告别无效刷屏!TrendRadar:最快30秒部署的开源热点助手,让你只看真正关心的新闻

简介: TrendRadar 是一个轻量级、易部署的热点新闻聚合与推送工具。它能够从知乎、抖音、B站、微博、百度、华尔街见闻等11个主流平台抓取热搜榜单,然后根据你设定的关键词进行智能筛选,最终将你最关心的内容推送到手机或邮箱。

在这个信息爆炸的时代,你是否也面临着这样的困扰:打开微博、知乎、抖音,本想快速了解热点,却不自觉地陷入信息流中,半小时过去了,真正有价值的内容却没看到几条。各种算法推荐机制让我们被信息“投喂”,而不是主动“获取”。

今天,我要向大家推荐一款开源神器——TrendRadar,它能帮助你告别无效刷屏,只看你真正关心的新闻资讯。

什么是 TrendRadar?

TrendRadar 是一个轻量级、易部署的热点新闻聚合与推送工具。它能够从知乎、抖音、B站、微博、百度、华尔街见闻等11个主流平台抓取热搜榜单,然后根据你设定的关键词进行智能筛选,最终将你最关心的内容推送到手机或邮箱。

项目的核心理念是:“告别被算法推荐绑架,主动获取自己想要的信息”。最快仅需30秒即可完成部署,让你从“人找信息”转变为“信息找人”。

github地址:https://github.com/sansan0/TrendRadar

该项目目前在github上已有58.6k star

核心亮点:它凭什么吸引人?

1. 极速部署,上手无门槛

TrendRadar 的设计目标就是“轻量,易部署”。无论你是技术小白还是资深开发者,都能轻松上手。

  • GitHub Actions 方案:无需服务器,完全免费。Fork 项目后配置好推送密钥(如企业微信机器人),系统便会定时自动运行。
  • Docker 方案:适合有 NAS 或个人服务器的用户,数据本地存储,更加稳定可靠。
  • 本地运行:也支持在 Windows、Mac、Linux 上直接运行。

2. 精准筛选,只关注你关心的

这是 TrendRadar 最核心的价值。你不需要看全网所有的热搜,只需要在 frequency_words.txt 文件中设置好关键词,它就会帮你“盯着”。

例如,如果你关注科技和投资,可以这样配置:

# 科技组
AI
人工智能
ChatGPT
+发布   # 必须同时包含“发布”

# 投资组
A股
特斯拉
比亚迪
!预测   # 排除包含“预测”的新闻

系统支持普通词、必须词(+)、过滤词(!)、数量限制(@),甚至支持正则表达式,让你拥有极高的定制自由度。

3. 三种智能推送模式,适应不同场景

根据你的使用习惯,TrendRadar 提供了三种推送模式:

  • 当日汇总 (daily):适合普通用户,定时推送当天所有匹配的新闻,不错过任何动态。
  • 当前榜单 (current):适合内容创作者,每次推送当下热度最高的新闻,帮助你捕捉实时风向。
  • 增量监控 (incremental):适合投资者/交易员,只推送新出现的内容,零重复,避免信息干扰。

4. 多渠道多账号推送,消息直达

无论你习惯使用什么通讯工具,TrendRadar 都能覆盖。它支持:

  • 企业微信(并可配置推送到个人微信)
  • 飞书钉钉
  • Telegram
  • 邮件(自动识别 QQ、Gmail、163 等多种邮箱)
  • ntfy(开源免费推送服务)
  • Bark(iOS 专属)
  • Slack
  • 通用 Webhook(可对接 Discord、IFTTT 等)

更棒的是,它支持多账号推送。如果你想同时把新闻发给公司的几个部门群,只需要用分号把 Webhook 地址隔开即可。

5. AI 赋能,深度分析热点

这是 TrendRadar v5.0 之后引入的“杀手锏”功能。当你开启 AI 分析后,它不仅仅是转发新闻列表,而是像一个专业的分析师:

  • 自动生成摘要:将冗长的新闻列表总结成几句话。
  • 情感倾向分析:判断舆论是正面、负面还是争议。
  • 跨平台关联:发现同一个事件在不同平台的热度表现。
  • 趋势预测:分析话题是刚爆发还是已降温。

你还可以自定义 AI 的“人设”,让它扮演毒舌评论员或严谨的投研顾问。

如何开始?

Docker 部署

下载项目,将 configoutput 目录复制到部署目录下并创建docker-compose.yml文件,内容如下:

services:
  trendradar:
    image: wantcat/trendradar:latest
    container_name: trendradar
    restart: unless-stopped

    ports:
      - "8088:${WEBSERVER_PORT:-8080}"

    volumes:
      - ./config:/app/config:ro
      - ./output:/app/output

    environment:
      - TZ=Asia/Shanghai
      # Web 服务器
      - WEBSERVER_PORT=${
   WEBSERVER_PORT:-8080}
      # 通知渠道
      - FEISHU_WEBHOOK_URL=${
   FEISHU_WEBHOOK_URL:-}
      - TELEGRAM_BOT_TOKEN=${
   TELEGRAM_BOT_TOKEN:-}
      - TELEGRAM_CHAT_ID=${
   TELEGRAM_CHAT_ID:-}
      - DINGTALK_WEBHOOK_URL=${
   DINGTALK_WEBHOOK_URL:-}
      - WEWORK_WEBHOOK_URL=${
   WEWORK_WEBHOOK_URL:-}
      - WEWORK_MSG_TYPE=${
   WEWORK_MSG_TYPE:-}
      # 邮件配置
      - EMAIL_FROM=${
   EMAIL_FROM:-}
      - EMAIL_PASSWORD=${
   EMAIL_PASSWORD:-}
      - EMAIL_TO=${
   EMAIL_TO:-}
      - EMAIL_SMTP_SERVER=${
   EMAIL_SMTP_SERVER:-}
      - EMAIL_SMTP_PORT=${
   EMAIL_SMTP_PORT:-}
      # ntfy配置
      - NTFY_SERVER_URL=${
   NTFY_SERVER_URL:-https://ntfy.sh}
      - NTFY_TOPIC=${
   NTFY_TOPIC:-}
      - NTFY_TOKEN=${
   NTFY_TOKEN:-}
      # Bark配置
      - BARK_URL=${
   BARK_URL:-}
      # Slack配置
      - SLACK_WEBHOOK_URL=${
   SLACK_WEBHOOK_URL:-}
      # 通用Webhook配置
      - GENERIC_WEBHOOK_URL=${
   GENERIC_WEBHOOK_URL:-}
      - GENERIC_WEBHOOK_TEMPLATE=${
   GENERIC_WEBHOOK_TEMPLATE:-}
      # AI 配置(ai_analysis 和 ai_translation 共享模型配置)
      - AI_ANALYSIS_ENABLED=${
   AI_ANALYSIS_ENABLED:-}
      - AI_API_KEY=${
   AI_API_KEY:-}
      - AI_MODEL=${
   AI_MODEL:-}
      - AI_API_BASE=${
   AI_API_BASE:-}
      # 远程存储配置(S3 兼容协议)
      - S3_ENDPOINT_URL=${
   S3_ENDPOINT_URL:-}
      - S3_BUCKET_NAME=${
   S3_BUCKET_NAME:-}
      - S3_ACCESS_KEY_ID=${
   S3_ACCESS_KEY_ID:-}
      - S3_SECRET_ACCESS_KEY=${
   S3_SECRET_ACCESS_KEY:-}
      - S3_REGION=${
   S3_REGION:-}
      # 运行模式
      - CRON_SCHEDULE=${
   CRON_SCHEDULE:-*/30 * * * *}
      - RUN_MODE=${
   RUN_MODE:-cron}
      - IMMEDIATE_RUN=${
   IMMEDIATE_RUN:-true}

  trendradar-mcp:
    image: wantcat/trendradar-mcp:latest
    container_name: trendradar-mcp
    restart: unless-stopped

    ports:
      - "${MCP_HOST:-127.0.0.1}:${MCP_PORT:-3333}:3333"

    volumes:
      - ./config:/app/config:ro
      - ./output:/app/output

    environment:
      - TZ=Asia/Shanghai
      - MCP_PORT=${
   MCP_PORT:-3333}

在docker-compose.yml 同级目录下使用以下命令启动

docker-compose up -d

到此,如果没问题的话项目就启动完成了,如果需要修改配置,则在config 下修改具体的配置信息,修改完成后重启容器即可

整个过程熟练后甚至不需要 30 秒。

结语

TrendRadar 是一个真正将“主动权”交还给用户的开源项目。它没有复杂的界面,没有烦人的广告,只有纯粹、定制化的信息流。

如果你也受够了算法的“投喂”,希望在这个喧嚣的世界里拥有一片属于自己的信息净土,不妨试试 TrendRadar。

目录
相关文章
|
2天前
|
人工智能 运维 安全
Claude Code模型替换升级指南 接入DeepSeek V4-Pro实操与问题排查全解
当下终端AI编程工具Claude Code凭借轻量化、全流程代码处理、跨文件项目分析等优势,成为众多开发者日常编码、项目重构、漏洞修复、脚本编写的主流选择。原生状态下Claude Code绑定专属模型运行,虽然基础能力稳定,但在代码理解、长逻辑推理、中文场景适配、调用成本等方面仍存在优化空间。
175 8
|
1天前
|
数据采集 存储 算法
视频 RAG 中分块策略:基于停顿、滑动窗口与基于 LLM 的方法
本文探讨视频RAG中的核心挑战——如何为无时间结构的视频转录文本设计有效分块策略。对比传统文本分块,提出基于停顿、重叠窗口、递归切分及LLM驱动的主题分块四层方案,实现细粒度检索与全局理解兼顾,提升视频内容检索准确性与上下文完整性。
61 7
视频 RAG 中分块策略:基于停顿、滑动窗口与基于 LLM 的方法
|
1天前
|
人工智能 供应链 数据可视化
长江商学院CIO徐斌:AI时代,组织的进化逻辑与人才转型新思维
徐斌,长江商学院CIO、计算机博士,20年世界500强及上市公司高管经验,首创数字化“三驾马车”方法论(流程变革、IT固化、数字运营),成功主导得力集团全链路转型,助力其获评首批浙江省未来工厂。
|
2天前
|
人工智能 前端开发 API
打造专属博文封面神器:一个开源免费的博文封面生成器ThisCover
ThisCover 是一款免费美观的封面生成器,基于 CoverView 二次开发。项目全面升级至 Next.js 16、React 19、shadcn/ui、Tailwind CSS 4 与 Lucide 图标。在保留原版优势的基础上,重点进行中文汉化与本土化功能定制,更贴合国内用户使用习惯。
42 1
打造专属博文封面神器:一个开源免费的博文封面生成器ThisCover
|
1天前
|
SQL 安全 测试技术
《ZAKU渗透论:卓伊凡的2026渗透工程》第一章:黑客是怎么工作的?
渗透测试是授权下模拟黑客攻击,检验系统安全性;白帽合法防护,黑帽非法入侵,灰帽亦违法。攻击分7步:侦察、武器化、投递、利用、安装、C2、目标达成。它不同于自动化漏洞扫描,重在人工验证与深度分析。(239字)
59 0
|
1天前
|
安全 JavaScript 前端开发
《ZAKU渗透论:卓伊凡的2026渗透工程》第四章:Web攻击原理(下)——XSS、CSRF、文件上传漏洞
本章详解XSS、CSRF与文件上传三大Web漏洞:XSS通过注入恶意脚本窃取Cookie;CSRF伪造已登录用户请求执行非自愿操作;文件上传漏洞则因校验缺失致服务器被控。三者共性——过度信任用户输入。(239字)
86 6
|
1天前
|
人工智能 资源调度 调度
AI时代,大学生应该提前准备什么?
AI时代,大学生面临就业重塑与能力升级的双重挑战。本文聚焦认知重构、三大核心能力(统筹力、技术力、实战力)及行动路径,倡导从“工具使用者”进阶为“AI决策者”,以T型+AI复合素养应对变革,在人机协同中抢占未来先机。
|
1天前
|
监控 API Windows
WGCLOUD v3.6.8 正式更新
WGCLOUD v3.6.8发布:修复CPU/内存等指标偶现为0、大屏离线数据不显示等Bug;新增Windows系统服务列表及开放API;优化告警脚本执行与SNMP设备运行时间兼容性。升级方式详见官方图示。
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能 |手算CLIP模型
本文详解CLIP模型原理:突破传统CNN需重新训练的局限,通过4亿图文对联合训练文本与图像编码器,实现零样本迁移。利用对比学习对齐多模态特征,支持图文检索、零样本分类等应用,让AI像人一样理解未见过的概念。(239字)
52 3
|
2天前
|
人工智能 自然语言处理 计算机视觉
人工智能|大白话Meshed-Memory Transformer
M2Transformer是一种图像描述生成模型,由三部分构成:骨干编码器(Faster R-CNN)提取区域特征;记忆增强编码器(Transformer)对特征进行语义细化;网格解码器(Transformer)将增强特征转化为自然语言描述。结构清晰、层次分明,兼顾准确性与可解释性。(239字)
87 9