉榜）
incremental：只推送新出现的新闻（避免重复干扰）

常见问题

💡 遇到这个问题？ 👉 "每个小时执行一次，第一次执行完输出的新闻，在下一个小时执行时还会出现"

- 原因：你可能选择了 daily（当日汇总）或 current（当前榜单）模式

- 解决：改用 incremental（增量监控）模式，只推送新增内容

⚠️ 增量模式重要提示

选择了 `incremental`（增量监控）模式的用户请注意：

📌 增量模式只在有新增匹配新闻时才会推送

如果长时间没有收到推送，可能是因为：

1. 当前时段没有符合你关键词的新热点出现

2. 关键词配置过于严格或过于宽泛

3. 监控平台数量较少

解决方案：

- 方案1：👉 优化关键词配置 - 调整关键词的精准度，增加或修改监控词汇

- 方案2：切换推送模式 - 改用 current 或 daily 模式，可以定时接收推送

- 方案3：👉 增加监控平台 - 添加更多新闻平台，扩大信息来源

</details>

4. 调整热点算法

<summary>👉 点击展开：自定义热点权重</summary>

配置位置： config/config.yaml 的 advanced.weight 部分

yaml

advanced:
  weight:
    rank: 0.6           # 排名权重
    frequency: 0.3      # 频次权重
    hotness: 0.1        # 热度权重

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：

yaml

advanced:
  weight:
    rank: 0.8           # 主要看排名
    frequency: 0.1      # 不太在乎持续性
    hotness: 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：

yaml

advanced:
  weight:
    rank: 0.4           # 适度看排名
    frequency: 0.5      # 重视当天内的持续热度
    hotness: 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

三个数字加起来必须等于 1.0
哪个重要就调大哪个：在乎排名就调大 rank，在乎持续性就调大 frequency
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。

</details>

5. 我收到的消息长什么样？

<summary>👉 点击展开：消息样式预览</summary>

推送示例

📊 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 |

| ------------- | --------------------------- | ------------ | --------------------------------------- |

| : N 条 | : 2 条 | 匹配数量 | 该词组匹配的新闻总数 |

| [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 |

| (N次) | (3次) | 出现频率 | 在监控期间出现的总次数 |

</details>

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：

| 镜像名称 | 用途 | 说明 |

|---------|------|------|

| wantcat/trendradar | 新闻推送服务 | 定时抓取新闻、推送通知（必选） |

| wantcat/trendradar-mcp | AI 分析服务 | MCP 协议支持、AI 对话分析（可选） |

💡 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

<summary>👉 点击展开：Docker 部署完整指南</summary>

方式一：使用 docker compose（推荐）

```bash

# 克隆项目到本地

git clone https://github.com/sansan0/TrendRadar.git

cd TrendRadar

```

> 💡 说明：Docker 部署需要的关键目录结构如下：

plaintext

当前目录/
├── config/
│   ├── config.yaml                 # 核心功能配置（必需）
│   ├── frequency_words.txt         # 关键词配置（必需）
│   ├── timeline.yaml               # 时间线配置
│   ├── ai_analysis_prompt.txt      # AI 分析提示词（可选）
│   ├── ai_translation_prompt.txt   # AI 翻译提示词（可选）
│   ├── ai_interests.txt            # AI 兴趣过滤配置（可选）
│   ├── ai_filter/                  # AI 过滤相关提示词
│   │   ├── prompt.txt
│   │   ├── extract_prompt.txt
│   │   └── update_tags_prompt.txt
│   └── custom/                     # 用户自定义配置（可选）
│       ├── ai/                     # 自定义 AI 提示词
│       └── keyword/                # 自定义关键词文件
└── docker/
    ├── .env                        # 敏感信息 + Docker 特有配置
    └── docker-compose.yml          # Docker Compose 编排文件

配置文件说明:

配置分工原则（v4.6.0 优化）：

| 文件 | 用途 | 修改频率 | 说明 |

|------|------|---------|------|

> 💡 分工要点：

> - 功能行为 → 改 config.yaml（如开启/关闭某个平台、调整推送模式）

> - 关注内容 → 改 frequency_words.txt（如添加新的关注关键词）

> - AI 输出风格 → 改 ai_analysis_prompt.txt 或 ai_translation_prompt.txt

> - 密钥与凭证 → 改 docker/.env（API Key、Webhook URL 等敏感信息统一放这里）

> - 个性化扩展 → 使用 config/custom/ 目录，避免直接修改默认配置被升级覆盖

> 💡 配置修改生效：修改 config.yaml 后，执行 docker compose up -d 重启容器即可生效

⚙️ 环境变量覆盖机制（v3.0.5+）

.env 文件中的环境变量会覆盖 config.yaml 中的对应配置：

| 环境变量 | 对应配置 | 示例值 | 说明 |

|---------|---------|-------|------|

| WEBSERVER_PORT | - | 8080 | Web 服务器端口 |

| S3_* | storage.remote.* | - | 远程存储配置（5 个参数） |

配置优先级：环境变量 > config.yaml

使用方法：

- 修改 .env 文件，填写需要的配置

- 或在 NAS/群晖 Docker 管理界面的"环境变量"中直接添加

- 重启容器后生效：docker compose up -d

启动服务:

选项 A：启动所有服务（推送 + AI 分析）

```bash

# 拉取最新镜像

docker compose pull

# 启动所有服务（trendradar + trendradar-mcp）

docker compose up -d

```

选项 B：仅启动新闻推送服务

```bash

# 只启动 trendradar（定时抓取和推送）

docker compose pull trendradar

docker compose up -d trendradar

```

选项 C：仅启动 MCP AI 分析服务

```bash

# 只启动 trendradar-mcp（提供 AI 分析接口）

docker compose pull trendradar-mcp

docker compose up -d trendradar-mcp

```

> 💡 提示：

> - 大多数用户只需启动 trendradar 即可实现新闻推送功能

> - 只有需要使用 ChatGPT/Gemini 进行 AI 对话分析时，才需启动 trendradar-mcp

> - 两个服务相互独立，可根据需求灵活组合

查看运行状态:

```bash

# 查看新闻推送服务日志

docker logs -f trendradar

# 查看 MCP AI 分析服务日志

docker logs -f trendradar-mcp

# 查看所有容器状态

docker ps | grep trendradar

# 停止特定服务

docker compose stop trendradar # 停止推送服务

docker compose stop trendradar-mcp # 停止 MCP 服务

```

方式二：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：

bash

# 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

构建并启动服务：

bash

# 选项 A：构建并启动所有服务
docker compose build
docker compose up -d

# 选项 B：仅构建并启动新闻推送服务
docker compose build trendradar
docker compose up -d trendradar

# 选项 C：仅构建并启动 MCP AI 分析服务
docker compose build trendradar-mcp
docker compose up -d trendradar-mcp

💡 架构参数说明：

- 默认构建 amd64 架构镜像（适用于大多数 x86_64 服务器）

- 如需构建 arm64 架构（Apple Silicon、树莓派等），设置环境变量：

```bash

export DOCKER_ARCH=arm64

docker compose build

```

镜像更新

bash

# 方式一：手动更新（爬虫 + MCP 镜像）
docker pull wantcat/trendradar:latest
docker pull wantcat/trendradar-mcp:latest
docker compose down
docker compose up -d

# 方式二：使用 docker compose 更新
docker compose pull
docker compose up -d

可用镜像：

| 镜像名称 | 用途 | 说明 |

|---------|------|------|

| wantcat/trendradar | 新闻推送服务 | 定时抓取新闻、推送通知 |

| wantcat/trendradar-mcp | MCP 服务 | AI 分析功能（可选） |

服务管理命令

bash

# 查看运行状态
docker exec -it trendradar python manage.py status

# 手动执行一次爬虫
docker exec -it trendradar python manage.py run

# 查看实时日志
docker exec -it trendradar python manage.py logs

# 显示当前配置
docker exec -it trendradar python manage.py config

# 显示输出文件
docker exec -it trendradar python manage.py files

# Web 服务器管理（用于浏览器访问生成的报告）
docker exec -it trendradar python manage.py start_webserver   # 启动 Web 服务器
docker exec -it trendradar python manage.py stop_webserver    # 停止 Web 服务器
docker exec -it trendradar python manage.py webserver_status  # 查看 Web 服务器状态

# 查看帮助信息
docker exec -it trendradar python manage.py help

# 重启容器
docker restart trendradar

# 停止容器
docker stop trendradar

# 删除容器（保留数据）
docker rm trendradar

💡 Web 服务器说明：

- cron 模式下自动启动，通过浏览器访问 http://localhost:8080 查看最新报告

- 通过目录导航访问历史报告（如：http://localhost:8080/2025-xx-xx/）

- 端口可在 .env 文件中配置 WEBSERVER_PORT 参数

- 手动停止：docker exec -it trendradar python manage.py stop_webserver

- 手动启动：docker exec -it trendradar python manage.py start_webserver

- 安全提示：仅提供静态文件访问，限制在 output 目录，只绑定本地访问

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。

📊 网页版报告访问路径：

TrendRadar 生成的当日汇总 HTML 报告会同时保存到两个位置：

| 文件位置 | 访问方式 | 适用场景 |

|---------|---------|---------|

| output/index.html | 宿主机直接访问 | Docker 部署（通过 Volume 挂载，宿主机可见） |

| index.html | 根目录访问 | GitHub Pages（仓库根目录，Pages 自动识别） |

| output/html/YYYY-MM-DD/当日汇总.html | 历史报告访问 | 所有环境（按日期归档） |

本地访问示例：

bash

# 方式 1：通过 Web 服务器访问（推荐，Docker 环境）
# 1. 启动 Web 服务器
docker exec -it trendradar python manage.py start_webserver
# 2. 在浏览器访问
http://localhost:8080                           # 访问最新报告（默认 index.html）
http://localhost:8080/html/2025-xx-xx/          # 访问指定日期的报告

# 方式 2：直接打开文件（本地环境）
open ./output/index.html             # macOS
start ./output/index.html            # Windows
xdg-open ./output/index.html         # Linux

# 方式 3：访问历史归档
open ./output/html/2025-xx-xx/当日汇总.html

为什么有两个 index.html？

output/index.html：Docker Volume 挂载到宿主机，本地可直接打开
index.html：GitHub Actions 推送到仓库，GitHub Pages 自动部署

💡 提示：两个文件内容完全相同，选择任意一个访问即可。

故障排查

bash

# 检查容器状态
docker inspect trendradar

# 查看容器日志
docker logs --tail 100 trendradar

# 进入容器调试
docker exec -it trendradar /bin/bash

# 验证配置文件
docker exec -it trendradar ls -la /app/config/

MCP 服务部署（AI 分析功能）

如果需要使用 AI 分析功能，可以部署独立的 MCP 服务容器。

架构说明：

mermaid

flowchart TB
    subgraph trendradar["trendradar"]
        A1[定时抓取新闻]
        A2[推送通知]
    end
    
    subgraph trendradar-mcp["trendradar-mcp"]
        B1[127.0.0.1:3333]
        B2[AI 分析接口]
    end
    
    subgraph shared["共享卷"]
        C1["config/ (ro)"]
        C2["output/ (ro)"]
    end
    
    trendradar --> shared
    trendradar-mcp --> shared

快速启动：

如果已按照方式一：使用 docker compose 完成部署，只需启动 MCP 服务：

bash

cd TrendRadar/docker
docker compose up -d trendradar-mcp

# 查看运行状态
docker ps | grep trendradar-mcp

单独启动 MCP 服务（不使用 docker compose）：

bash

# Linux/Mac
docker run -d --name trendradar-mcp \
  -p 127.0.0.1:3333:3333 \
  -v $(pwd)/config:/app/config:ro \
  -v $(pwd)/output:/app/output:ro \
  -e TZ=Asia/Shanghai \
  wantcat/trendradar-mcp:latest

# Windows PowerShell
docker run -d --name trendradar-mcp `
  -p 127.0.0.1:3333:3333 `
  -v ${PWD}/config:/app/config:ro `
  -v ${PWD}/output:/app/output:ro `
  -e TZ=Asia/Shanghai `
  wantcat/trendradar-mcp:latest

⚠️ 注意：单独运行时，确保当前目录下有 config/ 和 output/ 文件夹，且包含配置文件和新闻数据。

验证服务：

bash

# 检查 MCP 服务健康状态
curl http://127.0.0.1:3333/mcp

# 查看 MCP 服务日志
docker logs -f trendradar-mcp

在 AI 客户端中配置：

MCP 服务启动后，根据不同客户端进行配置：

Cherry Studio（推荐，GUI 配置）：

设置 → MCP 服务器 → 添加
类型：streamableHttp
URL：http://127.0.0.1:3333/mcp

Claude Desktop / Cline（JSON 配置）：

json

{
  "mcpServers": {
    "trendradar": {
      "url": "http://127.0.0.1:3333/mcp",
      "type": "streamableHttp"
    }
  }
}

💡 提示：MCP 服务仅监听本地端口（127.0.0.1），确保安全性。如需远程访问，请自行配置反向代理和认证。

</details>

7. 推送内容怎么显示？

<summary>👉 点击展开：自定义推送样式和内容</summary>

配置位置： config/config.yaml 的 report 和 display 部分

yaml

report:
  mode: "daily"                    # 推送模式
  display_mode: "keyword"          # 显示模式（v4.6.0 新增）
  rank_threshold: 5                # 排名高亮阈值
  sort_by_position_first: false    # 排序优先级
  max_news_per_keyword: 0          # 每个关键词最大显示数量

display:
  region_order:                    # 区域显示顺序（v5.2.0 新增）
    - new_items                    # 新增热点区域
    - hotlist                      # 热榜区域
    - rss                          # RSS 订阅区域
    - standalone                   # 独立展示区
    - ai_analysis                  # AI 分析区域

常用配置项说明

| 我想调整什么 | 修改哪个参数 | 默认值 | 说明 |

|-------------|-------------|-------|------|

分组方式对比（display_mode）

你是想看"这个话题下有哪些新闻"，还是"这个平台上有哪些新闻"？

|------|---------|---------|---------|

区域显示顺序（region_order）

通过调整 display.region_order 列表的顺序，可以控制推送消息中各区域的显示位置。

默认顺序：新增热点 → 热榜 → RSS → 独立展示区 → AI 分析

自定义示例：想让 AI 分析放在最前面？

yaml

display:
  region_order:
    - ai_analysis                  # 移到第一行
    - new_items
    - hotlist
    - rss
    - standalone

注意：区域需同时满足两个条件才会显示：

在 region_order 列表中
在 display.regions 中对应开关为 true

区域开关（regions）

通过 display.regions 控制各区域是否在推送中显示：

yaml

display:
  regions:
    hotlist: true                    # 热榜区域（关键词匹配的热点新闻）
    new_items: false                 # 新增热点区域（含热榜新增 + RSS 新增）
    rss: true                       # RSS 订阅区域（关键词匹配的 RSS 内容）
    standalone: false                # 独立展示区（完整热榜/RSS，不受关键词过滤）
    ai_analysis: true                # AI 分析区域

| 区域 | 配置键 | 默认值 | 说明 |

|------|--------|-------|------|

| RSS | rss | true | 按关键词匹配的 RSS 订阅内容。关闭后跳过 RSS 分析，但独立展示区中的 RSS 不受影响 |

排序优先级（sortbyposition_first）

假设你配置了关键词：1.特斯拉，2.比亚迪。

实际热度：比亚迪(10条)，特斯拉(3条)。

| 配置值 | 排序结果 | 你的想法 |

|-------|---------|---------|

| false（默认） | 比亚迪(10条) → 特斯拉(3条) | "谁火谁排前面" |

| true | 特斯拉(3条) → 比亚迪(10条) | "我配置的顺序就是优先级，不管它火不火" |

独立展示区（standalone）

场景：有些平台（比如知乎热榜、HackerNews），我想完整看一遍，不管有没有匹配我的关键词。

yaml

display:
  regions:
    standalone: true                  # 推送中展示独立展示区（关闭不影响 AI 分析）

  standalone:
    platforms: ["zhihu", "weibo"]     # 这些平台的热榜给我完整显示
    rss_feeds: ["hacker-news"]        # 这些RSS源的内容给我完整显示
    max_items: 20                     # 最多显示多少条

💡 推送展示与 AI 分析独立控制：regions.standalone 只控制推送中是否显示独立展示区。即使关闭推送展示，只要在 AI 配置中开启 include_standalone: true，AI 仍会分析这些平台的完整数据。适合想让 AI 做深度分析、但不想推送消息太长的用户。

</details>

8. 什么时候给我推送？

<summary>👉 点击展开：设置推送时间（调度系统）</summary>

配置位置： config/config.yaml 的 schedule 部分 + config/timeline.yaml

快速上手

只需在 config.yaml 中选一个预设模板，不需要编辑 timeline.yaml：

yaml

schedule:
  enabled: true
  preset: "morning_evening"     # 改这里就行

可选预设模板

| 模板名 | 说明 | 推送行为 |

|-------|------|---------|

| morning_evening | 全天增量 + 晚间汇总（推荐） | 全天有新增就推 + 19:00-21:00 晚间当日汇总 |

| always_on | 全天候监控 | 全天有新增就推送，不划分时间段 |

| office_hours | 办公时间 | 工作日三段式（到岗速览→午间热点→收工汇总），周末增量自由推 |

| night_owl | 夜猫子 | 午后速览 + 深夜全天汇总（22:00-01:00 跨午夜） |

| custom | 完全自定义 | 编辑 timeline.yaml 底部的 custom 段 |

完全自定义

如果预设模板都不满足需求，可以编辑 config/timeline.yaml 底部的 custom 段，自由定义时间段、日计划和周映射。详见 timeline.yaml 文件内的注释说明。

重要提示

⚠️ 从旧版本升级的用户注意：

- v6.0.0 移除了旧的 notification.push_window 和 ai_analysis.analysis_window 配置

- 请改用新的 schedule + timeline.yaml 调度系统

- 旧的"每天推送一次"可用 morning_evening 预设替代

- 旧的"工作时间推送"可用 office_hours 预设替代

⚠️ GitHub Actions 用户注意：

- GitHub Actions 执行时间不稳定，可能有 ±15 分钟的偏差

- 时间段范围建议至少留足 2 小时

- 如果想要精准的定时推送，建议使用 Docker 部署在个人服务器上

</details>

9. 多久运行一次？

<summary>👉 点击展开：设置自动运行频率</summary>

配置位置： .github/workflows/crawler.yml 的 schedule 部分

yaml

on:
  schedule:
    - cron: "0 * * * *"  # 每小时运行一次

怎么修改运行频率？

GitHub Actions 使用一种叫 "Cron" 的时间格式，不需要深入理解，直接复制下面的代码替换即可。

配置位置： .github/workflows/crawler.yml 文件中的 schedule 部分

| 我想要... | 复制这行代码 | 说明 |

|-----------|------------|------|

| 每小时一次 | - cron: "0 * * * *" | 默认配置，第 0 分钟运行 |

| 每 30 分钟 | - cron: "*/30 * * * *" | 每隔 30 分钟运行一次 |

| 每天早 8 点 | - cron: "0 0 * * *" | ⚠️ 写 0 是因为 UTC 时间 (0点) = 北京时间 (8点) |

| 工作时间每半小时 | - cron: "*/30 0-14 * * *" | 对应北京时间 8:00 - 22:00 |

| 一日三餐点 | - cron: "0 0,6,12 * * *" | 对应北京时间 8:00、14:00、20:00 |

⚠️ 两个重要提醒

时差问题：GitHub 的服务器在国外，用的是 UTC 时间。

- 简单的算术题：你想设定的北京时间 减去 8 小时 = 你要填的时间。

- 例子：想让它北京时间 20:00 运行，设置里要填 12:00

不要太频繁：建议间隔不要少于 30 分钟。

- GitHub 免费资源有限，跑得太勤可能会被官方限制账号。

- 而且 Actions 启动本身就有几分钟延迟，太精确的控制没有意义。

手把手修改步骤

在你的 GitHub 仓库中，找到 .github/workflows/crawler.yml 文件
点击右上角的 ✏️ (Edit) 按钮
找到 cron: "..." 那一行，把引号里的内容换成上面的"代码"
点击右上角的绿色 Commit changes 按钮保存

</details>

10. 推送到多个群/设备

<summary>👉 点击展开：同时推送给多个接收者</summary>

### ⚠️ 安全第一

不要在 `config.yaml` 里直接写密码/Token！

如果你把包含密码的文件上传到 GitHub，全世界都能看到。

正确做法：

- GitHub Actions 用户：去 Settings -> Secrets 里添加

- Docker 用户：写在 .env 文件里（这个文件不会被上传）

怎么同时推送到多个地方？

很简单，在配置时用分号 ; 把多个地址隔开就行了。

举个例子：

假设你有两个飞书群，想同时收到推送：

群1地址：https://.../webhook/aaa
群2地址：https://.../webhook/bbb

配置时填写：

https://.../webhook/aaa;https://.../webhook/bbb

支持多账号的平台

| 平台 | 配置方法 | 注意事项 |

|------|---------|----------|

| 飞书/钉钉/企微 | 用 ; 分隔多个 Webhook URL | 最简单，直接串起来就行 |

| Bark (iOS) | 用 ; 分隔多个 Key URL | 推送到多台 iPhone |

| Telegram | Token 和 ChatID 都要用 ; 分隔 | ⚠️ 注意顺序要对应： Token1 对应 ChatID1 Token2 对应 ChatID2 |

| ntfy | Topic 和 Token 都要用 ; 分隔 | 如果某个Topic不需要Token，留空即可： token1;;token3 (中间那个是空的) |

常用配置示例 (GitHub Secrets / .env)

bash

# 飞书发给 3 个群
FEISHU_WEBHOOK_URL=https://hook1...;https://hook2...;https://hook3...

# 钉钉发给 2 个群
DINGTALK_WEBHOOK_URL=https://oapi...;https://oapi...

# Telegram 发给 2 个人 (注意一一对应)
TELEGRAM_BOT_TOKEN=tokenA;tokenB
TELEGRAM_CHAT_ID=userA;userB

提示：为了防止滥用，默认限制每个平台最多推送到 3 个账号。如果需要更多，可以修改 MAX_ACCOUNTS_PER_CHANNEL 配置。

</details>

11. 数据保存在哪里？

<summary>👉 点击展开：选择数据存储位置</summary>

数据会存在哪里？

系统会自动帮你选择最合适的地方，你通常不需要操心：

| 你的运行环境 | 数据存在哪 | 说明 |

|-------------|-----------|------|

| Docker / 本地运行 | 本地硬盘 | 存在项目目录下的 output/ 文件夹里，随时可以查看。 |

| GitHub Actions | 云端存储 | 因为 GitHub Actions 运行完就会销毁环境，所以必须配置云存储（例如 Cloudflare R2）。 |

怎么配置云存储？(GitHub Actions 用户必看)

如果你是用 GitHub Actions 运行，你需要一个"云端硬盘"来存数据。例如使用 Cloudflare R2（因为有免费额度）。

在 GitHub Secrets 里添加这 5 个变量：

| 变量名 | 填什么 |

|-------|-------|

| STORAGE_BACKEND | remote |

| S3_BUCKET_NAME | 你的存储桶名字 |

| S3_ACCESS_KEY_ID | 你的 Access Key |

| S3_SECRET_ACCESS_KEY | 你的 Secret Key |

| S3_ENDPOINT_URL | 你的 R2 接口地址 |

💡 详细教程：怎么申请 R2？请看快速开始 - 远程存储配置

数据会保存多久？

默认情况下，我们不会自动删除你的数据。但如果你觉得数据太多占空间，可以设置"自动清理"。

配置位置：config/config.yaml

yaml

storage:
  local:
    retention_days: 30    # 本地数据只保留 30 天 (0 表示永久)
  remote:
    retention_days: 30    # 云端数据只保留 30 天

推送时间不对？(时区设置)

如果你身在海外，或者发现推送时间跟你的本地时间对不上，可以修改时区。

配置位置：config/config.yaml

yaml

app:
  timezone: "Asia/Shanghai"  # 默认是中国时间

比如你在美国洛杉矶，改成：America/Los_Angeles
比如你在英国伦敦，改成：Europe/London

</details>

12. 让 AI 帮我分析热点

<summary>👉 点击展开：开启 AI 智能分析功能</summary>

AI 能帮我做什么？

开启这个功能后，AI 会像一个专业的分析师，在推送每一批新闻时：

自动阅读：阅读所有匹配到的热点新闻
深度思考：分析原本孤立的新闻之间的关联
撰写报告：在推送消息的末尾，附上一份简短深刻的"洞察报告"

包含内容：热点趋势总结、舆论风向判断、跨平台关联分析、潜在影响评估等。

怎么开启 AI 分析？

最简单的方法是通过环境变量配置（推荐 GitHub Secrets 或 .env）。

必需的配置项：

| 变量名 | 填什么 | 说明 |

|-------|-------|------|

| AI_ANALYSIS_ENABLED | true | 开启开关 |

| AI_API_KEY | sk-xxxxxx | 你的 API Key |

| AI_MODEL | deepseek/deepseek-chat | 模型标识（格式：provider/model） |

支持的 AI 提供商（基于 LiteLLM，支持 100+ 提供商）：

| 提供商 | AI_MODEL 填什么 | 说明 |

|-------|----------------|------|

| DeepSeek (推荐) | deepseek/deepseek-chat | 性价比极高，适合高频分析 |

| OpenAI | openai/gpt-4o openai/gpt-4o-mini | GPT-4o 系列 |

| Google Gemini | gemini/gemini-1.5-flash gemini/gemini-1.5-pro | Gemini 系列 |

| 自定义 API | 任意格式 | 配合 AI_API_BASE 使用 |

💡 新特性：现已基于 LiteLLM 统一接口，支持 100+ AI 提供商，配置更简单、错误处理更完善。

可选配置项：

| 变量名 | 默认值 | 说明 |

|-------|-------|------|

| AI_API_BASE | (自动) | 自定义 API 地址（如 OneAPI、本地模型） |

| AI_TEMPERATURE | 1.0 | 采样温度（0-2，越高越随机） |

| AI_MAX_TOKENS | 5000 | 最大生成 token 数 |

| AI_TIMEOUT | 120 | 请求超时时间（秒） |

| AI_NUM_RETRIES | 2 | 失败重试次数 |

进阶玩法：AI 翻译

如果你关注了国外的 RSS 源（比如 Hacker News），AI 可以帮你把内容翻译成中文推送。

配置位置：config/config.yaml

yaml

ai_translation:
  enabled: true          # 开启翻译
  language: "Chinese"    # 翻译成什么语言 (Chinese, English, Japanese...)

进阶玩法：自定义 AI "人设"

觉得 AI 说话太官方？你可以修改它的提示词，让它变成你喜欢的风格（比如"毒舌评论员"、"资深投资顾问"）。

修改文件：config/ai_analysis_prompt.txt
修改方法：直接用记事本打开编辑，告诉 AI 你想要什么样的分析风格。

</details>

✨ 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：

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

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

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

<summary>👉 点击展开：Cursor</summary>

方式一：HTTP 模式

启动 HTTP 服务：

```bash

# Windows

start-http.bat

# Mac/Linux

./start-http.sh

```

配置 Cursor：

项目级配置（推荐）：

在项目根目录创建 .cursor/mcp.json：

```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）

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（推荐）

创建 .cursor/mcp.json：

json

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

</details>

<summary>👉 点击展开：VSCode (Cline/Continue)</summary>

Cline 配置

在 Cline 的 MCP 设置中添加：

HTTP 模式：

json

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

STDIO 模式（推荐）：

json

{
  "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：

json

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

使用示例：

plaintext

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

</details>

<summary>👉 点击展开：MCP Inspector（调试工具）</summary>

MCP Inspector 是官方调试工具，用于测试 MCP 连接：

使用步骤

启动 TrendRadar HTTP 服务：

```bash

# Windows

start-http.bat

# Mac/Linux

./start-http.sh

```

启动 MCP Inspector：

```bash

npx @modelcontextprotocol/inspector

```

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 17 个工具：

- 基础查询：getlatestnews, getnewsbydate, gettrending_topics

- 智能检索：searchnews, findrelated_news

- 高级分析：analyzetopictrend, analyzedatainsights, analyzesentiment, aggregatenews, compareperiods, generatesummary_report

- RSS 查询：getlatestrss, searchrss, getrssfeedsstatus

- 系统管理：getcurrentconfig, getsystemstatus, resolvedaterange

</details>

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

HTTP 模式

服务地址：http://localhost:3333/mcp

基本配置模板：

json

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

STDIO 模式（推荐）

基本配置模板：

json

{
  "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）

</details>

常见问题

<summary>👉 点击展开：Q1: HTTP 服务无法启动？</summary>

检查步骤：

确认端口 3333 未被占用：

```bash

# Windows

netstat -ano | findstr :3333

# Mac/Linux

lsof -i :3333

```

检查项目依赖是否安装：

```bash

# 重新运行安装脚本

# Windows: setup-windows.bat 或者 setup-windows-en.bat

# Mac/Linux: ./setup-mac.sh

```

查看详细错误日志：

```bash

uv run python -m mcp_server.server --transport http --port 3333

```

尝试自定义端口:

```bash

uv run python -m mcp_server.server --transport http --port 33333

```

</details>

<summary>👉 点击展开：Q2: 客户端无法连接到 MCP 服务？</summary>

解决方案：

STDIO 模式：

- 确认 UV 路径正确（运行 which uv 或 where uv）

- 确认项目路径正确且无中文字符

- 查看客户端错误日志

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

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

</details>

<summary>👉 点击展开：Q3: 工具调用失败或返回错误？</summary>

可能原因：

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

参数错误：

- 检查日期格式：YYYY-MM-DD

- 确认平台 ID 正确：zhihu, weibo 等

- 查看工具文档中的参数说明

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

</details>

📚 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

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

Star History

![Star History Chart](https://star-history.dera.page/#sansan0/TrendRadar)

📄 许可证

GPL-3.0 License

🔝 回到顶部

</div>

Embed Security Badge

Add this badge to your README or documentation

Badge Type

Style

[![TrendRadar MCPSafe Security](https://api.mcpsafe.org
/api/badge/sansan0-trendradar.svg)](https://mcpsafe.org/registry/sansan0-trendradar)

Need more customization options?Badge Documentation

Server Information

Source: GITHUB
Language: python
License: GPL-3.0
Added: Oct 1, 2026
Updated: Oct 1, 2026

Actions

Compare with other servers Request rescan