TrendRadar：开源 AI 趋势雷达，一站式聚合全网热点与舆情

如果没有 TrendRadar，监控舆情和趋势意味着需要在多个网站、App、RSS 源之间手动切换，再费力过滤噪声。TrendRadar 把这些来源集中到一个入口，用关键词或 AI 兴趣过滤，让用户只看真正关心的内容。它同时解决了触达问题：把告警推送到企业微信、飞书、Telegram 等常用聊天工具。

在信息过载和内容碎片化的时代，TrendRadar 展示了如何用开源方式把多平台热榜、RSS、AI 分析和 MCP 协议组合起来，让个人和小团队也能低成本搭建属于自己的舆情与趋势雷达。

TrendRadar 采用 GPL-3.0 许可证。商业使用是被允许的，包括出售副本或提供付费支持，但如果你分发修改版本，必须以相同的 GPL-3.0 许可证开源，并保留版权声明。内部使用通常不会触发 copyleft。作者要求引用/使用时注明出处并链接回仓库。项目默认数据源是 newsnow API，这也意味着长期维护需要关注该上游项目。

不需要写代码。Docker 是最省事的路径：拉取 wantcat/trendradar 镜像，启动容器后打开 8080 端口的 Web 界面即可。如果你更想用云端方案，可以复制 GitHub Actions 模板，在仓库 Secrets 中配置至少一个通知 webhook，它就会自动生成 HTML 报告，并能托管到 GitHub Pages 或 Cloudflare Pages。唯一需要手动编辑的是一份 YAML 配置文件，用来选择平台、关键词和通知渠道。

先在环境变量或 Secrets 中设置 AI_API_KEY 和 AI_MODEL，开启 AI 分析与翻译。接着创建一个 ai_interests.txt 文件，用自然语言描述你关心的话题，例如“我关注国产大模型融资”。如需更深度的数据对话，可以启动 MCP 服务（默认监听 localhost:3333），然后在 Cursor、Cline、Continue、Cherry Studio 等 MCP 客户端中连接它。配置完成后，你可以让 AI 生成每日舆情报告、对比各平台情绪，或直接提问“今天科技圈有什么大新闻”并让它基于趋势数据回答。

TrendRadar 定位是“轻量自托管聚合与通知”。深度 AI 能力依赖外部 LLM API，数据的完整性取决于你配置的数据源（如 newsnow API）和存储保留策略。它没有提供通用爬虫，无法任意抓取未被支持的热榜/RSS 之外的网站。如果你需要更自由的数据采集，可能需要结合其他采集工具。

# TrendRadar 是什么？

TrendRadar 是一个基于 Python、可自行部署的 AI 趋势监控工具。它会自动聚合知乎、抖音、B站、微博等 11+ 个平台的热榜，同时支持 RSS/Atom 订阅源，再通过关键词过滤、AI 语义分析和多通道推送，帮你把分散的信息收拢成一份“可行动”的简报。

当前仓库在 GitHub 上拥有超过 6.1 万颗星，项目描述为“AI-driven public opinion & trend monitor with multi-platform aggregation, RSS, and smart alerts”。

核心能力

• 聚合 11 个默认平台热榜：知乎、抖音、Bilibili、华尔街见闻、贴吧、百度、财联社、澎湃、凤凰、头条、微博。
• RSS/Atom 订阅管理，支持关键词分组和新鲜度过滤。
• 关键词过滤：普通词、必含词、屏蔽词、数量限制、全局过滤、正则、显示别名。
• AI 兴趣过滤和 AI 翻译：用自然语言描述你关心的话题（ai_interests.txt），可翻译成任意语言。
• AI 分析报告：趋势总结、情绪分析、跨平台洞察。
• 热榜追踪：排名变化、新上榜识别、持久化分析。
• 多通道多账号通知：企业微信/WeCom、飞书、钉钉、Telegram、邮件、ntfy、Bark、Slack、通用 webhook。
• MCP（Model Context Protocol）服务：让 Cursor、Cline、Continue、Cherry Studio 等 AI 客户端直接对话你的趋势数据。
• HTML 报告：支持暗色模式、搜索、标签切换、导出、阅读进度。

部署方式

• Docker（推荐）：镜像 wantcat/trendradar，也可选 wantcat/trendradar-mcp。
• GitHub Actions：复制模板，配置 Secrets，自动生成页面并通过 GitHub Pages/Cloudflare Pages 托管。注意免费版需要每 7 天手动 “Check In”。
• 本地 uv：安装 uv 后运行 uv sync。

无需 GPU，也无需预先下载模型。默认数据源为 newsnow API，你还可以自建 newsnow 并设置自定义 api_url。

AI 与 MCP

• 设置环境变量 AI_API_KEY 和 AI_MODEL 后开启 AI 分析、翻译、兴趣过滤。
• MCP 服务默认监听 localhost:3333，支持流式输出和 OpenAPI/Swagger 文档。
• 你可以在 ai_interests.txt 里写“我关注国产大模型融资”，TrendRadar 会据此过滤新闻；也可以要求它生成“今日科技舆情报告”。

开源与商业使用

TrendRadar 采用 GPL-3.0 许可证。商业使用是被允许的，包括销售副本或提供付费支持，但如果你分发修改版本，必须以相同的 GPL-3.0 许可证开源，并保留版权声明。内部使用通常不会触发 copyleft。作者要求引用/使用时注明出处并链接回仓库。

适合谁？

• 投资者/交易员：跟踪市场新闻和舆论变化。
• 自媒体/内容创作者：做选题调研。
• 企业公关/品牌：关注舆情和危机信号。
• 普通用户：获取个人化新闻摘要。
• 数据分析师/AI 爱好者：用 MCP 聊天式分析趋势数据。

能力边界

TrendRadar 定位是“轻量自托管聚合与通知”。深度 AI 能力依赖外部 LLM API，数据的完整性取决于你配置的数据源和存储保留策略。它没有提供通用爬虫，无法任意抓取未被支持的热榜/RSS 之外的网站。如果你需要更自由的数据采集，可能需要结合其他采集工具。

结语

TrendRadar 用一个开源项目把信息聚合、AI 分析、通知和 MCP 串成了一条完整链路。对于想在 30 分钟内搭建个人舆情监控系统的人来说，这可能是目前最省事的方案之一。