关键词

新闻聚合热点分析LLM工具智能推送舆情监控

项目简介

TrendRadar 是一款功能强大的新闻热点聚合与智能分析系统。它能够从知乎、抖音、微博、B站、华尔街见闻等多个主流平台抓取最新资讯，并通过智能算法进行内容筛选、热点趋势分析，并将结果通过多种渠道（如企业微信、飞书、Telegram、邮件等）实时推送。最新版本还集成了 Model Context Protocol (MCP) 服务器，允许 LLM 客户端通过自然语言对新闻数据进行深度交互式分析，助您告别信息过载，精准掌握关心的新闻动态。

主要功能点

  • 全网热点聚合: 监控并抓取11个以上主流平台的热点新闻。
  • 智能推送策略: 提供“当日汇总”、“当前榜单”和“增量监控”三种推送模式，并支持推送时间窗口控制，避免打扰。
  • 精准内容筛选: 通过关键词（支持普通词、必须词、过滤词）过滤和词组管理，只推送用户关心的热点。
  • 热点趋势分析: 实时追踪新闻热度变化，提供时间轴追踪、热度变化、新增检测、持续性分析和跨平台对比。
  • 个性化热点算法: 根据新闻排名、出现频次和排名质量重新排序热点，提供自定义权重调整。
  • 多渠道实时推送: 支持企业微信、飞书、钉钉、Telegram、邮件、ntfy 等多种通知渠道。
  • 多端适配: 提供 GitHub Pages 网页报告（PC/移动端）、Docker 部署和数据持久化。
  • AI 智能分析 (MCP): 作为 MCP 服务器，向 LLM 客户端提供 13 种分析工具，支持对话式查询、话题趋势追踪、跨平台数据对比、智能摘要生成、情感分析等深度分析能力。

安装步骤

TrendRadar 支持 GitHub Actions 自动化部署和 Docker 容器部署，无需编程经验。

  1. Fork 项目: 访问 GitHub 仓库 'https://github.com/sansan0/TrendRadar'，点击右上角的 "Fork" 按钮，将项目复制到您的账户。
  2. 配置通知渠道 (GitHub Secrets): 在您 Fork 后的仓库中，进入 'Settings' > 'Secrets and variables' > 'Actions'，点击 'New repository secret'，根据您选择的通知平台（如企业微信、飞书、Telegram 等）添加对应的 Webhook URL 或 API Token。
  3. 配置关键词: 修改 'config/frequency_words.txt' 文件，添加您感兴趣的关键词和筛选规则。
  4. 配置运行模式: 修改 'config/config.yaml' 文件，调整报告模式、推送窗口等高级设置。
  5. 启用 GitHub Pages (可选): 在仓库 'Settings' > 'Pages' 中启用 GitHub Pages，即可自动生成精美网页报告。
  6. 部署 MCP 服务器 (可选，用于AI分析):
    • 如果您想使用 AI 智能分析功能，您需要额外启动 MCP 服务器。项目提供了 'start-http.sh' (Linux/Mac) 和 'start-http.bat' (Windows) 脚本来启动 HTTP 模式的 MCP 服务器。
    • 或者通过 'uv run python mcp_server/server.py --transport stdio' 启动 STDIO 模式服务器。

MCP 服务器配置 (供MCP客户端连接)

TrendRadar 的 MCP 服务器支持 'stdio' 和 'http' 两种传输模式。MCP 客户端（如 Cherry Studio, Claude Desktop, Cursor, Cline 等）需要配置服务器的启动命令和参数才能连接。

  • HTTP 模式 (推荐用于多数客户端和远程连接):

    • 启动命令: 在 TrendRadar 项目的根目录下运行 'start-http.sh' (Linux/Mac) 或 'start-http.bat' (Windows) 脚本。
    • 服务器URL: 'http://localhost:3333/mcp' (默认端口为 3333，可通过运行脚本时修改)。
    • 配置信息示例 (JSON格式，供MCP客户端配置使用): 
      {
  "name": "trendradar-news",
  "url": "http://localhost:3333/mcp",
  "type": "http",
  "description": "TrendRadar 新闻热点聚合分析服务器"
}

  • STDIO 模式 (适合集成到IDE或本地应用):

    • 启动命令: 'uv' (确保已安装 uv 包管理工具)。
    • 参数: '--directory [您的TrendRadar项目根目录的绝对路径] run python -m mcp_server.server'。
    • 配置信息示例 (JSON格式，供MCP客户端配置使用): 
      {
  "name": "trendradar-news",
  "command": "uv",
  "args": [
    "--directory",
    "/path/to/TrendRadar", // 请替换为您的TrendRadar项目根目录的绝对路径
    "run",
    "python",
    "-m",
    "mcp_server.server"
  ],
  "type": "stdio",
  "description": "TrendRadar 新闻热点聚合分析服务器"
}
      请注意: 将 '/path/to/TrendRadar' 替换为 TrendRadar 仓库在您本地文件系统中的绝对路径。在 Windows 系统中，路径分隔符可能需要使用双反斜杠 '\'。

基本使用方法

  1. 新闻推送: 完成上述配置后，GitHub Actions 会根据预设频率自动运行爬虫并发送通知到您配置的渠道。您也可以手动触发 GitHub Actions 中的 "Hot News Crawler" 工作流进行测试。
  2. AI 智能分析:
    • 首先，确保 MCP 服务器已按上述说明启动。
    • 在支持 MCP 的 LLM 客户端（如 Cherry Studio, Claude Desktop, Cursor 等）中，按照其文档添加 TrendRadar MCP 服务器配置。
    • 连接成功后，您可以在 LLM 客户端中直接使用自然语言提问，例如：
      • "查询昨天知乎的热点新闻前10条"
      • "分析比特币最近一周的热度趋势"
      • "对比知乎和微博平台对AI话题的关注度"
      • "给我一份今天的新闻摘要报告"

信息

分类

AI与计算

访问项目