sansan0/TrendRadar

解决什么问题

TrendRadar 是一款轻量级、易于部署的热点助手，旨在通过聚合和过滤来自多个平台的新闻和热门话题，消除“无效刷屏”。它通过自动化收集、智能过滤和多渠道通知，允许用户仅追踪他们真正关心的特定新闻和趋势，从而解决信息过载的问题。

工作原理

系统从各种热榜平台和 RSS/Atom 源（使用 newsnow API）收集数据。然后，它通过以下几个层面对这些数据进行处理：

1. 过滤：用户可以使用传统关键词、正则表达式，或基于 AI 的兴趣系统来过滤内容。在该系统中，自然语言描述（例如“我想看关于 AI 和新能源的新闻”）被用于对文章进行评分和过滤。
2. 分析：它与 LLM（通过 LiteLLM）集成，提供深入洞察，包括趋势摘要、情感分析和跨平台相关性分析。
3. 推送：处理后的报告通过多种渠道推送，包括 Telegram、微信、钉钉、飞书、电子邮件、Slack 和通用 Webhooks，或者渲染为具有深色模式和搜索功能的交互式 HTML 报告。
4. MCP 集成：它包含一个模型上下文协议（MCP）服务器，允许 AI 代理搜索新闻、通过 Jina AI Reader 阅读文章正文，并执行对比分析。

适用人群

• 信息策展人：希望获得个性化、自动化的新闻摘要，而无需手动浏览多个网站的人。
• AI 爱好者：寻找利用 LLM 来总结和分析趋势，而不仅仅是列出链接的工具的用户。
• 开发者/自托管者：偏好拥有自己的数据和部署方式的人（支持 Docker、GitHub Actions、Cloudflare Pages 和本地 Python 安装）。

亮点

• AI 驱动过滤：使用自然语言兴趣描述自动评分并选择相关新闻。
• 多渠道推送：支持 9 个以上的通知平台，并针对长内容提供自动 Markdown 格式化和消息拆分。
• 深度 AI 分析：基于排名轨迹生成趋势概览、情感检测和战略建议。
• MCP 服务器支持：使 AI 代理能够与新闻数据交互，包括阅读完整文章内容。
• 灵活调度：提供可视化配置编辑器和时间线系统，以管理数据收集、分析和推送的时间。