TrendRadar 本地部署指南：Docker 配置、AI 模型接入与 MCP 服务对接

同时，在 docker/.env 中确保开启 Web 服务：

ENABLE_WEBSERVER=true

4.2 配置新闻源与 AI 模型

修改文件：config/config.yaml

配置 AI 模型（以 NVIDIA 免费 API 为例）：

ai:
  # 格式：provider/model_name
  model: "openai/minimaxai/minimax-m2.5"
  api_key: "nvapi-your_custom_api_key..."
  # 关键：自定义 API 端点
  api_base: "https://integrate.api.nvidia.com/v1"
  timeout: 120
  temperature: 1.0
  max_tokens: 131072

定制新闻源：根据自己的兴趣保留或删除平台。

platforms:
  enabled: true
sources:
  - id: "toutiao"
    name: "今日头条"
  - id: "bilibili-hot-search"
    name: "bilibili 热搜"
  - id: "github"
    name: "GitHub"
  # ... 更多平台配置

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。

[WORD_GROUPS]
# AI 相关
/\bai\b/i => AI
/\bDeepSeek\b/ => DeepSeek
/\bOpenAI\b/ => OpenAI
# 企业与品牌
/英伟达|黄仁勋|\bNVIDIA\b/i => 英伟达
/微软|\bMicrosoft\b/i => 微软

4.4 推送配置

修改文件：config/config.yaml

notification:
  enabled: true
  channels:
    feishu:
      webhook_url: "https://open.feishu.cn/open-apis/bot/v2/hook/xxx***xxx"

4.5 Docker 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

默认代码在推送飞书消息时使用的是 text 类型，导致无法渲染 Markdown 语法。

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：

修正 1：trendradar/notification/senders.py

找到 send_to_feishu 函数，将 payload 替换为 interactive 卡片类型。

# 修改后
if is_flow_webhook:
    payload = {"msg_type": "text", "content": {"text": batch_content}}
else:
    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", "content": batch_content}}]
        }
    }

同样逻辑需应用到 trendradar/notification/dispatcher.py 和 mcp_server/tools/notification.py。

修正 2：docker/docker-compose.yml

volumes 中添加代码映射以便修改源码。

--- 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

6. 成果展示

6.1 飞书推送

修复后可正确显示加粗、链接等格式。

6.2 Webserver

局域网内可正常访问生成的 AI 新闻报告。

7. 进阶玩法：接入 Cherry Studio 进行 AI 对话

7.1 Server 端配置

确保开放了 3333 端口，且包含 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

1. 添加模型服务：设置中添加 NVIDIA 或其他兼容 OpenAI 的服务商，填入 API Key。
2. 添加 MCP 服务器：
   • 名称：TrendRadar MCP
   • 类型：可流式传输的 HTTP (streamableHttp)
   • URL：http://192.168.xxx.xxx:3333/mcp

7.3 效果展示

连接成功后，可在 Cherry Studio 中提问：

Prompt： "我想了解 'AI' 这个话题，请依次完成以下步骤：搜索今天的相关新闻，分析最近一周的热度趋势，对比各平台的关注度，分析最近一周的情感倾向。"

AI 将会自动调用 TrendRadar 的数据库，生成包含图表数据的专业分析报告。

8. 总结

通过本次本地部署，成功实现了：

1. 数据自主：所有新闻数据存储在本地 SQLite/Docker 卷中。
2. 体验升级：修复了飞书推送的渲染 bug。
3. 智能加持：利用免费的 NVIDIA 大模型实现了零成本的热点摘要。
4. 深度交互：通过 MCP + Cherry Studio，把'看新闻'变成了'研判情报'。

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