TrendRadar 热点舆情监控

由 sansan0 制作工具包研究

新上架第 2 版 · 更新于 2026-11-09

星标63.5k

一个开源的新闻与舆情监控工具。它读取国内各平台的热搜榜和你订阅的 RSS，留下符合关键词或 AI 评分的内容，再推送到飞书、Telegram、邮件等渠道。它的 MCP 服务器让 Cursor 等客户端查询已保存的新闻。

TrendRadar 热点舆情监控是一款 GitHub 上的开源项目，属于研究类，由 Mindket 上架。可免费获取。当前为第 2 版，最近更新于 2026-11-09。按它的 README 从 GitHub 安装。Mindket 的设置说明可在你的 Mindket 账户获取，以 zip 压缩包下载。

速览

用在

Docker：README 推荐的方式，适合服务器、NAS 或一直开着的电脑
用 uv 本地运行：Windows、Mac、Linux 都可以，不需要 Docker
GitHub Actions：在你自己的仓库副本里运行，每 7 天要签到一次
推送渠道：飞书、钉钉、企业微信、Telegram、邮件、ntfy、Bark、Slack，以及能接 Discord、Matrix 或 IFTTT 的通用 Webhook

先运行

git clone https://github.com/sansan0/TrendRadar.git
cd TrendRadar/docker
docker compose up -d

平台

Docker容器

Windows操作系统

Linux操作系统

Cursor代码编辑器

Cline编程智能体

Claude Code编程智能体

用在哪里里还有 2 个

关于

它是什么

TrendRadar 是 sansan0 做的开源新闻与舆情监控工具。它读取微博、知乎、抖音、B 站、百度等国内平台的热搜榜，再加上你自己添加的 RSS 或 Atom 订阅。它留下符合你关键词的条目，或者交给 AI 模型，按你用平常话写下的兴趣给每条打分再挑。挑出的内容会推送到飞书、钉钉、企业微信、Telegram、邮件、ntfy、Bark、Slack 或通用 Webhook，同时生成一份能在浏览器里打开的 HTML 报告。另有一个可选的 MCP 服务器，让 AI 客户端搜索、分析你已经保存的新闻。

TrendRadar 抓取各平台热榜和你的 RSS 订阅
你的关键词或 AI 兴趣挑出匹配的条目
匹配条目推送到你的聊天工具、邮箱或手机
一份 HTML 报告收下当天的全部内容
AI 客户端通过 MCP 查询已保存的新闻

适合谁

投资者、内容创作者、公关从业者，还有每天读大量新闻、想先筛一遍再看的人。README 列出的典型场景是股票投资监控、品牌舆情追踪和行业趋势观察。它默认的 11 个热榜平台都是国内平台，想看其他地区的新闻，就靠 RSS 订阅。仓库自带的 config.yaml 已经列了 Hacker News 和雅虎财经（Yahoo Finance）。

谁在用，怎么用

行业	谁在用	怎么用	例子
投资	交易员和投资者	用 incremental 模式，只推送新出现的匹配条目	一位交易员写下几家公司的名字，只收到之前没推送过的条目。
内容创作	内容创作者	用 current 模式，推送当前还在榜上的匹配条目	一位创作者盯着某个话题的关键词，每次推送都能看到哪些匹配标题仍在榜上。
公关和品牌	公关从业者	把品牌名写进关键词文件	一位公关负责人加上品牌名，一次推送就能读到各平台的匹配标题。
日常阅读	管理者和普通读者	用 daily 模式，每次推送都包含当天全部匹配新闻	一位管理者设成 daily 模式，把当天的匹配新闻当作一份汇总来读。

如果你想就任意话题实时搜索社交媒体，它不合适。TrendRadar 只看排行榜和订阅源，上面出现的内容才会到你手里。

用在哪里

README 给了三种部署方式：你自己的电脑、一台常开的服务器，或者 GitHub Actions。它的 MCP 服务器能用在任何支持 Model Context Protocol 的客户端里。

Docker：README 推荐的方式，适合服务器、NAS 或一直开着的电脑
用 uv 本地运行：Windows、Mac、Linux 都可以，不需要 Docker
GitHub Actions：在你自己的仓库副本里运行，每 7 天要签到一次
推送渠道：飞书、钉钉、企业微信、Telegram、邮件、ntfy、Bark、Slack，以及能接 Discord、Matrix 或 IFTTT 的通用 Webhook
MCP 客户端：README 给了 Cherry Studio、Cursor、Cline 和 Continue 的步骤，另有一个通用模板。Claude Code、Codex 和 Gemini CLI 没有专门的步骤

如何设置

点“获取”会把一个装有 Mindket 安装说明的 zip 压缩包存进你的下载文件夹，每种部署方式、每个 MCP 客户端各一页，内容都出自 TrendRadar 自己的文件。主要途径是 Docker。

先准备好这些

需要	说明
运行方式	Docker、uv 或一个 GitHub 账号。uv 会自己装好所需的 Python，项目要求 Python 3.12 或更高版本
推送目的地	某个渠道的 Webhook 地址、机器人 token 或邮箱登录信息。没有的话也能只看 HTML 报告
模型密钥	AI 分析推送、翻译和 AI 筛选需要，这些功能基于 LiteLLM（README 说支持 100 多家服务商）。MCP 对话用的是你在客户端里设置的模型和密钥
已保存的新闻	MCP 服务器的查询和分析工具读的是 output 文件夹，不是实时网络。只有 trigger_crawl 和两个读文章的工具会联网。先让爬虫跑一天，或者用 README 里的一周示例数据

克隆仓库。下面的命令接着会进入它的 docker 文件夹。
选好平台和关键词。平台写在 config/config.yaml，关键词写在 config/frequency_words.txt。
把密钥放进 docker/.env。这个文件存 Webhook 地址和各类密钥。README 说 git 不会跟踪它，但仓库里自带一份 docker/.env 模板，所以千万不要提交或推送你填好的这份。不要把它们写进 config.yaml。
启动服务。compose 文件默认在启动时抓取一次，之后每 30 分钟抓取一次。
在浏览器里打开报告。跑完一次之后，最新的报告在 http://localhost:8080 。

git clone https://github.com/sansan0/TrendRadar.git
cd TrendRadar/docker
docker compose up -d

不用 Docker 的话，README 的本地方式是下面四行，先装好 uv 再运行。

git clone https://github.com/sansan0/TrendRadar.git
cd TrendRadar
uv sync
uv run python -m trendradar

MCP 服务器用 README 推荐的 STDIO 模式时，由你的客户端通过 uv 把它启动起来。把 /path/to/TrendRadar 换成你的项目文件夹。下面是 Cursor 的配置文件 .cursor/mcp.json。

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

如何使用

把你关心的内容写进 config/frequency_words.txt，再到 config.yaml 的 report 下选一个推送模式。三种模式是 daily、current 和 incremental。关键词组之间用空行隔开。加号表示必须包含的词，所以 README 里 iPhone、华为、OPPO 加上 +发布这一组，会留下发布会新闻，滤掉销量新闻。

report:
  mode: "incremental"

想向已保存的新闻提问，就接上一个 MCP 客户端，用平常话问。下面是 README 自己给的例子。

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

示例

你关注英文的 AI 新闻，可普通关键词 ai 连讲 training 的标题也一起抓了进来。于是你把 README 里的正则词组写进 frequency_words.txt。

/(?<![a-z])ai(?![a-z])/
人工智能

README 说，“AI is the future”和“人工智能发展迅速”这下都能匹配上。“Resistance training is important”不会匹配，因为这里的 ai 藏在单词中间。在正则后面加上 => AI 相关，推送里就显示这个名字，不再显示正则本身。

新手与专家

新手：每个平台都有一张排行榜，列出大家正在搜、正在看的内容。TrendRadar 定时读这些榜单，按你的规则筛一遍，再把结果发给你，你就不用挨个打开 App。先用 Docker，配一组关键词、一个推送渠道。推送正常到达后，再加 AI 功能和 MCP。

专家：关键词文件有七种语法：普通词、+必须词、!过滤词、@数量、[GLOBAL_FILTER]、/正则/ 和 => 别名。把 filter.method 设成 ai，关键词就换成兴趣文件 config/ai_interests.txt，由模型给每个标题打分。README 说 AI 这一步失败时，会退回关键词匹配。

schedule 配置和 timeline.yaml 能给每个时间段设定自己的推送模式和筛选方式，内置五个预设：always_on、morning_evening、office_hours、night_owl 和 custom。环境变量优先于 config.yaml，在 Docker 或 NAS 上改了文件却不生效时，这一点很关键。MCP 服务器的工具涵盖日期解析、查询、搜索、分析、存储、读文章和通知。

维护者的文件里有两处说法对不上。README 第 6 步还写着 AI_PROVIDER 变量，可它自己的 v5.3.0 更新日志说这个变量已经去掉，docker/.env 用的是 provider/model 格式的 AI_MODEL。README 把 ai_filter.min_score 写成 1 到 10，config.yaml 里的注释却写 0.0 到 1.0。以你手上那份文件为准。

注意事项

README 没有提到向维护者发送任何使用数据，不过有几处会连到你的电脑之外。

新闻来源：热榜数据来自 newsnow 项目的 API，那是一个独立的服务，除非你自己部署一个并设置 platforms.api_url。README 请 Docker 用户不要抓得太频繁
模型服务商：每个 AI 功能都会把新闻标题或你的兴趣描述发给你设置的服务商，用的是你自己的密钥，费用也算你的
读文章：MCP 里读文章的工具会把文章链接发给 Jina AI Reader 服务
版本检查：它会访问 GitHub，备用来源是 jsDelivr 和 Cloudflare CDN。config.yaml 里的 show_version_update 可以关掉更新提示
密钥：Webhook 地址、机器人 token、邮箱密码和 AI_API_KEY 都放在 docker/.env 或 GitHub Secrets 里。README 说 Webhook 地址不要公开在任何网站上
会动手的工具：trigger_crawl 会执行一次抓取，send_notification 会往你的渠道推送消息。在客户端里给这两个工具保留确认步骤
监听地址：start-http 脚本传的是 --host 0.0.0.0，会在所有网卡上监听。README 说 Docker 版 MCP 服务只监听 127.0.0.1，而 STDIO 模式下由客户端自己启动服务器
GitHub Actions：用 Use this template，不要用 Fork，每 7 天签到一次。完整模式需要 Cloudflare R2 这类兼容 S3 的存储
时区：配置文件默认是 Asia/Shanghai，推送时间对不上时改成你的时区
卸载：README 没有卸载说明。Docker 下，README 给的 docker stop trendradar 和 docker rm trendradar 会删掉推送容器并保留数据。compose 文件里的 MCP 容器叫 trendradar-mcp，这两条不会动它。删掉 output 文件夹才会清掉已保存的新闻
许可证：GPL-3.0。README 说，如果有人用了它的核心代码或借鉴了它的思路，希望注明来源并附上仓库链接

README 和文件

README

TrendRadar：安装说明

这个工具包里只有安装说明，由 Mindket 编写。TrendRadar 要从维护者的仓库安装，地址是 https://github.com/sansan0/TrendRadar

这些说明不是维护者 sansan0 写的，也没有得到他的认可。仓库对 TrendRadar 的英文介绍是“AI-driven public opinion & trend monitor with multi-platform aggregation, RSS, and smart alerts.”，中文介绍开头是“告别信息过载，你的 AI 舆情监控助手与热点筛选工具！”。来源见 https://github.com/sansan0/TrendRadar

许可证：GPL-3.0。GitHub 页面标的是 GPL-3.0，README 的许可证一节写着“GPL-3.0 License”，LICENSE 文件（https://github.com/sansan0/TrendRadar/blob/master/LICENSE ）是标准的 GNU 通用公共许可证第 3 版全文。README 说，如果有人用了它的核心代码或借鉴了它的思路，希望在自己的 README 或文档里注明来源并附上仓库链接。来源见 https://github.com/sansan0/TrendRadar/blob/master/README-EN.md

README 链接了官网和文档站 https://trendradar.sandev.cc/zh/ （英文页面在 /en/ 下）。这些说明里的每条命令都抄自仓库自己的文件：README-EN.md、README.md、README-Cherry-Studio.md、README-MCP-FAQ.md、README-MCP-FAQ-EN.md、docker/docker-compose.yml、docker/.env、config/config.yaml、pyproject.toml，以及启动和安装脚本。下面每个文件都注明了它抄自哪一份。README 说步骤会变，要先看它自己的最新页面。

它能做什么

通过 newsnow 的 API 读取多个国内平台的热榜，再加上你添加的 RSS 或 Atom 订阅。
留下符合你关键词的条目，或者由 AI 模型按你用平常话写下的兴趣打分来挑。
推送到飞书、钉钉、企业微信、Telegram、邮件、ntfy、Bark、Slack 或通用 Webhook，并生成一份能在浏览器里打开的 HTML 报告。
可以在每次推送后面附上 AI 分析报告或翻译。
带一个 MCP 服务器，AI 客户端可以在对话里搜索、分析它保存的新闻数据。

三种运行方式

| 方式 | README 对它的描述 | 说明 |
|---|---|---|
| Docker | “推荐”“比 GitHub Actions 更稳定”，适合服务器、NAS 或常开的电脑 | setup/docker.md |
| 用 uv 本地运行 | “直接在你的电脑上运行，不需要 Docker” | setup/local-uv.md |
| GitHub Actions | 在你自己的仓库副本里运行，每 7 天要签到一次 | setup/github-actions.md |

来源见 https://github.com/sansan0/TrendRadar/blob/master/README-EN.md 的“Quick Start”一节

各客户端的说明（MCP，用来和已保存的新闻对话）

README 给了 Cherry Studio、Cursor、Cline 和 Continue 的 MCP 步骤，一段标为“Claude Desktop / Cline”的 JSON 配置，一节讲 MCP Inspector，还有一个适用于任何 MCP 客户端的模板。Claude Code、Codex 和 Gemini CLI 没有专门的步骤。setup/other-mcp-clients.md 收了 README 两种模式下的模板，照着改成你自己的智能体的配置格式即可。

setup/docker.md：两个镜像、compose 文件、.env 文件和管理命令
setup/local-uv.md：用 uv 运行，以及 Windows 和 Mac 的安装脚本
setup/github-actions.md：你自己的仓库副本、Secrets、手动测试和 7 天签到
setup/ai-features.md：AI 分析推送、翻译和 AI 筛选，以及模型相关的变量
setup/cherry-studio.md：在 Cherry Studio 里接 MCP 服务器，README 推荐用它做图形界面配置
setup/cursor.md：在 Cursor 里接 MCP 服务器
setup/vscode-cline-continue.md：在 Cline 和 Continue 里接 MCP 服务器
setup/other-mcp-clients.md：Claude Desktop 的配置片段、MCP Inspector、通用模板和连接检查
setup/mcp-questions.md：默认设置、工具清单，以及可以问什么

事先需要准备

按你选的方式准备 Docker、uv 或一个 GitHub 账号。uv 会自己装好所需的 Python：README 说“不需要 Python，uv 会自动管理”。pyproject.toml 要求 Python 3.12 或更高版本。
至少一个推送目的地，除非你只看 HTML 报告。每个渠道都有自己的密钥或 Webhook 地址。
AI 分析推送、翻译和 AI 筛选需要一个模型 API 密钥。它们基于 LiteLLM，README 说它支持 100 多家服务商。MCP 对话用的是你在客户端（比如 Cherry Studio）里设置的模型和密钥。
MCP 服务器需要已保存的新闻数据：它的查询和分析工具读的是 output 文件夹，不是实时网络。只有 trigger_crawl 和两个读文章的工具 read_article、read_articles_batch 会联网。先让爬虫跑一天，或者用 README 说仓库自带的示例数据。

来源见 https://github.com/sansan0/TrendRadar/blob/master/README-EN.md 的“Quick Start”（Option C）、“12. Let AI help me analyze hot topics”和“AI Analysis”几节，https://github.com/sansan0/TrendRadar/blob/master/pyproject.toml ，以及讲客户端模型密钥和联网工具的 README-MCP-FAQ.md

密钥和地址只归你自己

Webhook 地址、机器人 token、邮箱密码和 AI_API_KEY 都是密钥。README 说 Webhook 地址不要发到 GitHub、博客或任何公开网站上。用 Docker 时它们放在 docker/.env。README 说 git 不会跟踪这个文件，但仓库里自带它的模板，所以千万不要提交或推送你填好的这份。用 GitHub Actions 时它们放在仓库的 Secrets 里，名字要和 README 列出的完全一致。在公开仓库里，绝不要把它们写进 config.yaml。

来源见 https://github.com/sansan0/TrendRadar/blob/master/README-EN.md 和 https://github.com/sansan0/TrendRadar/blob/master/config/config.yaml

更新或卸载

Docker 下，README 给了两种更新方法：

docker pull wantcat/trendradar:latest
docker pull wantcat/trendradar-mcp:latest
docker compose down
docker compose up -d

docker compose pull
docker compose up -d

README 没有卸载说明。Docker 下它列了下面两条，并说删掉容器会保留数据：

docker stop trendradar
docker rm trendradar

这两条只删掉推送容器。compose 文件还会启动名为 trendradar-mcp 的 MCP 容器，这两条不会动它。

生成的报告和数据都在项目里的 output 文件夹（TrendRadar/output）里，所以删掉这个文件夹才会清掉已保存的数据。MCP 容器这条说明和最后这一步都是 Mindket 的说明，不是 README 写的。

来源见 https://github.com/sansan0/TrendRadar/blob/master/README-EN.md 的“6. Docker Deployment”一节

时区、数据和新闻来源

配置文件在 app 下默认写的是 timezone: "Asia/Shanghai"，注释说它影响所有时间显示、调度判断和数据存储。README 给的其他例子是 America/Los_Angeles 和 Europe/London，推送时间对不上时就改成你的时区。README 还说默认从不删除你的数据。想自动清理，就设置 storage.local 下的 retention_days，0 表示永久保留。

新闻本身来自 newsnow 项目的 API。config.yaml 的注释说你可以自己部署 newsnow，再把 platforms.api_url 指向你自己的实例，格式如 https://your-domain.com/api/s。维护者的自建热点源页面（链接在下面）说 PLATFORMS_API_URL 环境变量会覆盖这个设置。仓库自带的配置文件还给每个平台写了 expected_domain，链接不是 HTTPS 或不在这个域名下的数据会被丢弃，并建议只要 api_url 不是你自己部署的实例，就配上它。那个页面讲怎么自建热点源，给了让 AI 部署 NewsNow 或 OmniTrends 的提示词，推荐用 Cloudflare Pages 加 D1：https://trendradar.sandev.cc/zh/docs/self-hosted-sources/ 。来源见 https://github.com/sansan0/TrendRadar/blob/master/config/config.yaml 和 README-EN.md 的“Custom Monitoring Platforms”一节。

对外连接

README 说新闻来自 newsnow 项目的 API，并请 Docker 用户不要抓得太频繁。版本检查会访问 GitHub，备用来源是 jsDelivr 和 Cloudflare CDN，config.yaml 里的 show_version_update 可以关掉更新提示。每次推送都发到你设置的渠道，每个 AI 功能都会把新闻发给你设置的模型服务商，MCP 里读文章的工具会把文章链接发给 Jina AI Reader 服务（见 setup/mcp-questions.md）。README 没有提到向维护者发送使用数据。

来源见 https://github.com/sansan0/TrendRadar/blob/master/README-EN.md （Data Support 一节和 v6.8.0 更新日志）以及 https://github.com/sansan0/TrendRadar/blob/master/config/config.yaml

来源

README（英文）https://github.com/sansan0/TrendRadar/blob/master/README-EN.md
README（中文）https://github.com/sansan0/TrendRadar/blob/master/README.md
Cherry Studio 教程 https://github.com/sansan0/TrendRadar/blob/master/README-Cherry-Studio.md
MCP 问答和工具清单 https://github.com/sansan0/TrendRadar/blob/master/README-MCP-FAQ.md （英文版 https://github.com/sansan0/TrendRadar/blob/master/README-MCP-FAQ-EN.md ）
Compose 文件 https://github.com/sansan0/TrendRadar/blob/master/docker/docker-compose.yml
Docker 设置文件 https://github.com/sansan0/TrendRadar/blob/master/docker/.env
主配置文件 https://github.com/sansan0/TrendRadar/blob/master/config/config.yaml

文件

README.md  9 KB
setup/ai-features.md  6 KB
setup/cherry-studio.md  6 KB
setup/cursor.md  3 KB
setup/docker.md  6 KB
setup/github-actions.md  6 KB
setup/local-uv.md  4 KB
setup/mcp-questions.md  4 KB
setup/other-mcp-clients.md  4 KB
setup/vscode-cline-continue.md  2 KB

10 个文件，共 51 KB，以 zip 压缩包下载。