目录

TrendRadar:54K Stars的AI热点新闻助手,一键部署支持飞书/钉钉/微信多渠道推送

TrendRadar:54K Stars的AI热点新闻助手,一键部署支持飞书/钉钉/微信多渠道推送

🎯 概述

TrendRadar 是一款面向 AI 时代的热点新闻助手,主打"30秒部署“和”AI智能筛选"。用户只需用日常语言描述自己感兴趣的领域,AI 自动过滤无关信息,只推送真正相关的新闻。支持飞书、钉钉、微信、Telegram、邮件等 9大通知渠道,还提供 MCP 客户端让 AI Agent 直接调用。

GitHub: sansan0/TrendRadar
Stars: 54,020 ⭐
Forks: 2,892
版本: v6.6.1
许可证: GPL-3.0

一句话定位

“Say goodbye to endless scrolling, only see the news you truly care about” —— 告别无效刷屏,只看真正关心的新闻资讯。

解决的核心痛点

痛点传统方案TrendRadar
新闻太多太杂手动刷多个平台AI 按兴趣自动筛选
关键词匹配不准硬编码关键词,误报率高自然语言描述兴趣,AI 智能打分
推送配置复杂每个平台单独配置统一配置,多渠道一键推送
AI Agent 无法获取新闻需要写爬虫MCP 客户端直接调用
部署困难需要服务器、域名、证书GitHub Actions 一键部署

🏛️ 系统架构

核心组件

技术栈

组件技术选型说明
语言Python生态丰富,易于扩展
调度GitHub Actions零成本托管
部署Docker一键部署
AI 筛选GPT/Claude API自然语言理解
翻译GPT/Claude API多语言支持
推送9大渠道 SDK覆盖主流平台
MCPModel Context ProtocolAI Agent 集成

🎯 核心功能

1. AI 智能筛选

传统方案需要用户手动定义关键词(如 “AI” AND “LLM”),但关键词匹配有以下问题:

  • 无法理解同义词(“大模型"vs"LLM”)
  • 无法处理组合意图(“AI 创业"vs"AI 股票”)
  • 误报率高(“AI” 可能匹配到"某公司 AI 部门裁员")

TrendRadar 的 AI 筛选使用自然语言描述兴趣:

# config/custom/ai/interests.txt
我想看 AI 和新能源相关新闻

具体来说:
- AI 行业动态:LLM 发布、AI 创业公司、技术突破
- 新能源汽车:特斯拉、比亚迪、宁德时代
- 不看:AI 娱乐化内容、游戏 AI

AI 会:

  1. 提取关键标签:AI, LLM, 新能源, 特斯拉, 比亚迪
  2. 对每条新闻打分(0-100)
  3. 只推送高置信度相关新闻
  4. 如 AI 筛选异常,自动切回关键词匹配

2. 多渠道推送

渠道状态特点
飞书✅ 支持支持富文本,按 30KB 拆分
钉钉✅ 支持支持富文本,按 20KB 拆分
微信✅ 支持公众号/企业微信
Telegram✅ 支持Bot 推送
邮件✅ 支持SMTP 发送
Slack✅ 支持Webhook
ntfy✅ 支持自托管通知
Bark✅ 支持iOS 推送
通用 Webhook✅ 支持自定义集成

3. MCP 客户端支持

TrendRadar 可以作为 MCP 服务器使用,让 AI Agent 直接获取新闻:

// AI Agent 调用示例
const news = await mcpClient.get_trending_news({
  platform: "hackernews",
  limit: 10,
  interests: "AI, LLM, startup"
});

MCP 工具列表:

  • get_trending_news - 获取趋势新闻
  • get_news_by_keyword - 按关键词搜索
  • get_channel_format_guide - 获取各渠道格式指南
  • analyze_news_trend - 分析新闻趋势

4. 30秒部署

TrendRadar 提供了多种部署方式,最快 30秒即可完成:

方式一:GitHub Actions 一键部署(推荐)

# 1. Fork 项目
# 2. 配置 config.yaml(密钥等)
# 3. 启用 GitHub Actions
# 4. 完成!

方式二:Docker 部署

docker run -d \
  -v $(pwd)/config.yaml:/app/config.yaml \
  -p 8000:8000 \
  wantcat/trendradar

方式三:GitHub Pages

# 生成静态 HTML 报告
python generate_report.py --output ./docs
# 推送至 GitHub Pages

⚙️ 配置详解

配置文件结构

# config.yaml

# 通知渠道配置
channels:
  feishu:
    webhook_url: "https://open.feishu.cn/..."
    enabled: true
  
  telegram:
    bot_token: "xxx"
    chat_id: "xxx"
    enabled: true

# AI 筛选配置
ai_filter:
  enabled: true
  api_key: "${OPENAI_API_KEY}"
  model: "gpt-4o"
  confidence_threshold: 70

# 定时任务配置
schedule:
  preset: "morning_evening"  # 预设模板
  # 或者自定义
  windows:
    - name: "早间"
      start: "08:00"
      end: "09:00"
      push: true
      analysis: true

Timeline 调度配置

# timeline.yaml

presets:
  morning_evening:
    name: "早晚汇总"
    windows:
      - period: "morning"
       采集: "07:30"
        推送: "08:00"
        分析: true
      - period: "evening"
        采集: "18:30"
        推送: "19:00"
        分析: true

  always_on:
    name: "全天候"
    windows:
      - period: "all"
        采集: "*/30 * * * *"
        推送: "*/60 * * * *"
        分析: false

📖 使用指南

基础使用:让 AI 按兴趣推送新闻

# 1. 配置兴趣描述
echo "我想看 AI 和新能源相关新闻" > config/custom/ai/interests.txt

# 2. 启用 AI 筛选
sed -i 's/ai_filter_enabled: false/ai_filter_enabled: true/' config.yaml

# 3. 配置推送渠道
export FEISHU_WEBHOOK="https://..."

# 4. 启动
python trendradar.py

进阶使用:作为 MCP 客户端

# 1. 配置 MCP 服务器
export MCP_SERVER_URL="http://localhost:8000"

# 2. 使用 AI Agent 调用
# 在 Claude Code / Cursor 等工具中:
#
# /search news about AI startups
# → MCP 调用 get_trending_news(platform="hackernews", interests="AI startup")

高级用法:多时段差异化配置

timeline:
  windows:
    # 早上:快速浏览科技头条
    - name: "科技早报"
      time: "08:00"
      keywords: ["AI", "LLM", "Tech"]
      push: true
    
    # 晚上:深度分析金融 AI
    - name: "金融晚报"
      time: "19:00"
      keywords: ["FinTech", "AI trading"]
      ai_filter: true
      ai_interests: |
        我关注金融 AI 量化交易
        包括:AI 选股、智能投顾、算法交易
      push: true

🔧 与同类工具对比

特性TrendRadarnewsnowRSSHubN8N
Stars54k23k24k42k
AI 筛选✅ 原生支持需工作流
MCP 支持
多渠道推送9个渠道基础需配置需工作流
30秒部署✅ GitHub Actions
中文支持✅ 完善

🎓 设计原则总结

核心设计理念

  1. AI First:用 AI 替代硬编码关键词匹配
  2. 零成本部署:GitHub Actions 托管,无需服务器
  3. 多渠道统一:一个配置,多个渠道
  4. MCP 原生:让 AI Agent 直接消费新闻

可复用的架构经验

经验应用场景
兴趣描述 > 关键词AI 筛选新闻、推荐系统
定时采集 + AI 筛选新闻聚合、内容推荐
MCP 协议AI Agent 工具集成
多渠道适配统一推送平台差异

🔗 资源链接

资源链接
GitHubsansan0/TrendRadar
在线 Demosansan0.github.io/TrendRadar
Dockerhub.docker.com/r/wantcat/trendradar
MCP 文档modelcontextprotocol.io
数据 APIourongxing/newsnow

🦞 TrendRadar:让 AI Agent 真正拥有个性化新闻感知能力。