每天早上睁眼，第一件事就是把十几个 App 全部刷一遍。微博热搜、知乎热榜、抖音热门、B站推荐、百度热搜，每个平台的规则都不一样，算法推荐还夹一堆垃圾信息。想搞清楚「今天到底发生了什么」，得在十几个产品之间来回跳，半小时过去了，除了信息焦虑什么都剩不下。

做自媒体的更辛苦。选题靠刷热搜，竞品监控靠手动搜，行业动态靠人肉盯，大量时间耗在「信息收集」上，真正用来创作的时间反而被压缩得很厉害。

市面上的舆情监控工具不是没有。新榜、清博指数等功能确实成熟，但定价面向大企业，一年几万到几十万是常态。个人开发者和中小团队基本用不起。免费工具也有，但要么平台覆盖不全，要么数据延迟严重，要么干脆把使用数据拿去卖了。

有没有一款工具，能免费、实时、而且主动把热搜推到你手边？

TrendRadar：热点感知 + 推送管道

TrendRadar，GitHub 56k Star，专门做这件事。本质上是一个「热点感知 + 推送管道」系统，从 35 个主流平台持续抓取热榜数据，按配置的关键词做筛选，通过指定渠道主动推送。整个流程全自动，部署完配好关键词和推送地址，剩下的事它全帮你搞定。

核心功能

35 个平台覆盖基本打透了中文互联网流量高地。知乎、微博、抖音、B站、百度、头条等大众平台都在，还有财联社、华尔街见闻等财经媒体，以及 V2EX、掘金、GitHub Trending 等开发者社区。不需要一一对接各平台 API，这件事它已经做完了。

7 种推送渠道，可同时开启。微信（企业微信和个人微信都行）、飞书、钉钉、Telegram、邮件、ntfy，基本上能想到的通知方式都支持了。

三种推送模式设计实用：

• 每日汇总：适合早上看全天热点总结
• 当前榜单：适合实时监控
• 增量监控：只推新内容，不会重复轰炸

关键词系统支持细粒度控制：必须词（+）、过滤词（!）、数量限制（@）。只想看同时包含「AI」和「开源」的内容？+AI +开源 搞定。想过滤广告和低质内容？!广告 !推广 就行。

MCP 模块（v3.0 新增）是重点更新。TrendRadar 现在可以被 AI Agent 直接调用，通过 Claude Desktop、Cherry Studio、Cursor 等支持 MCP 的客户端，用自然语言对话：「分析一下比特币近两周的热度趋势」「查昨天知乎上关于 AI Agent 的所有讨论」。13 种内置分析工具把原始数据变成可读结论。

技术架构

整体是爬虫 + 分析 + 推送管道架构，核心代码 Python 占 90% 以上。

数据采集层调用 newsnow 项目的 API 拿到原始热榜数据，经过关键词筛选后进分析引擎。引擎内有一套可调权重的排序算法：排名权重 60%、频次权重 30%、热度权重 10%，比例可以在配置文件里自己调，决定它是偏「追实时」还是偏「挖深度」。

存储层支持 SQLite 本地和 S3 远程两种模式，Docker 部署默认走 SQLite，GitHub Actions 跑自动切 S3。

推送层做了统一分发器（NotificationDispatcher），新增渠道只需实现一个接口，不用改核心代码。目前 7 种渠道都是 Webhook 驱动，配一个 URL 就能跑。

MCP 模块把整个项目变成了 AI Agent 的「眼睛」，这个功能在同类项目中做得最完整。

三种部署方式

省事：GitHub Actions

Fork 到自己的 GitHub 仓库 → Settings → Secrets 里填推送渠道的 Webhook 地址 → 手动跑一次 Action 测试 → 设置定时触发 → 开启 GitHub Pages 查看网页报告。全程不用装任何东西，GitHub 免费额度完全够用。

有服务器：Docker

docker run -d --name trend-radar \
  -v ./config:/app/config:ro \
  -v ./output:/app/output \
  -e FEISHU_WEBHOOK_URL="你的飞书webhook" \
  -e CRON_SCHEDULE="*/30 * * * *" \
  wantcat/trendradar:latest

镜像是 wantcat/trendradar，数据持久化到本地 ./output 目录。

深度自定义：本地运行

git clone 项目
cd TrendRadar
pip install -r requirements.txt
cp config/config.yaml.example config/config.yaml
# 编辑 config.yaml 配置关键词和推送渠道
python main.py

开源协议

本项目遵循 GPL-3.0 协议。GPL 和 MIT、Apache-2.0 有本质区别：具有「传染性」。如果修改了源码并且分发给他人（哪怕是以在线服务的形式），修改部分也必须开源。

对普通使用者来说影响基本为零——只是 Fork 过来配关键词跑推送，没改代码也不对外分发，GPL 没有任何额外约束。需要注意的场景是做成 SaaS 服务卖给别人，就需要把改动开源了。

使用流程

部署完主要就是三件事：

选平台：config.yaml 里把想监控的平台前面的注释去掉就行。

写关键词：frequency_words.txt 里写你关心的话题，每行一组，空行分隔不同主题。

填推送地址：以飞书为例，去飞书开放平台创建一个自定义机器人，拿到 Webhook URL 填到环境变量里就行。

跑起来之后，会拉一次全量数据，之后就是增量更新。可以在 GitHub Pages 上看到自动生成的网页报告，按平台分类展示所有命中关键词的热点内容，点击就能跳到原始链接。

如果接了 MCP，体验会更进一步。打开 Cherry Studio 或 Claude Desktop，配置好 TrendRadar 的 MCP Server 地址，就可以直接用自然语言问问题了。

适用场景

总结

TrendRadar 在「免费」这个前提下做到了惊人的完整度。56k Star 不是白来的——35 个平台覆盖、7 种推送渠道、三种运行模式、MCP AI 增强，这些功能放在任何一个商业化产品里至少卖几万块一年。

当然它也不是完美的。数据依赖第三方 API，如果上游挂了它也会跟着出问题，这是所有聚合类项目的通病。另外对完全没有技术背景的人来说，配置 Webhook 和编辑 YAML 还是有门槛的。

但瑕不掩瑜。如果你每天花在刷热搜找素材上的时间超过 30 分钟，这个项目值得你花 30 分钟部署一下。

GitHub：github.com/WantChinaFree/TrendRadar

苏米注：对于自媒体运营者来说，TrendRadar 解决的是一个高频刚需——信息收集。自动监控 + 主动推送的模式，把原来需要手动刷十几个 App 的工作自动化了。结合 MCP 模块还能让 AI Agent 直接调用热点数据，想象空间很大。