最快30秒部署的热点助手 —— 告别无效刷屏，只看真正关心的新闻资讯

sansan0%2FTrendRadar | Trendshift

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**](#-快速开始) | [AI 智能分析](#-ai-智能分析) | [⚙️ **配置详解**](#配置详解) | | [Docker部署](#6-docker-部署) | [MCP客户端](#-mcp-客户端) | [📝 **更新日志**](#-更新日志) | | [🎯 **核心功能**](#-核心功能) | [☕ **支持项目**](#-支持项目) | [📚 **项目相关**](#-项目相关) |


  • 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
👉 点击展开：致谢名单 (天使轮荣誉榜 🔥73+🔥 位) ### 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](https://github.com/ourongxing/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 ## ✨ 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](#1-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/](https://sansan0.github.io/TrendRadar/) 可视化配置编辑器 ### **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](#3-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（always_on / morning_evening / office_hours / night_owl / 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？](#7-推送内容怎么显示) 和 [什么时候给我推送？](#8-什么时候给我推送) ### **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](#关键词基础语法) > > 💡 **高级配置教程**：[关键词配置 - 高级配置](#关键词高级配置) > > 💡 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](#5-我收到的消息长什么样) ### **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](#4-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](#10-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](https://github.com/tuan3w/awesome-tech-rss) - 科技、创业、编程领域博客和媒体 - [awesome-rss-feeds](https://github.com/plenaryapp/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？](#11-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](#12-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](#7-推送内容怎么显示) ### **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](#-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](https://sansan0.github.io/TrendRadar/) > > ⚠️ 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）。 ### **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](_image/github-pages.png) | ![飞书推送效果](_image/feishu.jpg) | ![AI分析推送效果](_image/ai.jpg) |
## 🚀 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 ### 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](https://github.com/sansan0/TrendRadar/issues/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：** GitHub Secrets 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）
👉 点击展开：企业微信机器人（配置最简单最迅速）
**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
👉 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）
> 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）
👉 点击展开：飞书机器人（消息显示相对友好）
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）**：你的飞书机器人 Webhook 地址（该链接开头类似 https://www.feishu.cn/flow/api/trigger-webhook/********）
有两个方案，**方案一**配置简单，**方案二**配置复杂(但是稳定推送) 其中方案一，由 **ziventian**发现并提供建议，在这里感谢他，默认是个人推送，也可以配置群组推送操作[#97](https://github.com/sansan0/TrendRadar/issues/97) ， **方案一：** > 对部分人存在额外操作，否则会报"系统错误"。需要手机端搜索下机器人，然后开启飞书机器人应用(该建议来自于网友，可参考) 1. 电脑浏览器打开 https://botbuilder.feishu.cn/home/my-command 2. 点击"新建机器人指令" 3. 点击"选择触发器"，往下滑动，点击"Webhook 触发" 4. 此时你会看到"Webhook 地址"，把这个链接先复制到本地记事本暂存，继续接下来的操作 5. "参数"里面放上下面的内容，然后点击"完成" ```json { "message_type": "text", "content": { "text": "" } } ``` 6. 点击"选择操作" > "通过官方机器人发消息" 7. 消息标题填写"TrendRadar 热点监控" 8. 最关键的部分来了，点击 + 按钮，选择"Webhook 触发"，然后按照下面的图片摆放 ![飞书机器人配置示例](_image/feishu.png) 9. 配置完成后，将第 4 步复制的 Webhook 地址配置到 GitHub Secrets 中的 `FEISHU_WEBHOOK_URL`
**方案二：** 1. 电脑浏览器打开 https://botbuilder.feishu.cn/home/my-app 2. 点击"新建机器人应用" 3. 进入创建的应用后，点击"流程设计" > "创建流程" > "选择触发器" 4. 往下滑动，点击"Webhook 触发" 5. 此时你会看到"Webhook 地址"，把这个链接先复制到本地记事本暂存，继续接下来的操作 6. "参数"里面放上下面的内容，然后点击"完成" ```json { "message_type": "text", "content": { "text": "" } } ``` 7. 点击"选择操作" > "发送飞书消息"，勾选 "群消息"，然后点击下面的输入框，点击"我管理的群组"（如果没有群组，你可以在飞书 app 上创建群组） 8. 消息标题填写"TrendRadar 热点监控" 9. 最关键的部分来了，点击 + 按钮，选择"Webhook 触发"，然后按照下面的图片摆放 ![飞书机器人配置示例](_image/feishu.png) 10. 配置完成后，将第 5 步复制的 Webhook 地址配置到 GitHub Secrets 中的 `FEISHU_WEBHOOK_URL`
👉 点击展开：钉钉机器人
**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。
👉 点击展开：Telegram Bot
**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>
👉 点击展开：邮件推送（支持所有主流邮箱）
- 注意事项：为防止邮件群发功能被**滥用**，当前的群发是所有收件人都能看到彼此的邮箱地址。 - 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（EMAIL_FROM、EMAIL_PASSWORD、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）： | 邮箱服务商 | 域名 | SMTP 服务器 | 端口 | 加密方式 | |-----------|------|------------|------|---------| | **Gmail** | gmail.com | smtp.gmail.com | 587 | TLS | | **QQ邮箱** | qq.com | smtp.qq.com | 465 | SSL | | **Outlook** | outlook.com | smtp-mail.outlook.com | 587 | TLS | | **Hotmail** | hotmail.com | smtp-mail.outlook.com | 587 | TLS | | **Live** | live.com | smtp-mail.outlook.com | 587 | TLS | | **163邮箱** | 163.com | smtp.163.com | 465 | SSL | | **126邮箱** | 126.com | smtp.126.com | 465 | SSL | | **新浪邮箱** | sina.com | smtp.sina.com | 465 | SSL | | **搜狐邮箱** | sohu.com | smtp.sohu.com | 465 | SSL | | **天翼邮箱** | 189.cn | smtp.189.cn | 465 | SSL | | **阿里云邮箱** | aliyun.com | smtp.aliyun.com | 465 | TLS | | **Yandex邮箱** | yandex.com | smtp.yandex.com | 465 | TLS | | **iCloud邮箱** | icloud.com | smtp.mail.me.com | 587 | 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](https://github.com/sansan0/TrendRadar/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](https://github.com/sansan0/TrendRadar/issues) 反馈，帮助改进项目 > > **特别感谢**： > - 感谢 [@DYZYD](https://github.com/DYZYD) 贡献天翼邮箱（189.cn）配置并完成自发自收测试 ([#291](https://github.com/sansan0/TrendRadar/issues/291)) > - 感谢 [@longzhenren](https://github.com/longzhenren) 贡献阿里云邮箱（aliyun.com）配置并完成测试 ([#344](https://github.com/sansan0/TrendRadar/issues/344)) > - 感谢 [@ACANX](https://github.com/ACANX) 贡献 Yandex 邮箱（yandex.com）配置并完成测试 ([#663](https://github.com/sansan0/TrendRadar/issues/663)) > - 感谢 [@Sleepy-Tianhao](https://github.com/Sleepy-Tianhao) 贡献 iCloud 邮箱（icloud.com）配置并完成测试 ([#728](https://github.com/sansan0/TrendRadar/issues/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"
👉 点击展开：ntfy 推送（开源免费，支持自托管）
**两种使用方式：** ### 方式一：免费使用（推荐新手） 🆓 **特点**： - ✅ 无需注册账号，立即使用 - ✅ 每天 250 条消息（足够 90% 用户） - ✅ Topic 名称即"密码"（需选择不易猜测的名称） - ⚠️ 消息未加密，不适合敏感信息, 但适合我们这个项目的不敏感信息 **快速开始：** 1. **下载 ntfy 应用**： - Android：[Google Play](https://play.google.com/store/apps/details?id=io.heckel.ntfy) / [F-Droid](https://f-droid.org/en/packages/io.heckel.ntfy/) - iOS：[App Store](https://apps.apple.com/us/app/ntfy/id1625396347) - 桌面：访问 [ntfy.sh](https://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 NTFY_SERVER_URL: https://ntfy.yourdomain.com NTFY_TOPIC: trendradar-alerts # 自托管可用简单名称 NTFY_TOKEN: tk_your_token # 可选：启用访问控制 ``` **在应用中订阅**： - 点击"Use another server" - 输入你的服务器地址 - 输入主题名称 - （可选）输入登录凭据 --- **常见问题：**
Q1: 免费版够用吗？ 每天 250 条消息对大多数用户足够。按 30 分钟抓取一次计算，每天约 48 次推送，完全够用。
Q2: Topic 名称真的安全吗？ 如果你选择随机的、足够长的名称（如 `trendradar-zs-8492-news`），暴力破解几乎不可能： - ntfy 有严格的速率限制（1 秒 1 次请求） - 64 个字符选择（A-Z, a-z, 0-9, _, -） - 10 位随机字符串有 64^10 种可能性（需要数年才能破解）
--- **推荐选择：** | 用户类型 | 推荐方案 | 理由 | |---------|---------|------| | 普通用户 | 方式一（免费） | 简单快速，够用 | | 技术用户 | 方式二（自托管） | 完全控制，无限制 | | 高频用户 | 方式三（付费） | 这个自己去官网看吧 | **相关链接：** - [ntfy 官方文档](https://docs.ntfy.sh/) - [自托管教程](https://docs.ntfy.sh/install/) - [GitHub 仓库](https://github.com/binwiederhier/ntfy)
👉 点击展开：Bark 推送（iOS 专属，简洁高效）
**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](https://apps.apple.com/cn/app/bark-给你的手机发推送/id1403753865) 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 BARK_URL: http://your-server-ip:8080/your_device_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](https://bark.day.app/) - [Bark GitHub 仓库](https://github.com/Finb/Bark) - [Bark Server 自建教程](https://github.com/Finb/bark-server)
👉 点击展开：Slack 推送
**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](https://api.slack.com/messaging/webhooks) - [Slack API 应用管理](https://api.slack.com/apps)
👉 点击展开：通用 Webhook 推送（支持 Discord、Matrix、IFTTT 等）
**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

### 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](https://github.com/sansan0/TrendRadar/issues/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](#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。
👉 点击展开：远程云存储配置教程（以 Cloudflare R2 为例）
**⚠️ 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://.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？](#11-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](https://dash.cloudflare.com/)。 - 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://.r2.cloudflarestorage.com`(这就是 S3_ENDPOINT_URL) - 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](#-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？
👉 点击展开：选择资讯来源
**配置位置：** `config/config.yaml` 的 `platforms` 部分 本项目的资讯数据来源于 [newsnow](https://github.com/ourongxing/newsnow) ，你可以点击[网站](https://newsnow.busiyi.world/)，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](https://github.com/ourongxing/newsnow/tree/main/server/sources)，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](https://github.com/sansan0/TrendRadar/issues/95) > ⚠️ **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。
### 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 | | **数量限制** | `@` | 控制显示数量 | `@10` | 最多显示10条新闻（v3.2.0新增） | | **全局过滤** | `[GLOBAL_FILTER]` | 全局排除指定内容 | 见下方示例 | 任何情况下都过滤（v3.5.0新增） | | **正则表达式** | `/pattern/` | 精确匹配模式 | `/\bai\b/` | 使用正则表达式匹配（v4.7.0新增） | | **显示名称** | `=> 备注` | 自定义显示文本 | `/\bai\b/ => AI相关` | 推送和HTML显示备注名称（v4.7.0新增） | #### 2.1 基础语法
👉 点击展开：基础语法教程
**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 ```
#### 2.2 高级配置（v3.2.0 新增）
👉 点击展开：高级配置教程
##### 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)
### 3. 推送模式选哪个？
👉 点击展开：三种推送模式详细对比
**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 | 模式 | 适用人群 | 推送时机 | 显示内容 | 典型使用场景 | |------|----------|----------|----------|------------| | **当日汇总**
`daily` | 📋 企业管理者/普通用户 | 按时推送(默认每小时推送一次) | 当日所有匹配新闻
+ 新增新闻区域 | **案例**：每天下午6点查看今天所有重要新闻
**特点**：看全天完整趋势，不漏掉任何热点
**提醒**：会包含之前推送过的新闻 | | **当前榜单**
`current` | 📰 自媒体人/内容创作者 | 按时推送(默认每小时推送一次) | 当前榜单匹配新闻
+ 新增新闻区域 | **案例**：每小时追踪"哪些话题现在最火"
**特点**：实时了解当前热度排名变化
**提醒**：持续在榜的新闻每次都会出现 | | **增量监控**
`incremental` | 📈 投资者/交易员 | 有新增才推送 | 新出现的匹配频率词新闻 | **案例**：监控"特斯拉"，只在有新消息时通知
**特点**：零重复，只看首次出现的新闻
**适合**：高频监控、避免信息打扰 | #### 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： | 时间 | daily 模式推送 | current 模式推送 | incremental 模式推送 | |-----|--------------|----------------|-------------------| | 10:00 | 新闻A、新闻B | 新闻A、新闻B | 新闻A、新闻B | | 11:00 | 新闻A、新闻B、新闻C | 新闻B、新闻C、新闻D | **仅**新闻C | | 12:00 | 新闻A、新闻B、新闻C | 新闻C、新闻D、新闻E | **仅**新闻D、新闻E | **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](#2-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](#1-平台配置) - 添加更多新闻平台，扩大信息来源
### 4. 调整热点算法
👉 点击展开：自定义热点权重
**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 1. **三个数字加起来必须等于 1.0** 2. **哪个重要就调大哪个**：在乎排名就调大 `rank`，在乎持续性就调大 `frequency` 3. **建议每次只调 0.1-0.2**，观察效果 核心思路：追求速度和时效性的用户提高排名权重，追求深度和稳定性的用户提高频次权重。
### 5. 我收到的消息长什么样？
👉 点击展开：消息样式预览
#### 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 | | ------------- | --------------------------- | ------------ | --------------------------------------- | | 🔥📈📌 | 🔥 [1/3] AI ChatGPT | 热度等级 | 🔥高热度(≥10条) 📈中热度(5-9条) 📌普通热度(<5条) | | [序号/总数] | [1/3] | 排序位置 | 当前词组在所有匹配词组中的排名 | | 频率词组 | AI ChatGPT | 关键词组 | 配置文件中的词组，标题必须包含其中词汇 | | : N 条 | : 2 条 | 匹配数量 | 该词组匹配的新闻总数 | | [平台名] | [百度热搜] | 来源平台 | 新闻所属的平台名称 | | 🆕 | 🆕 ChatGPT-5正式发布 | 新增标记 | 本轮抓取中首次出现的热点 | | [**数字**] | [**1**] | 高排名 | 排名≤阈值的热搜，红色加粗显示 | | [数字] | [7] | 普通排名 | 排名>阈值的热搜，普通显示 | | - 时间 | - 09时15分 | 首次时间 | 该新闻首次被发现的时间 | | [时间~时间] | [08时30分 ~ 10时45分] | 持续时间 | 从首次出现到最后出现的时间范围 | | (N次) | (3次) | 出现频率 | 在监控期间出现的总次数 | | **新增区域** | 🆕 **本次新增热点新闻** | 新话题汇总 | 单独展示本轮新出现的热点话题 |
### 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
👉 点击展开：Docker 部署完整指南
#### 方式一：使用 docker compose（推荐） 1. **创建项目目录和配置**: ```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： ``` 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 ``` 2. **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 | |------|------|---------|------| | `config/config.yaml` | **核心功能配置** | 低 | 报告模式、推送设置、存储格式、推送窗口、AI 分析开关、平台启用等全局行为控制 | | `config/frequency_words.txt` | **关键词配置** | 高 | 设置你关心的热点词汇，支持分组、正则、别名等高级语法 | | `config/timeline.yaml` | **时间线配置** | 低 | 控制新闻时间线的展示和过滤规则 | | `config/ai_analysis_prompt.txt` | **AI 分析提示词** | 中 | 自定义 AI 分析的角色定义和输出格式（v5.0.0+） | | `config/ai_translation_prompt.txt` | **AI 翻译提示词** | 低 | 自定义 AI 翻译的提示词模板 | | `config/ai_interests.txt` | **AI 兴趣过滤** | 中 | 定义 AI 基于兴趣自动过滤新闻的规则 | | `config/ai_filter/` | **AI 过滤提示词** | 低 | AI 过滤模块的内部提示词（一般无需修改） | | `config/custom/` | **用户自定义扩展** | 按需 | `custom/ai/` 放自定义 AI 提示词，`custom/keyword/` 放自定义关键词文件 | | `docker/.env` | **敏感信息 + Docker 特有配置** | 低 | webhook URLs、API Key、S3 密钥、定时任务等，**不会被 git 追踪** | > 💡 **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 | | `FEISHU_WEBHOOK_URL` | `notification.channels.feishu.webhook_url` | `https://...` | 飞书 Webhook（多账号用 `;` 分隔） | | `AI_ANALYSIS_ENABLED` | `ai_analysis.enabled` | `true` / `false` | 是否启用 AI 分析（v5.0.0 新增） | | `AI_API_KEY` | `ai.api_key` | `sk-xxx...` | AI API Key（ai_analysis 和 ai_translation 共享） | | `AI_PROVIDER` | `ai.provider` | `deepseek` / `openai` / `gemini` | AI 提供商 | | `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` 3. **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 4. **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](#方式一使用-docker-compose推荐) 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。
### 7. 推送内容怎么显示？
👉 点击展开：自定义推送样式和内容
**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 | |-------------|-------------|-------|------| | **推送模式** | `mode` | `daily` | 决定推送时机和内容，详见 [推送模式详解](#3-推送模式详解) | | **分组方式** | `display_mode` | `keyword` | `keyword`=按关键词分组(如"AI")，`platform`=按平台分组(如"微博") | | **高亮重点** | `rank_threshold` | `5` | 排名在前 5 的新闻会**加粗**显示，一眼看到最火的 | | **排序规则** | `sort_by_position_first` | `false` | `false`=热度高的排前面，`true`=你配置的词排前面 | | **数量限制** | `max_news_per_keyword` | `0` | 每个关键词最多看几条？`0`表示不限制 | | **显示顺序** | `display.region_order` | 见上方配置 | 调整列表顺序即可控制各区域的显示位置 | #### 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"？ | 模式 | 分组方式 | 标题前缀 | 适用场景 | |------|---------|---------|---------| | `keyword`（默认） | **按关键词聚合** | `[平台名]` | 我关注"AI"，想看各平台关于AI的新闻 | | `platform` | **按平台聚合** | `[关键词]` | 我关注"微博"，想看微博上关于我关注词的新闻 | #### 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： 1. 在 `region_order` 列表中 2. 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 | |------|--------|-------|------| | **热榜** | `hotlist` | `true` | 按关键词匹配的热点新闻聚合 | | **新增热点** | `new_items` | `false` | 本轮新出现的热点话题（含热榜新增 + RSS 新增）。注：热榜区域中的 🆕 标记不受此开关影响 | | **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 | | **独立展示区** | `standalone` | `false` | 指定平台/RSS 的完整内容展示，不受关键词过滤 | | **AI 分析** | `ai_analysis` | `true` | AI 生成的热点分析摘要 | #### 排序优先级（sort_by_position_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。
### 8. 什么时候给我推送？
👉 点击展开：设置推送时间（调度系统）
**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
### 9. 多久运行一次？
👉 点击展开：设置自动运行频率
**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 1. **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* 2. **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 1. 在你的 GitHub 仓库中，找到 `.github/workflows/crawler.yml` 文件 2. 点击右上角的 ✏️ (Edit) 按钮 3. 找到 `cron: "..."` 那一行，把引号里的内容换成上面的"代码" 4. 点击右上角的绿色 **Commit changes** 按钮保存
### 10. 推送到多个群/设备
👉 点击展开：同时推送给多个接收者 > ### ⚠️ **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。
### 11. 数据保存在哪里？
👉 点击展开：选择数据存储位置
#### 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](#-快速开始) #### 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`
### 12. 让 AI 帮我分析热点
👉 点击展开：开启 AI 智能分析功能
#### 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： 1. **自动阅读**：阅读所有匹配到的热点新闻 2. **深度思考**：分析原本孤立的新闻之间的关联 3. **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](https://github.com/BerriAI/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。

## ✨ 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： 1. **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 2. **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 3. **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](#-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](#-支持项目)，回复 "mcp" 即可 **详细部署教程**：[README-Cherry-Studio.md](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](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](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 使用效果图
## 🔌 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
👉 点击展开：Cursor #### 方式一：HTTP 模式 1. **启动 HTTP 服务**： ```bash # Windows start-http.bat # Mac/Linux ./start-http.sh ``` 2. **配置 Cursor**： **项目级配置**（推荐）： 在项目根目录创建 `.cursor/mcp.json`： ```json { "mcpServers": { "trendradar": { "url": "http://localhost:3333/mcp", "description": "TrendRadar 新闻热点聚合分析" } } } ``` **全局配置**： 在用户目录创建 `~/.cursor/mcp.json`（同样内容） 3. **使用步骤**： - 保存配置文件后重启 Cursor - 在聊天界面的 "Available Tools" 中查看已连接的工具 - 开始使用：`搜索今天的"AI"相关新闻` #### 方式二：STDIO 模式（推荐） 创建 `.cursor/mcp.json`： ```json { "mcpServers": { "trendradar": { "command": "uv", "args": [ "--directory", "/path/to/TrendRadar", "run", "python", "-m", "mcp_server.server" ] } } } ```
👉 点击展开：VSCode (Cline/Continue) #### 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**： ``` 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 ```
👉 点击展开：MCP Inspector（调试工具）
MCP Inspector 是官方调试工具，用于测试 MCP 连接： #### 使用步骤 1. **启动 TrendRadar HTTP 服务**： ```bash # Windows start-http.bat # Mac/Linux ./start-http.sh ``` 2. **启动 MCP Inspector**： ```bash npx @modelcontextprotocol/inspector ``` 3. **在浏览器中连接**： - 访问：`http://localhost:3333/mcp` - 测试 "Ping Server" 功能验证连接 - 检查 "List Tools" 是否返回 17 个工具： - 基础查询：get_latest_news, get_news_by_date, get_trending_topics - 智能检索：search_news, find_related_news - 高级分析：analyze_topic_trend, analyze_data_insights, analyze_sentiment, aggregate_news, compare_periods, generate_summary_report - RSS 查询：get_latest_rss, search_rss, get_rss_feeds_status - 系统管理：get_current_config, get_system_status, resolve_date_range
👉 点击展开：其他支持 MCP 的客户端
任何支持 Model Context Protocol 的客户端都可以连接 TrendRadar： #### HTTP 模式 **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）
### 常见问题
👉 点击展开：Q1: HTTP 服务无法启动？
**检查步骤**： 1. 确认端口 3333 未被占用： ```bash # Windows netstat -ano | findstr :3333 # Mac/Linux lsof -i :3333 ``` 2. 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 ``` 3. 查看详细错误日志： ```bash uv run python -m mcp_server.server --transport http --port 3333 ``` 4. 尝试自定义端口: ```bash uv run python -m mcp_server.server --transport http --port 33333 ```
👉 点击展开：Q2: 客户端无法连接到 MCP 服务？
**解决方案**： 1. **STDIO 模式**： - 确认 UV 路径正确（运行 `which 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 2. **HTTP 模式**： - 确认服务已启动（访问 `http://localhost:3333/mcp`） - 检查防火墙设置 - 尝试使用 127.0.0.1 替代 localhost 3. **通用检查**： - 重启客户端应用 - 查看 MCP 服务日志 - 使用 MCP Inspector 测试连接
👉 点击展开：Q3: 工具调用失败或返回错误？
**可能原因**： 1. **数据不存在**： - 确认已运行过爬虫（有 output 目录数据） - 检查查询日期范围是否有数据 - 查看 output 目录的可用日期 2. **参数错误**： - 检查日期格式：`YYYY-MM-DD` - 确认平台 ID 正确：`zhihu`, `weibo` 等 - 查看工具文档中的参数说明 3. **配置问题**： - 确认 `config/config.yaml` 存在 - 确认 `config/frequency_words.txt` 存在 - 检查配置文件格式是否正确

## 📚 项目相关 > **4 篇文章**： - [可在该文章下方留言，方便项目作者用手机答疑](https://mp.weixin.qq.com/s/KYEPfTPVzZNWFclZh4am_g) - [2个月破 1000 star，我的GitHub项目推广实战经验](https://mp.weixin.qq.com/s/jzn0vLiQFX408opcfpPPxQ) - [github fork 运行本项目的注意事项 ](https://mp.weixin.qq.com/s/C8evK-U7onG1sTTdwdW2zg) - [基于本项目，如何开展公众号或者新闻资讯类文章写作](https://mp.weixin.qq.com/s/8ghyfDAtQZjLrnWTQabYOQ) >**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 Chart](https://api.star-history.com/svg?repos=sansan0/TrendRadar&type=Date)](https://www.star-history.com/#sansan0/TrendRadar&Date)
## 📄 许可证 GPL-3.0 License # 参考资料 * any list {:toc}