TrendRadar 是由開發者 sansan0 維護的開源熱點聚合工具，把 11 個主流平台的熱榜與 RSS 訂閱源統一收集，經關鍵詞或 AI 篩選後推送到使用者手機。專案自 2025 年 4 月建立以來，在 GitHub 累積 62,440 顆星標與 24,876 個分支，主要語言為 Python，以 GPL-3.0 授權釋出，並已發布至 v6.10.0。
TrendRadar 是以 Python 撰寫的開源熱點聚合工具，整合 11 個平台熱榜與 RSS 訂閱源，支援關鍵詞與 AI 篩選、多渠道推送及 MCP 整合，星標逾 6.2 萬。
資訊過載是這類工具存在的根本原因。使用者每天面對多個平台的熱榜，真正關心的內容往往被淹沒在無關話題之中，逐一開啟應用程式既耗時，也無法判斷一則新聞的熱度變化趨勢。TrendRadar 的切入點是把多來源資料收斂成一份可篩選、可推送的日報，讓使用者只接收與自身關注方向相關的內容。
TrendRadar 是什麼？
TrendRadar 把多平台熱榜與 RSS 統一為一份可推送的日報，使用者可用關鍵詞或自然語言興趣描述篩選，只接收真正關心的內容。
專案的自我定位是「最快 30 秒部署的熱點助手」，核心主張為告別無效刷屏，只看真正關心的新聞資訊。它以輕量與易部署為設計目標，預設監控知乎、抖音、bilibili 熱搜、華爾街見聞、貼吧、百度熱搜、財聯社、澎湃新聞、鳳凰網、今日頭條與微博等 11 個平台，使用者亦可自行增加額外來源。
除了熱榜，專案在 v4.5.0 版本加入 RSS 與 Atom 訂閱源支援，兩種來源共用同一套關鍵詞匹配與顯示格式，最終合併為單一訊息推送出去。這意味著使用者既能掌握中文平台的即時輿情，也能把海外部落格或媒體的更新納入同一條推送流。
TrendRadar 的項目背景是什麼？
專案由開發者 sansan0 於 2025 年 4 月建立，以輕量易部署為目標，屬個人維護的開源項目，採用 GPL-3.0 授權釋出。
TrendRadar 屬於個人開發者主導的開源項目，由 sansan0 於 2025 年 4 月建立並持續維護。從提交紀錄觀察，該倉庫累積約 247 次提交與 70 個版本標籤，主要貢獻來自作者本人，另有兩位貢獻者各提交一次，呈現典型的單人主力、社群輔助的開源協作結構。
專案的推廣路徑同樣值得注意。README 顯示它曾獲小眾軟件、LinuxDo 社群與阮一峰週刊等技術媒體推薦，作者亦撰寫過推廣實戰經驗的文章，說明專案在中文開發者社群中具備一定的辨識度。這種由作者主動經營社群關係的成長模式，是它能在一年多時間內累積六萬餘顆星標的重要因素。
TrendRadar 有哪些核心功能？
功能涵蓋多平台熱榜聚合、RSS 訂閱、可視化配置編輯、三種推送模式、AI 智能篩選、熱點趨勢分析與多語言翻譯，並提供 AI 分析報告。
精準內容篩選是專案最基礎的能力。使用者可設定如人工智慧、教育政策等關鍵詞，只接收相關熱點，過濾無關資訊；若把關鍵詞檔案留空，則完整推送所有熱門話題。v6.5.0 版本進一步加入 AI 智能篩選，使用者改以日常語言描述興趣，系統先提取結構化標籤，再對新聞批量分類打分，並以分數閾值控制推送品質。
熱點趨勢分析則處理時間維度。專案會記錄每條新聞由首次出現到最後出現的完整跨度，統計排名變化與出現頻次，並以標記提示新出現的話題，讓使用者區分一次性熱點與持續發酵的深度新聞。此外，v5.2.0 加入 AI 多語言翻譯，可把推送內容轉為英文、日文、韓文等任意語言，方便閱讀海外資訊。專案亦提供基於網頁的圖形化配置編輯器，無需手動編輯 YAML 檔案即可完成設定。
TrendRadar 的推送機制如何運作？
專案提供當日彙總、當前榜單與增量監控三種模式，並可用調度系統按星期與時段編排不同推送策略，實現分時段差異化推送。
推送模式是三種選擇。當日彙總適合企業管理者與一般使用者，按時推送當天所有匹配新聞，會包含之前推送過的內容；當前榜單適合自媒體與內容創作者，按時推送當前榜單匹配新聞，持續在榜的話題每次都會出現；增量監控則適合投資者與交易員，只推送新增內容，做到零重複。
在此之上，v6.0.0 與 v6.5.0 加入調度系統，可按週一到週日逐日編排，為每天分配不同時間段、推送模式與 AI 分析策略，每個時段可獨立設定篩選方式與關注方向，並支援工作日與週末差異化、跨午夜時段與衝突檢測。這令同一套部署能在早晨推送科技資訊、晚間切換為金融深度篩選。推送渠道則涵蓋企業微信、飛書、釘釘、Telegram、郵件、ntfy、Bark、Slack 與通用 Webhook。
TrendRadar 支援哪些 AI 與 MCP 整合？
AI 分析基於 LiteLLM 支援逾百間供應商，可生成熱點洞察報告；專案同時提供 MCP 服務，讓 Cursor 等 AI 客戶端以自然語言查詢新聞資料。
AI 分析推送在 v5.0.0 版本引入，由模型自動閱讀匹配到的熱點新聞，分析議題之間的關聯，並在推送訊息末尾附上一份洞察報告，內容涵蓋熱點趨勢總結、輿論風向判斷、跨平台關聯與潛在影響評估。實作層面基於 LiteLLM 統一介面，支援 DeepSeek、OpenAI、Gemini、Anthropic 與本地 Ollama 等逾百間供應商，並具備備用模型自動切換能力。
另一方面，專案提供標準 Model Context Protocol 服務，可接入支援 MCP 的 AI 客戶端進行對話式分析。以 Cursor 為例，使用者可透過 HTTP 模式或本地 STDIO 模式設定伺服器，之後便能以自然語言提出如查詢當日人工智慧相關新聞的要求，由模型讀取本地新聞資料後回應。由於資料存放於使用者自己的機器，這種整合方式在便利性與資料控制之間取得了平衡。
TrendRadar 的數據表現如何？
專案累積 62,440 星標與 24,876 分支，約 247 次提交、70 個版本標籤，Docker 映像下載逾 32 萬次，最新版本為 v6.10.0。
從數據結構可以看出專案的實際使用規模。星標數超過六萬二千，分支數接近二萬五千，兩者比例約為二點五比一，顯示相當比例的使用者選擇實際部署而非單純收藏。Docker Hub 上主映像累積逾三十二萬次下載，另有獨立發布的 MCP 映像，反映容器化部署是社群的主流選擇。
專案以 GPL-3.0 授權釋出，對衍生作品有較強的開放要求，商業整合前需留意授權條款。主要語言為 Python，最新版本 v6.10.0 於 2026 年 6 月 19 日發布，程式碼倉庫最後更新時間為 2026 年 9 月 13 日，顯示維護仍在持續進行。
TrendRadar 有哪些部署方式？
官方提供 Docker、GitHub Actions 與本地 uv 三種部署方式。Docker 最穩定、資料存本地，本地模式適合除錯，Actions 免伺服器需雲存儲。
官方文件列出三種部署路徑。Docker 部署被標示為推薦方案，特點是比 GitHub Actions 更穩定，資料儲存於本地，適合擁有伺服器、NAS 或長期運行電腦的使用者。本地部署則以 uv 管理執行環境，使用者無需預先安裝 Python 即可在 Windows、Mac 或 Linux 上運行，適合開發除錯或沒有容器環境的場合。
GitHub Actions 方案面向沒有伺服器的使用者，利用免費資源定時執行，但需要配置遠端雲存儲以保留資料，並須定期簽到續期。專案同時提供 Windows 批次檔與 Mac 安裝腳本，降低非技術使用者的上手門檻。無論採用哪種方式，運行後都會在根目錄生成一份完整的 HTML 報告頁面，可部署到 GitHub Pages 或 Cloudflare Pages 供線上瀏覽。
TrendRadar 與同類工具有何差異？
多數資訊聚合工具僅提供單一平台的訂閱或單純的 RSS 閱讀，TrendRadar 同時涵蓋中文熱榜與 RSS，並具備 AI 篩選、趨勢追蹤與自建部署。
市面上的替代方案大致分為兩類。第一類是各平台官方應用程式的通知功能，優點是資料來源直接，缺點是無法跨平台比較，也缺乏篩選能力；第二類是通用 RSS 閱讀器，雖然能統一管理訂閱，但通常不處理平台熱榜，也沒有熱度趨勢分析。
TrendRadar 的差異在於把熱榜與訂閱源放在同一套關鍵詞體系下處理，再以自建部署的方式讓資料留在使用者手上。加上 AI 篩選、多語言翻譯與 MCP 對話分析等功能，它更像是一個可自行組裝的資訊中樞，而非單純的閱讀器。對於需要同時追蹤中文社群輿情與海外資訊的內容工作者、投資者與產品團隊，這種整合能力具有實質價值。
出處連結有哪些？
本文資訊來源為 sansan0/TrendRadar 的官方 GitHub 儲存庫，涵蓋 README、功能與部署文件，以及 GitHub API 提供的統計數據。
本文所有功能描述與統計數據均取自 TrendRadar 官方 GitHub 儲存庫，包括 README 中的功能說明、推送模式比較、部署指引與 MCP 整合文件，以及 GitHub API 提供的星標、分支、貢獻者、提交、版本標籤與 Docker Hub 下載資料。
常見問題有哪些？
以下整理三個關於 TrendRadar 的常見疑問，涵蓋使用門檻、資料存放位置、推送渠道選擇，以及它與一般 RSS 閱讀器的差異。
使用 TrendRadar 需要付費或有技術門檻嗎？
不需要付費，專案以 GPL-3.0 授權開源釋出，可自行部署。官方提供 Windows 批次檔與 Mac 安裝腳本，本地模式以 uv 管理環境，無需預先安裝 Python；若完全不想接觸命令列，也可選用 Docker 或 GitHub Actions 方案。資料會上傳到第三方伺服器嗎？
自建部署模式下，抓取與篩選結果都存放在使用者自己的機器，只有推送渠道（如 Telegram、飛書）會收到最終訊息。若採用 GitHub Actions 方案，則需配置遠端雲存儲保留資料，資料位置會隨所選方案而不同。它可以取代一般 RSS 閱讀器嗎？
可以部分取代。專案在 v4.5.0 起支援 RSS 與 Atom 來源，與平台熱榜共用同一套關鍵詞匹配與推送格式，適合需要跨來源統一篩選的使用者；但它以推送日報為核心，不具備傳統閱讀器的全文歸檔與閱讀狀態管理。總結：TrendRadar 適合什麼團隊？
TrendRadar 適合需要同時追蹤中文平台輿情與海外資訊的內容工作者、投資者與產品團隊，尤其是重視資料留在本機、希望以關鍵詞或 AI 精準過濾資訊的使用者。
把多平台熱榜與 RSS 收斂成一份可篩選的推送日報，是 TrendRadar 與一般訂閱工具最根本的差異。它以輕量部署、關鍵詞與 AI 雙重篩選、趨勢追蹤與 MCP 對話分析，讓資訊取得從被動刷屏轉為主動設定規則。六萬二千餘顆星標與逾三十二萬次 Docker 下載，說明這種「自建資訊中樞」的定位切中了不少團隊的實際需要。
不過，專案以 GPL-3.0 授權釋出，對衍生作品有較強的開放要求，商業整合前需留意條款；同時它屬個人維護為主的項目，長期更新節奏與上游平台介面變動，都是評估導入時值得納入考量的因素。