给AI装上“新闻雷达”TrendRadarMCP架构用自然语言对话深度分析万亿信息流小伙伴们每天醒来你是否也陷入了这样的困境打开微博满屏是娱乐八卦刷知乎又被算法塞了一堆无关广告想看行业前沿却要在十几个App之间来回切换。我们明明生活在信息爆炸的时代真正有价值的内容却像大海捞针。更让人沮丧的是算法的“投喂”正让我们深陷信息茧房——只看得到自己想看的却错过了真正需要知道的。这个所有现代人的“数字痛点”正被GitHub上一个国产开源项目彻底颠覆。它就是TrendRadar一款彻底打破信息壁垒的AI驱动智能舆情监控与热点聚合工具。不同于被动推送的新闻客户端TrendRadar就像你部署在云端的“私人情报雷达”主动扫描全网、精准筛选、智能分析再把真正重要的信息推到你手边。目前在GitHub上已狂揽超过50,000颗Star。img项目简介不只是新闻聚合器TrendRadar由国内独立开发者sansan0创建是一个基于Python开发的多平台热点资讯聚合与智能分析系统采用MIT开源协议。它的核心理念简单而有力把获取信息的主动权交还给用户。它不是简单地罗列热搜榜而是构建了一套从数据源、智能筛选到多渠道推送的完整链路。用户通过自定义平台源和关键词就能精准定义自己的“信息雷达网”而系统内的权重算法会自动过滤掉广告和无关内容。最令人惊讶的是其“零门槛”理念——官方宣称最快30秒即可部署。无需编程基础、无需服务器小白也能一键拥有自己的智能信息中枢。核心功能从监控到预测全面覆盖1. 全网热点聚合与权重重塑TrendRadar默认监控国内外超过35个主流平台包括知乎、抖音、B站、微博、百度热搜、华尔街见闻、财联社等。但它不是简单搬运而是用个性化权重算法重新排序所有热搜——综合排名权重60%、出现频次30%和热度值10%让算法真正为用户服务。2. 三层关键词筛选与三种推送模式在筛选策略上TrendRadar支持**普通词、必须词、过滤词!**三种语法。例如设置“AI 大模型”和“!广告”即可精准过滤噪音。推送模式同样精妙当日汇总模式适合管理者做全局扫描当前榜单模式适合快节奏浏览实时热点增量监控模式则只在有新增内容时发送提醒适合职场人避免非工作时间的无效打扰。3. 业内独一无二的MCP架构对话式分析TrendRadar最“杀手级”的功能是其首创的基于MCP协议的AI对话分析系统。它提供完整的MCP Server开放13种原子化分析工具包括趋势追踪、情感分析、语义关联、相似检索等。你可以直接在AI客户端里用自然语言提问“上周知乎上关于OpenAI的情绪变化趋势如何”AI会自动调用多个MCP工具完成分析。这种工作方式让信息获取从“被动推送”升级为“主动探究”至今在开源舆情工具中仍独一无二。4. 全渠道智能推送多端适配TrendRadar支持企业微信、飞书、钉钉、Telegram、邮件、ntfy、Bark、Slack等十余种推送渠道确保信息随时随地触达用户。数据全面本地化存储支持Docker部署和GitHub Pages自动生成网页报告完美适配PC和移动端。极简安装与使用方法TrendRadar支持两种主流部署方式方式一Docker部署推荐# 1. 克隆仓库 git clone https://github.com/sansan0/TrendRadar.git cd TrendRadar # 2. 拉取镜像并启动 docker pull wantcat/trendradar:latest docker run -d --name trendradar \ -v $(pwd)/config:/app/config \ -v $(pwd)/output:/app/output \ wantcat/trendradar:latest安装Docker Desktop后上述命令即可完成部署。方式二GitHub Actions部署零服务器直接在GitHub上Fork项目仓库设置好Secrets后启用Actions系统便会自动运行爬虫并推送消息。全程无需服务器、无需编程是真正意义上的“小白也能上手”。部署完成后需要配置两个核心文件•config/config.yaml主配置文件设置监控平台、推送渠道和时间窗口•config/frequency_words.txt关键词文件一行一个支持普通词、必须词和过滤词!语法代码演示用MCP工具对话式分析热点以下示例展示了如何调用TrendRadar的MCP工具完成对话式分析from fastmcp import FastMCP # 初始化MCP服务 mcp FastMCP(trendradar-news) mcp.tool async def analyze_topic_trend( topic: str, days: int 7, platforms: list None ) - str: 统一话题趋势分析工具整合多种趋势分析模式。 Args: topic: 要分析的话题关键词 days: 分析天数默认7天 platforms: 指定平台列表如 [zhihu, weibo] Returns: JSON格式的趋势分析报告 # 工具内部会自动拉取历史数据完成趋势统计和跨平台对比 pass # 用户只需在AI客户端中输入 # “分析过去7天‘大模型应用’在知乎和微博上的热度变化趋势”这个例子展示了MCP架构的核心价值将复杂的舆情分析变成简单的自然语言对话用户无需理解底层技术AI会自动编排工具调用链。优势对比为何它一骑绝尘与市场上其他信息聚合方案相比TrendRadar的定位极其精准对比维度TrendRadar商业舆情工具如识微商情新闻聚合App如今日热榜通用RSS阅读器收费模式完全免费开源年费数千至数万元基本免费含广告免费/付费数据源覆盖35平台可自定义扩展较广但需付费解锁固定平台不可扩展需自行寻找RSS源筛选能力三层关键词权重算法精准过滤较强依赖平台规则弱或无中等AI分析业内首创MCP架构自然语言对话式分析较成熟但封闭生态无或极弱无部署门槛极低30秒Fork即可使用高需商务对接低下载App中等数据隐私完全本地/自托管数据自主可控云端存储有泄露风险云端本地与商业舆情工具相比TrendRadar以零成本实现了专业级功能且数据完全自主可控。与通用App相比TrendRadar通过自定义配置打破了算法“投喂”的被动局面。MCP架构的对话式AI分析能力更是其在同类开源项目中独一无二的护城河。写在最后TrendRadar的出现让个人拥有了过去只有大型机构才具备的AI舆情监控能力而且完全免费、零门槛。它不仅是一个工具更代表了一种“信息平权”的理念——把信息的主动权交还给每个人。无论你是每天追热点的自媒体创作者还是需要监控行业动态的投资者抑或是想为团队搭建信息情报系统的管理者TrendRadar都能让你从被动的信息轰炸中彻底解脱成为信息洪流中的“主动掌控者”。项目地址https://github.com/sansan0/TrendRadar GitHub狂揽50K星！TrendRadar让全网热搜“自己找上门”，30秒免费部署你的专属情报雷达！
给AI装上“新闻雷达”TrendRadarMCP架构用自然语言对话深度分析万亿信息流小伙伴们每天醒来你是否也陷入了这样的困境打开微博满屏是娱乐八卦刷知乎又被算法塞了一堆无关广告想看行业前沿却要在十几个App之间来回切换。我们明明生活在信息爆炸的时代真正有价值的内容却像大海捞针。更让人沮丧的是算法的“投喂”正让我们深陷信息茧房——只看得到自己想看的却错过了真正需要知道的。这个所有现代人的“数字痛点”正被GitHub上一个国产开源项目彻底颠覆。它就是TrendRadar一款彻底打破信息壁垒的AI驱动智能舆情监控与热点聚合工具。不同于被动推送的新闻客户端TrendRadar就像你部署在云端的“私人情报雷达”主动扫描全网、精准筛选、智能分析再把真正重要的信息推到你手边。目前在GitHub上已狂揽超过50,000颗Star。img项目简介不只是新闻聚合器TrendRadar由国内独立开发者sansan0创建是一个基于Python开发的多平台热点资讯聚合与智能分析系统采用MIT开源协议。它的核心理念简单而有力把获取信息的主动权交还给用户。它不是简单地罗列热搜榜而是构建了一套从数据源、智能筛选到多渠道推送的完整链路。用户通过自定义平台源和关键词就能精准定义自己的“信息雷达网”而系统内的权重算法会自动过滤掉广告和无关内容。最令人惊讶的是其“零门槛”理念——官方宣称最快30秒即可部署。无需编程基础、无需服务器小白也能一键拥有自己的智能信息中枢。核心功能从监控到预测全面覆盖1. 全网热点聚合与权重重塑TrendRadar默认监控国内外超过35个主流平台包括知乎、抖音、B站、微博、百度热搜、华尔街见闻、财联社等。但它不是简单搬运而是用个性化权重算法重新排序所有热搜——综合排名权重60%、出现频次30%和热度值10%让算法真正为用户服务。2. 三层关键词筛选与三种推送模式在筛选策略上TrendRadar支持**普通词、必须词、过滤词!**三种语法。例如设置“AI 大模型”和“!广告”即可精准过滤噪音。推送模式同样精妙当日汇总模式适合管理者做全局扫描当前榜单模式适合快节奏浏览实时热点增量监控模式则只在有新增内容时发送提醒适合职场人避免非工作时间的无效打扰。3. 业内独一无二的MCP架构对话式分析TrendRadar最“杀手级”的功能是其首创的基于MCP协议的AI对话分析系统。它提供完整的MCP Server开放13种原子化分析工具包括趋势追踪、情感分析、语义关联、相似检索等。你可以直接在AI客户端里用自然语言提问“上周知乎上关于OpenAI的情绪变化趋势如何”AI会自动调用多个MCP工具完成分析。这种工作方式让信息获取从“被动推送”升级为“主动探究”至今在开源舆情工具中仍独一无二。4. 全渠道智能推送多端适配TrendRadar支持企业微信、飞书、钉钉、Telegram、邮件、ntfy、Bark、Slack等十余种推送渠道确保信息随时随地触达用户。数据全面本地化存储支持Docker部署和GitHub Pages自动生成网页报告完美适配PC和移动端。极简安装与使用方法TrendRadar支持两种主流部署方式方式一Docker部署推荐# 1. 克隆仓库 git clone https://github.com/sansan0/TrendRadar.git cd TrendRadar # 2. 拉取镜像并启动 docker pull wantcat/trendradar:latest docker run -d --name trendradar \ -v $(pwd)/config:/app/config \ -v $(pwd)/output:/app/output \ wantcat/trendradar:latest安装Docker Desktop后上述命令即可完成部署。方式二GitHub Actions部署零服务器直接在GitHub上Fork项目仓库设置好Secrets后启用Actions系统便会自动运行爬虫并推送消息。全程无需服务器、无需编程是真正意义上的“小白也能上手”。部署完成后需要配置两个核心文件•config/config.yaml主配置文件设置监控平台、推送渠道和时间窗口•config/frequency_words.txt关键词文件一行一个支持普通词、必须词和过滤词!语法代码演示用MCP工具对话式分析热点以下示例展示了如何调用TrendRadar的MCP工具完成对话式分析from fastmcp import FastMCP # 初始化MCP服务 mcp FastMCP(trendradar-news) mcp.tool async def analyze_topic_trend( topic: str, days: int 7, platforms: list None ) - str: 统一话题趋势分析工具整合多种趋势分析模式。 Args: topic: 要分析的话题关键词 days: 分析天数默认7天 platforms: 指定平台列表如 [zhihu, weibo] Returns: JSON格式的趋势分析报告 # 工具内部会自动拉取历史数据完成趋势统计和跨平台对比 pass # 用户只需在AI客户端中输入 # “分析过去7天‘大模型应用’在知乎和微博上的热度变化趋势”这个例子展示了MCP架构的核心价值将复杂的舆情分析变成简单的自然语言对话用户无需理解底层技术AI会自动编排工具调用链。优势对比为何它一骑绝尘与市场上其他信息聚合方案相比TrendRadar的定位极其精准对比维度TrendRadar商业舆情工具如识微商情新闻聚合App如今日热榜通用RSS阅读器收费模式完全免费开源年费数千至数万元基本免费含广告免费/付费数据源覆盖35平台可自定义扩展较广但需付费解锁固定平台不可扩展需自行寻找RSS源筛选能力三层关键词权重算法精准过滤较强依赖平台规则弱或无中等AI分析业内首创MCP架构自然语言对话式分析较成熟但封闭生态无或极弱无部署门槛极低30秒Fork即可使用高需商务对接低下载App中等数据隐私完全本地/自托管数据自主可控云端存储有泄露风险云端本地与商业舆情工具相比TrendRadar以零成本实现了专业级功能且数据完全自主可控。与通用App相比TrendRadar通过自定义配置打破了算法“投喂”的被动局面。MCP架构的对话式AI分析能力更是其在同类开源项目中独一无二的护城河。写在最后TrendRadar的出现让个人拥有了过去只有大型机构才具备的AI舆情监控能力而且完全免费、零门槛。它不仅是一个工具更代表了一种“信息平权”的理念——把信息的主动权交还给每个人。无论你是每天追热点的自媒体创作者还是需要监控行业动态的投资者抑或是想为团队搭建信息情报系统的管理者TrendRadar都能让你从被动的信息轰炸中彻底解脱成为信息洪流中的“主动掌控者”。项目地址https://github.com/sansan0/TrendRadar