TrendRadar¶
tags: #AI #PublicOpinion #MCP #RSS #TrendMonitor #Python source: sansan0/TrendRadar project: TrendRadar score: 技术深度7/10 | 实用价值9/10 | 时效性8/10 | 领域匹配7/10 | 综合 7.8/10
核心概念¶
TrendRadar 是一个 AI 驱动的舆情监控与趋势筛选工具，聚合多平台热点（微博/知乎/ Hacker News 等）+ RSS 订阅，支持关键词精准筛选、AI 智能分析简报直推手机。核心差异化是支持 MCP 架构接入，赋能 AI 自然语言对话分析、情感洞察与趋势预测。
设计原理¶
设计动机是解决信息过载问题：开发者和研究人员需要从海量信息源中筛选有价值的内容。TrendRadar的架构选择：
- 多平台聚合：统一数据层覆盖社交媒体、技术社区、RSS源
- AI 智能筛选：不是简单关键词过滤，而是用LLM做内容理解和优先级排序
- MCP 集成：通过 MCP 协议暴露能力给其他AI工具，实现"用Claude/Cursor对话式分析舆情"
- 多渠道推送：微信/飞书/钉钉/Telegram/邮件/ntfy/bark/slack 全覆盖
- 数据自主：支持 Docker 自托管，数据本地或云端自持
Trade-off：功能全面意味着配置复杂度高，需要维护多个平台的API密钥和数据源。但自托管方案保证了数据隐私。
关键实现¶
技术栈¶
| 组件 | 技术 |
|---|---|
| 语言 | Python |
| 部署 | Docker + docker-compose |
| 数据源 | 多平台API + RSS |
| AI 能力 | 多LLM支持 |
| 推送渠道 | 微信/飞书/钉钉/Telegram/Slack/邮件/ntfy/bark |
| AI 集成 | MCP协议 |
核心功能¶
- AI 筛选：自然语言描述筛选条件，LLM自动判断内容相关性
- AI 翻译：跨语言内容自动翻译
- AI 分析简报：自动生成每日/每周趋势分析报告
- MCP 接入：通过MCP Server暴露数据给其他AI工具使用
- 关键词过滤：精确匹配 + 语义匹配双层过滤
⭐指标¶
- GitHub Stars: 57,689
- 语言: Python
关联分析¶
- 与当前知识库采集脚本对比：TrendRadar覆盖面更广（多平台），但知识库脚本更轻量且已定制化
- MCP 集成思路与 Anthropic-Agent-API 的 MCP Connector 设计方向一致
- 与 OpenClaw 的 Skill 系统可互补：TrendRadar作为信息采集MCP Server，OpenClaw作为处理和存储层
可执行建议¶
- 参考MCP Server实现：如果做信息采集工具，TrendRadar的MCP Server封装方式值得借鉴
- 多平台推送架构参考：推送层支持10+渠道的设计模式可用于自己的工具项目
- 不建议直接替代现有采集方案：当前知识库的Python采集脚本已定制化，迁移成本高于收益
- 关注AI筛选模块实现：LLM做内容理解和优先级排序的模式，可应用到自己的信息流处理
自评¶
| 维度 | 分数 | 权重 | 加权 |
|---|---|---|---|
| 摘要质量 | 8 | 0.25 | 2.00 |
| 技术深度 | 7 | 0.25 | 1.75 |
| 相关性 | 7 | 0.20 | 1.40 |
| 原创性 | 7 | 0.15 | 1.05 |
| 格式规范 | 9 | 0.15 | 1.35 |
| 加权总分 | 7.55 |
评分说明：功能覆盖完整，MCP集成有参考价值；技术深度受限于源码未深入分析；与用户信息采集场景高度相关。