【保姆级】TrendRadar本地部署：告别算法推荐，打造个人专属AI热点情报局
摘要 本文基于 TrendRadar 项目，详细拆解如何通过 Docker 本地部署一套个人专属的 AI 热点情报系统。涵盖从环境准备、Docker 镜像拉取、局域网访问配置、飞书推送修复到 Cherry Studio MCP 服务对接的全流程。通过 Nvidia 免费模型 API，实现零成本的深度热点分析与趋势追踪。
关键词： TrendRadar, Docker部署, AI热点分析, MCP服务, Cherry Studio
1. 背景与需求：为什么我们需要 TrendRadar？
在这个大数据算法横行的时代，我们每天被头条、抖音等平台“投喂”大量信息，不仅容易陷入信息茧房，还浪费了大量时间筛选有效资讯。
我的核心需求很简单：
TrendRadar 的核心价值：
- 零成本 AI 分析：支持接入免费的 NVIDIA 模型接口，体验“保姆级”信息提炼。
- 定制推送：定期推送到飞书、钉钉等即时通讯软件。
- MCP 协议支持：通过 Model Context Protocol (MCP) 协议，让 AI 工具（如 Cherry Studio）直接读取新闻数据库，进行深度对话分析。
2. 环境准备
在开始之前，请确保你拥有以下基础环境：
- 操作系统：Ubuntu 22.04（实体机或 VMware 虚拟机均可）。
- 网络环境：需要能够通畅访问 GitHub 和 Docker Hub（懂得都懂，魔法环境）。
- 基础工具：Git, Docker, Docker Compose。
- AI 资源：大模型 API Key（推荐申请 NVIDIA 的免费 API，或者使用 DeepSeek、OpenAI）。
- 客户端工具：Cherry Studio（用于通过 MCP 与 AI 对话）。
3. 部署实战：关键步骤详解
3.1 下载代码仓
首先，将项目代码克隆到本地：
# 需要确保网络环境通畅
git clone https://github.com/sansan0/TrendRadar.git
3.2 启动 Docker 容器
⚠️ 避坑提示：官方文档中容易忽略的一点是，必须进入 docker 子目录才能执行 compose 命令。
# 1. 进入项目 docker 目录
cd TrendRadar/docker
# 2. 拉取最新镜像（注意网络连接）
docker compose pull
# 3. 启动所有服务（trendradar 推送服务 + trendradar-mcp AI分析服务）
docker compose up -d
4. 关键配置调整
默认配置通常只适合本机测试，为了在局域网访问以及更符合个人习惯，我们需要修改 docker/docker-compose.yml 和 config/config.yaml。
4.1 让 Web Server 支持局域网访问
默认情况下，Web Server 仅监听 127.0.0.1，导致局域网其他设备无法查看生成的 AI 新闻报告。
修改文件：docker/docker-compose.yml
修改内容：去掉 IP 限制，直接暴露端口。
# 修改前
ports:
– "127.0.0.1:${WEBSERVER_PORT:-8080}:${WEBSERVER_PORT:-8080}"
– "127.0.0.1:3333:3333"
# 修改后（允许局域网访问 Web 报告和 MCP 服务）
ports:
– "${WEBSERVER_PORT:-8080}:${WEBSERVER_PORT:-8080}"
– "3333:3333"
同时，在 docker/.env 中确保开启了 Web 服务：
ENABLE_WEBSERVER=true
4.2 配置新闻源与 AI 模型
修改文件：config/config.yaml
定制新闻源：根据自己的兴趣保留或删除平台（如只看 GitHub、掘金、华尔街见闻）。
platforms:
enabled: true # 是否启用热榜平台抓取
sources:
# 综合类
– id: "toutiao"
name: "今日头条"
– id: "baidu"
name: "百度热搜"
– id: "ifeng"
name: "凤凰网"
– id: "thepaper"
name: "澎湃新闻"
– id: "tencent-hot"
name: "腾讯新闻 综合早报"
# 财经投资
– id: "wallstreetcn-hot"
name: "华尔街见闻"
– id: "cls-hot"
name: "财联社热门"
– id: "gelonghui"
name: "格隆汇"
– id: "xueqiu"
name: "雪球"
– id: "jin10"
name: "金十数据"
– id: "fastbull"
name: "快讯通"
# 短视频、社区
– id: "zhihu"
name: "知乎"
– id: "bilibili-hot-search"
name: "bilibili 热搜"
– id: "douyin"
name: "抖音"
– id: "tieba"
name: "贴吧"
– id: "weibo"
name: "微博"
# 科技
– id: "github"
name: "GitHub"
– id: "hackernews"
name: "Hacker News"
– id: "juejin"
name: "掘金"
– id: "nowcoder"
name: "牛客网"
配置 AI 模型（以 NVIDIA 免费 API 为例）：
💡 小技巧：NVIDIA 提供了许多免费的 API 端点（build.nvidia.com），兼容 OpenAI 格式。model参数注意添加『openai/』头部。
ai:
# 格式：provider/model_name
# NVIDIA 提供的模型示例
model: "openai/minimaxai/minimax-m2.5"
# 你的 API Key
api_key: "nvapi-your_custom_api_key…"
# 关键：自定义 API 端点（NVIDIA 需要这个地址）
api_base: "https://integrate.api.nvidia.com/v1"
timeout: 120
temperature: 1.0 # 部分模型强制要求温度为1.0
max_tokens: 131072
4.3 优化关键词匹配
修改文件：config/frequency_words.txt
建议使用正则表达式进行精准匹配，避免误报。例如：
[WORD_GROUPS]
# ═══════════════════════════════════════════════════════════════
# 科技领域
# ═══════════════════════════════════════════════════════════════
# ▼ 优化：改用 /\\bai\\b/i，等价于原正则但更简洁规范，/i 负责忽略大小写，\\b 负责边界
[AI 相关]
/\\bai\\b/i
人工智能
大模型
神经网络
机器学习
/深度求索|幻方量化|梁文锋|\\bDeepSeek\\b/ => DeepSeek
/\\bOpenAI\\b|\\bChatGPT\\b|\\bSora\\b|\\bDALL-E\\b|\\bSam Altman\\b|\\bGreg Brockman\\b/i => OpenAI
/\\bAnthropic\\b|\\bClaude\\b|\\bDario Amodei\\b/i => Claude
[字节跳动]
/字节|张一鸣|梁汝波|抖音|\\bByteDance\\b|\\bTikTok\\b|\\bDouyin\\b|\\bLark\\b|\\bCapCut\\b/
@10
# ▼ 优化：补全主流国产大模型；加 /i 忽略大小写，统一去除大小写重复变体，补全 \\b 边界
/通义千问|\\bqwen\\b|\\bminimax\\b|智谱|\\bglm\\b|月之暗面|\\bKimi\\b|零一万物|阶跃星辰|混元|文心|\\bERNIE\\b|豆包|\\bDoubao\\b/i => 国产大模型
/自动驾驶|无人驾驶|智驾/ => 自动驾驶
[具身智能]
机器人
机器狗
机械臂
[芯片]
芯片
光刻机
半导体
内存
存储
显存
显卡
# ═══════════════════════════════════════════════════════════════
# 企业与品牌
# ═══════════════════════════════════════════════════════════════
/英伟达|黄仁勋|\\bNVIDIA\\b|\\bGeForce\\b|\\bRTX\\b|\\bCUDA\\b|\\bJensen Huang\\b/i => 英伟达
/苏姿丰|锐龙|霄龙|\\bAMD\\b|\\bRyzen\\b|\\bEPYC\\b|\\bRadeon\\b|\\bLisa Su\\b/i => AMD
/机械狗|四足/ => 机器狗
/宇树|王兴兴|\\bUnitree\\b/ => 宇树机器人
/智元|灵犀|稚晖君|彭志辉|\\bAgiBot\\b/ => 智元机器人
/众擎|\\bEngineAI\\b|赵同阳/ => 众擎机器人
/微软|\\bMicrosoft\\b|\\bWindows\\b|\\bAzure\\b|\\bSatya Nadella\\b|\\bCopilot\\b/i => 微软
/谷歌|皮查伊|安卓|油管|\\bGoogle\\b|\\bAlphabet\\b|\\bAndroid\\b|\\bChrome\\b|\\bYouTube\\b|\\bGemini\\b|\\bDeepMind\\b|\\bWaymo\\b/i => 谷歌
/库克|\\biPhone\\b|\\biPad\\b|\\bMacBook\\b|\\biOS\\b|\\bVision Pro\\b|\\bAirPods\\b|\\bApple\\b|\\bTim Cook\\b/i => 苹果
4.4 推送配置
- 飞书端操作步骤
- config/config.yaml配置信息notification:
enabled: true # 是否启用通知功能（总开关）
# ⚠️ 开启调度系统后，此项仍为总开关：
# false → 永远不推送（无论调度怎么设置）
# true → 由调度的 push 字段控制何时推送# 推送渠道配置
channels:
feishu:
webhook_url: "https://open.feishu.cn/open-apis/bot/v2/hook/xxx***xxx"
4.5 dcoker全局配置
# 启动时开启webserver服务
ENABLE_WEBSERVER=true
# 开启AI分析
AI_ANALYSIS_ENABLED=true
# 每天08:30和20:30进行消息推送
CRON_SCHEDULE=30 8,20 * * *
# 运行模式：cron/once
RUN_MODE=cron
# 启动时立即执行一次
IMMEDIATE_RUN=true
5. 🔥 避坑指南：解决飞书推送 Markdown 不渲染问题
这是本次部署中最大的坑。默认代码在推送飞书消息时，使用的是 text 类型，导致飞书无法渲染 Markdown 语法（如 加粗、[链接]），体验极差。
问题现象：飞书收到的消息全是 **加粗** 这样的源码，没有格式。 
原因分析：飞书 API 要求 Markdown 内容必须通过 interactive（卡片）类型的 lark_md 标签发送。
🛠️ 修复方案（代码修正）：
我们需要修改 Python 源码。如果你使用 Docker 映射了代码目录，可以直接修改；否则需要进入容器修改。
修正 1：trendradar/notification/senders.py
找到 send_to_feishu 函数，将原来的 text 类型 payload 替换为 interactive 卡片类型。
# 修改前：
# payload = {
# "msg_type": "text",
# "content": {
# "text": batch_content,
# },
# }
# 修改后：
if is_flow_webhook:
# 兼容飞书捷径/自动化流程的 Webhook
payload = {
"msg_type": "text",
"content": {"text": batch_content},
}
else:
# 标准飞书机器人 Webhook，使用卡片渲染 Markdown
payload = {
"msg_type": "interactive",
"card": {
"header": {
"title": {
"tag": "plain_text",
"content": "AI热点推送"
},
"template": "blue"
},
"elements": [
{
"tag": "div",
"text": {
"tag": "lark_md", # 关键标签
"content": batch_content
}
}
]
}
}
注意：同样的逻辑也需要应用到 trendradar/notification/dispatcher.py 和 mcp_server/tools/notification.py 中，确保所有推送入口（包括 RSS 更新通知和 MCP 工具调用）都能正确渲染 Markdown。
修正 2：docker/docker-compose.yml
volumes中添加『- …/trendradar:/app/trendradar』
Date: Mon Mar 2 15:34:40 2026 +0800
fixed: 飞书报告没有进行markdown渲染，显示的是源码，体验不好
diff ––git a/docker/docker–compose.yml b/docker/docker–compose.yml
index eb0e3192..269c833b 100644
— a/docker/docker–compose.yml
+++ b/docker/docker–compose.yml
@@ –5,11 +5,12 @@ services:
restart: unless–stopped
ports:
– "${WEBSERVER_PORT:-8080}:${WEBSERVER_PORT:-8080}"
volumes:
– ../config:/app/config:ro
– ../output:/app/output
+ – ../trendradar:/app/trendradar
environment:
– TZ=Asia/Shanghai
@@ –62,11 +63,12 @@ services:
restart: unless–stopped
ports:
– "3333:3333"
volumes:
– ../config:/app/config:ro
– ../output:/app/output
+ – ../trendradar:/app/trendradar
environment:
– TZ=Asia/Shanghai
6. 成果展示
6.1 飞书推送
6.1 Webserver
7. 进阶玩法：接入 Cherry Studio 进行 AI 对话
部署了 MCP 服务后，TrendRadar 就不再只是一个单向的推送工具，而是可以对话的知识库。
7.1 Server 端配置
确保在步骤 4.1 中已经开放了 3333 端口，且 docker-compose.yml 中包含了 trendradar-mcp 服务。 局域网地址示例：http://192.168.1.100:3333
7.2 Cherry Studio 客户端配置
- 名称：TrendRadar MCP
- 类型：可流式传输的 HTTP (streamableHttp)
- URL：http://192.168.xxx.xxx:3333/mcp (请替换为你部署机器的实际 IP)
7.3 效果展示
连接成功后，你可以在 Cherry Studio 中直接在这个 MCP 频道下提问：
Prompt： "我想了解 ‘AI’ 这个话题，请依次完成以下步骤：
AI 将会自动调用 TrendRadar 的数据库，生成包含图表数据（如热度指数、情感占比、平台覆盖率）的专业分析报告。（示例链接）
# AI话题分析与总结
## 🧑💻 User
我想了解'ai'这个话题，请依次完成以下步骤，并【展示每个步骤的完整结果】：
1. 搜索今天的相关新闻
2. 分析最近一周的热度趋势
3. 对比各平台的关注度
4. 分析最近一周的情感倾向
【重要】：请将4个步骤的结果全部展示出来，不要只展示最后一步。
—
## 🤖 Assistant
我来帮你完成关于"AI"话题的全面分析。让我依次执行4个步骤，并展示每个步骤的完整结果。
## 步骤 1：搜索今天的 AI 相关新闻
## 步骤 2：分析最近一周的热度趋势
## 步骤 3：对比各平台的关注度
## 步骤 4：分析最近一周的情感倾向
# AI 话题综合分析报告
根据4个步骤的完整分析结果，以下是关于"AI"话题的全面洞察：
—
## 📊 步骤1：今天（2026-03-04）的AI相关新闻
**搜索结果概览**
– 总发现数：36条
– 返回数量：20条
– 搜索模式：关键词精确匹配
**今日热点新闻 TOP 10**
| 排名 | 新闻标题 | 平台 | 热度指数 |
|:—:|———|——|:——-:|
| 1 | AI 可以让 WIFI 实现监控室内人体位置和姿态，无需摄像头？ | 掘金 | 10 |
| 2 | 我做过的，被面试官夸爆的那些Ai项目(一) | 牛客网 | 10 |
| 3 | 19岁天才少年做AI应用年入2亿 | 今日头条/百度 | 8 |
| 4 | K-Dense-AI / claude-scientific-skills | GitHub | 8 |
| 5 | 春节后，有些公司明确要求 AI 经验了 | 掘金 | 8 |
| 6 | moeru-ai / airi | GitHub | 8 |
| 7 | CodebuffAI / codebuff | GitHub | 8 |
| 8 | 3.2字节AI开发春招一面 | 牛客网 | 8 |
| 9 | 如何释放服务消费潜力？AI发展会冲击就业岗位？委员这样看 | 澎湃新闻 | 5 |
| 10 | AI加剧"电荒" 美国电网将迎史诗级扩建 750亿美元聚焦"超高压"输电 | 财联社热门 | 6 |
**今日新闻特点**
– 技术类新闻占主导（GitHub开源项目掘金技术文章）
– 就业/招聘类话题热度上升（春招、AI岗位要求）
– 财经媒体关注AI对电网和能源的影响
– 社交媒体聚焦AI应用创收案例
—
## 📈 步骤2：最近一周（2026-02-26 至 2026-03-04）热度趋势分析
**整体趋势数据**
– 总提及量：215条
– 日均提及：30.71条
– 峰值日期：2026-02-26（38条）和 2026-03-02（38条）
– 变化率：-5.26%
– 趋势方向：**稳定**
**每日热度分布**
| 日期 | 提及数 | 典型热点新闻 |
|:—-:|:——:|————|
| 02-26 | 38 | 韩女子用AI精密策划诱杀致2死1伤、中国AI调用量首次超过美国、汇丰逆市看多AI |
| 02-27 | 30 | AI挤崩电网引电价担忧、中国AI调用量首超美国、英伟达黄仁勋看好代理AI |
| 02-28 | 24 | OpenAI与国防部合作、多款AI开源项目发布 |
| 03-01 | 23 | Anthropic供应链安全争议、多款AI项目迭代 |
| 03-02 | 38 | 多款AI开源项目发布、面试官谈AI岗招聘、技术文章井喷 |
| 03-03 | 26 | 投资专家谈AI浪潮下投资机遇 |
| 03-04 | 36 | 春招AI岗面试、AI应用创收案例、能源影响讨论 |
**趋势洞察**
1. **周期性波动**：热度在周末（28-1日）略降，工作日回升
2. **双重焦点**：技术进展与经济社会影响并重
3. **周末效应**：GitHub项目发布主要集中在工作日
—
## 🏢 步骤3：各平台AI话题关注度对比
**平台覆盖率排名**（AI相关新闻占总新闻比例）
| 排名 | 平台 | AI提及数 | 总新闻数 | 覆盖率 |
|:—:|——|:——-:|:——-:|:——:|
| 1 | **掘金** | 59 | 248 | **23.79%** |
| 2 | **GitHub** | 22 | 104 | **21.15%** |
| 3 | **牛客网** | 28 | 180 | **15.56%** |
| 4 | **华尔街见闻** | 14 | 95 | **14.74%** |
| 5 | **Hacker News** | 36 | 275 | **13.09%** |
| 6 | **财联社热门** | 10 | 137 | **7.30%** |
| 7 | **知乎** | 7 | 206 | **3.40%** |
| 8 | bilibili热搜 | 9 | 297 | **3.03%** |
| 9 | 澎湃新闻 | 5 | 193 | **2.59%** |
| 10 | 腾讯新闻综合早报 | 5 | 108 | **4.63%** |
**各平台内容特点**
**技术主导型平台**
– **掘金**：技术教程、开源项目、AI工具应用（"AI"出现40次）
– **GitHub**：开源项目发布、AI工具库（"ai"出现14次，"claude"12次）
– **Hacker News**：AI技术讨论、行业趋势
**财经导向型平台**
– **华尔街见闻**：AI投资机遇、英伟达动态、股价影响
– **财联社热门**：AI对电网/能源的影响、企业财报
– **格隆汇**：AI入口争夺战、行业发展
**求职招聘型平台**
– **牛客网**：AI岗面试经验、面试题汇总、春招信息
– **今日头条/百度热搜**：AI应用创收案例、社会热点
**社交讨论型平台**
– **知乎**：AI发展反思、伦理讨论、后悔药话题
– **微博/抖音**：AI娱乐应用、社会新闻
—
## 💭 步骤4：最近一周情感倾向分析
基于50条代表性新闻标题的情感分析：
**情感分布统计**
| 情感类别 | 数量 | 占比 |
|———|:—:|:—:|
| **正面** | 23条 | **46%** |
| **负面** | 6条 | **12%** |
| **中性** | 21条 | **42%** |
**平台情感对比**
| 平台 | 正面 | 中性 | 负面 | 特点 |
|—–|:—:|:—:|:—:|——|
| **华尔街见闻** | 80% | 20% | 0% | 最乐观，聚焦投资机遇 |
| **今日头条** | 100% | 0% | 0% | 成功案例驱动 |
| **GitHub** | 17% | 83% | 0% | 技术导向，客观中立 |
| **Hacker News** | 80% | 20% | 0% | 技术创新积极讨论 |
| **牛客网** | 43% | 57% | 0% | 求职导向，务实中性 |
| **掘金** | 33% | 53% | 13% | 技术乐观，偶有警示 |
| **知乎** | 33% | 33% | 33% | 观点多元，正负均衡 |
| **微博** | 0% | 100% | 0% | 客观陈述，无明显倾向 |
| **财联社** | 0% | 100% | 0% | 中性报道能源影响 |
**整体情感趋势**
**主导情绪：谨慎乐观**
1. **积极信号**（占比46%）
– 技术创新持续突破（Android官方AI支持、Claude工具链）
– 投资市场持续看好（汇丰逆市看多、英伟达积极展望）
– 就业市场有需求（春招AI岗、明确要求AI经验）
– 成功案例激励（19岁年入2亿、字节面试）
2. **理性声音**（占比42%）
– 技术社区客观报道进展
– 关注AI安全与伦理（Anthropic供应链争议）
– 讨论AI对社会的影响
3. **担忧情绪**（占比12%）
– AI可能取代程序员（"老板原话"类话题）
– AI加剧电网压力、能源危机
– AI代码质量与安全问题
– AI内容输出的伦理风险
**典型样本**
**正面新闻样本**
1. "英伟达电话会：黄仁勋高呼代理AI拐点已至，'推理即收入'"
2. "19岁天才少年做AI应用年入2亿"
3. "汇丰'逆市之言'：软件将吞噬AI，现在是抄底好时机"
4. "我用Claude Code搭了个四个AI的团队，居然真的能协作开发"
5. "解读OpenAI获千亿美元投资背后"
**负面新闻样本**
1. "警惕！AI 正在毁掉你的代码能力"
2. "我的网站被黑了：一天灌入 227 万条垃圾数据，AI 写的代码差点让我社死"
3. "老板原话：AI要完全取代程序员了"
4. "AI加剧'电荒' 美国电网将迎史诗级扩建"
5. "元宝向用户道歉，此前生成拜年海报中出现脏话"
—
## 🔍 综合洞察
### 关键发现
**1. AI热度稳定但结构分化**
– 技术社区（掘金、GitHub）是AI话题的主阵地
– 财经媒体关注度上升，反映AI商业化进程加速
– 社交媒体热度相对较低，AI尚未成为大众娱乐话题
**2. 情感基调：技术乐观 + 现实审慎**
– 专业人士普遍看好技术前景
– 普通用户和决策者保持理性观望
– 就业和能源问题是主要担忧点
**3. 平台生态差异显著**
– 技术平台：聚焦工具使用和技能提升
– 财经平台：关注投资机会和市场影响
– 求职平台：强调AI技能的重要性
– 社交平台：讨论社会影响和伦理问题
**4. 本周焦点事件**
– 中国AI调用量首超美国的里程碑意义
– 春招市场对AI能力的新要求
– AI对能源消耗的基础设施影响
### 趋势预判
1. **短期**：AI话题将保持稳定热度，春招季相关话题将持续升温
2. **中期**：随着更多AI应用落地，大众关注度有望提升
3. **长期**：AI对就业市场和社会结构的影响将成为持续讨论焦点
8. 总结
通过本次本地部署，我们成功实现了：
如果你也厌倦了被算法支配，不妨动手试试这套方案！
参考资料：
- TrendRadar GitHub 仓库
- 飞书自定义机器人开发文档
- LiteLLM 模型支持列表
