🔥 2026-04-22 · GitHub今日热榜第一
TrendRadar
54K+ Stars · AI驱动的全网舆情监控助手，30秒部署，告别信息过载
9.1
综合评分
54K+
GitHub Stars
V6.6
最新版本
35+
支持平台
Python
MCP协议
GPL-3.0
零成本部署
国产开源
舆情监控
AI分析
信息聚合
📊 项目概览
项目背景
TrendRadar（趋势雷达）是独立开发者 sansan0 在 2025 年 4 月开始构建的开源项目，名字本身就是定位：Trend + Radar，做趋势探测，而不是信息搬运。
项目出现的时机很准。当国内用户每天要在抖音、知乎、微博、B站、财联社之间反复切换的时候，TrendRadar 的逻辑是——与其让人去追信息，不如让信息追人。它把全网热点统一拉下来，用关键词过滤掉噪音，再通过 AI 生成简报，直接推到手机。
从 2025 年 11 月首次登上 GitHub Trending 那天起，这个项目连续七天占据 Python 日榜榜首，最高单日增加超过 2000 星。截至今日（2026-04-22），项目累计超过 54,000 星，在同类国产开源工具里属于头部。
⚡ 核心功能详解
-
🌐
全网热点聚合 V1.0+
默认覆盖知乎、抖音、B站、微博、百度热搜、今日头条、华尔街见闻、财联社、澎湃新闻、凤凰网、贴吧共 11 个主流平台，可扩展至 35 个以上。5 秒内完成数据入库，平台之间互相去重。
-
🔍
三层关键词引擎 早期版本
支持
普通词（标准匹配）、
必须词（+）（内容必须包含）、
过滤词（!）（强制排除），还可叠加正则表达式。比如
+比亚迪 !广告 就能精准圈出比亚迪相关内容并屏蔽营销噪音。
-
🤖
AI 智能筛选 V6.5+
不想手动设关键词的话，直接在
ai_interests.txt 里写白话文描述兴趣方向，比如"我想看 AI 和新能源汽车的内容"，系统会自动提取标签、给每条内容打相关性分数，按优先级排序输出。
-
📊
三种推送模式 V1.0+
当日汇总：适合每天看一次的普通用户；
当前榜单：直接给当前实时榜，适合内容创作者；
增量监控：只在出现新词条时推送，不打扰，适合投资者或需要实时预警的场景。
-
🧠
AI 分析推送 V5.0+
调用 100+ AI 提供商（DeepSeek、OpenAI、Gemini、Anthropic 等）自动生成热点趋势简报，包含情感倾向分析（Positive / Negative / Neutral / Panic）、跨平台关联挖掘，以及未来 12 小时走向预测。
-
📱
多渠道智能推送 V1.0+
覆盖企业微信、飞书、钉钉、Telegram、邮件、ntfy、Bark、Slack、通用 Webhook（兼容 Discord / IFTTT 等），所有渠道均支持多账号配置，用
; 分隔即可向不同团队差异化分发。
-
🔌
MCP AI 对话分析 V3.0+
原生集成 Model Context Protocol（FastMCP 2.0），在 Claude Desktop、Cursor 等工具里直接用自然语言提问，比如"过去一周 AI 话题走势如何"，系统会调用 21 个内置工具函数，返回趋势图表和数据分析。
-
🗄️
灵活存储架构 V4.0+
本地用 SQLite（三张核心表：news / rss_items / push_records），生产环境可切换到 S3 兼容云存储（支持阿里云 OSS、腾讯云 COS、Cloudflare R2 等），解决大规模截图快照带来的 Inode 耗尽问题。
-
⏰
调度系统 V6.0+
5 种预设调度模板，支持工作日高频（每 30 分钟）与周末低频（每 4 小时）差异化配置，还能跨午夜时段，甚至在特定时间段自动静默，不打扰休息。
-
🌍
AI 多语言翻译 V5.2+
自动将外文热点翻译为中文推送，国际新闻也能无障碍接收。
-
📡
RSS 订阅聚合 V4.5+
支持 RSS/Atom 订阅源，按关键词分组后与热榜数据格式统一输出，自建信息流变得顺畅。
🏗️ 技术架构
双核架构：采集引擎 + MCP 分析中枢
┌───────────────────────────────────────┐
│ Spider & Scheduler │ ← 采集与调度平面
│ ( 高并发爬虫 + 定时流控 ) │
└──────────────────┬────────────────────┘
│ (结构化 JSON)
┌────────────┼────────────┐
▼ ▼ ▼
MCP AI 过滤引擎 多端推送
(智力中枢) (正负向正则) (微信/飞书等)
整个系统分为两个平面：上层是采集调度引擎，负责定时拉取各平台数据并控制并发频率；下层分三路——MCP 负责 AI 深度分析，过滤引擎负责关键词降噪，推送模块负责多渠道分发。三路并行，互不阻塞。
热点权重算法
TrendRadar 不是简单地按平台排名排序，而是引入了三维加权模型：
# 综合热度评分 = 排名权重×1.0 + 频次权重×0.5 + 热度权重×0.3
weight = (threshold - avg_rank) × 1.0 # 排名（60%权重）
+ count × 0.5 # 持续出现次数（30%权重）
+ hotness × 0.3 # 平台原始热度值（10%权重）
# 增量指纹追踪：惩罚异常空降
def calculate_true_trend_score(item, platform_weight):
base_score = max(0, 100 - item.current_rank) * platform_weight
duration_multiplier = log(item.hours_on_chart + 1)
# 突然空降且无历史积累的词条，打五折
velocity_penalty = 0.5 if (item.is_sudden_drop_in and
item.history_count == 0) else 1.0
return base_score * duration_multiplier * velocity_penalty
持续发酵的深度新闻和一次性热点能被区分开来，这是 TrendRadar 跟简单热搜聚合工具最明显的差距之一。
MCP 强约束输出设计
MCP 分析层的 Prompt 采用了非常规的"禁止式"指令，强制 AI 只输出 JSON，不允许出现任何闲聊性文字。这样做的好处是输出格式极其稳定，可以直接用程序解析。
{
"core_summary": "<50字以内高度提纯摘要>",
"sentiment": "<Positive|Negative|Neutral|Panic>",
"trend_prediction": "<基于排名历史预测未来12小时走向>",
"action_suggested": true/false
}
🚀 快速上手
TrendRadar 有三种主要部署方式，适用不同场景。
GitHub Actions 推荐新手
💰 零成本
维护复杂度极低，无需服务器，Fork 仓库后改配置文件就能跑。需要每 7 天登录 GitHub 续期 Actions 免费额度。
Docker 部署
💰 ¥15/月起
支持历史数据查询，私有化程度更高，一行命令拉起，推荐有数据存储需求的团队使用。
NAS 本地部署
💰 仅需网络
数据不出本地，适合对隐私要求高的用户。配置一次后几乎零维护。
方式一：GitHub Actions（30秒完成）
# 1. Fork 仓库
https://github.com/sansan0/TrendRadar
# 2. 开启 GitHub Pages
Settings → Pages → Branch: main → 保存
# 3. 编辑配置文件（填入推送 Webhook）
config/config.yaml
# 4. 提交 → Action 自动触发 → 1分钟内手机收到通知
方式二：Docker 部署
version: '3.8'
services:
trendradar:
image: sansan0/trendradar:latest
container_name: trend_core
restart: unless-stopped
volumes:
- ./config:/app/config
- ./data:/app/data
environment:
- TZ=Asia/Shanghai
- AI_API_KEY=${DEEPSEEK_API_KEY}
- FEISHU_WEBHOOK_URL=https://open.feishu.cn/open-apis/bot/v2/hook/xxx
- CRON_SCHEDULE=*/30 * * * *
关键词配置示例
keywords:
- "AI" # 普通词（命中即纳入）
- "+比亚迪" # 必须词（内容必须包含）
- "!广告" # 过滤词（强制排除）
- "固态电池|氢能源" # 正则（OR 逻辑）
接入本地大模型（Ollama）
# 修改环境变量，接入局域网 Ollama
AI_API_BASE=http://局域网IP:11434/v1
AI_API_MODEL=qwen2.5:14b
⚠️ 生产环境注意：本地 SQLite 存储方式在高频抓取下会产生海量小文件，72 小时内可能耗尽文件系统 Inode（表现为"磁盘已满"但实际空间还剩一半）。生产部署建议配合 S3 兼容云存储（阿里云 OSS / 腾讯云 COS / Cloudflare R2）解决此问题。
⚖️ 竞品对比
与国内同类开源项目对比
| 维度 |
TrendRadar |
微舆（BettaFish） |
HotSearch |
| 核心定位 |
全网热点快速聚合推送 |
多 Agent 协作深度分析 |
热搜轻量监控 |
| 部署门槛 |
极低（30秒） |
中等 |
低 |
| AI 能力 |
智能筛选 + 分析 + 翻译 + MCP |
多模型辩论，深度报告 |
基础摘要 |
| 国内平台覆盖 |
35+ 深度覆盖 |
部分 |
部分 |
| 推送渠道 |
飞书/钉钉/企微/TG 等 8+ |
有限 |
较少 |
| 适合场景 |
信息获取效率 |
品牌管理，深度研报 |
日常查热搜 |
与国际商业工具对比
| 维度 |
TrendRadar |
Brandwatch |
Feedly AI |
Mention |
| 费用 |
🆓 完全免费 |
$1000+/月 |
$18-100+/月 |
$49-499/月 |
| 中文支持 |
深度原生支持 |
较弱 |
较弱 |
较弱 |
| 私有化部署 |
✅ 完全支持 |
纯 SaaS |
纯 SaaS |
纯 SaaS |
| 数据隐私 |
完全自主 |
第三方云 |
第三方云 |
第三方云 |
| MCP 原生集成 |
✅ |
❌ |
❌ |
❌ |
| 代码可定制 |
✅ 完全开源 |
闭源 |
闭源 |
闭源 |
📌 TrendRadar 不是要在企业级功能上与 Brandwatch 正面竞争——它解决的是另一个层次的问题：让普通开发者和个人用户用零成本搭建一套属于自己的信息过滤系统。这是商业工具从商业逻辑上不会去做的事。
🏆 综合评分
总体评价
TrendRadar 的爆火不是偶然。在信息过载成为真实痛点的今天，它踩准了三个点：零成本（国内开发者对价格极其敏感）、中文生态（飞书/钉钉/企微覆盖了绝大多数国内团队的沟通场景）、AI 原生（MCP 协议让它在 Claude Desktop 和 Cursor 这波 AI 工具浪潮里天然契合）。
项目从零到 54k Stars 只用了 9 个月，60 个版本，作者一直保持每周迭代的节奏，这对独立开发者来说已经相当克制且持续。
但需要说清楚的是：TrendRadar 的定位是个人用途和小团队的高效信息管控工具，而不是企业级舆情监控系统的替代品。生产环境使用需要自己解决存储架构问题（Inode 耗尽），项目主要由一个人维护也意味着存在一定的可持续风险。如果你需要 SLA 和专业支持，商业工具仍然是更合适的选择。
但如果你是开发者、自媒体人、投资者，或者只是想减少每天在信息噪音里消耗的时间——TrendRadar 值得花 30 分钟试一下。
适合人群
| 用户类型 |
推荐配置 |
核心价值 |
| 内容创作者 / 自媒体 |
增量监控 + 关键词过滤 |
缩短选题搜索时间，不错过热点窗口 |
| 投资者 / 交易员 |
财经平台 + 排名异动预警 |
飞书 / Telegram 秒级触达，舆情风险前置感知 |
| 品牌公关 / 运营 |
品牌词监控 + 飞书通知 |
登榜即触发，变被动为主动 |
| 开发者 / 技术团队 |
Docker + S3 存储 + MCP 集成 |
构建企业内部舆情中台，自然语言查询历史数据 |
| 普通用户 |
日报模式 + 手机推送 |
每天一条总结，不再靠算法推送，自己掌控信息范围 |
💡 Star趋势背后的一个现象：微信公众号今日（2026-04-22）发布了多篇 TrendRadar 评测文章，单日传播量集中爆发。这类"今日上榜 → 自媒体跟进 → 新一轮流量"的循环模式，是国内开源项目冲榜的典型路径。
🔗 参考链接