sansan0/TrendRadar 不是一个装完就自动懂你兴趣的浏览器插件。它更像一个热点采集和推送工作台：先配置关注词、平台和推送渠道，再让它定时抓取新闻，必要时再接 MCP 做 AI 分析。

这个 skill 教程适合想在本地或服务器上搭舆情监控的人。新手要先选部署方式：临时体验用 uv，本机或服务器长期跑用 Docker，没有服务器才考虑 GitHub Actions；AI 分析功能依赖本地已经积累的新闻数据，不能把它当成实时全网搜索。

临时体验先用 uv，别先折腾服务器

本地运行的好处是改配置快。README 写明 uv 会自动管理 Python 和依赖；Windows 可走批处理脚本，Mac 可用 setup-mac.sh。第一次建议先用 uv 跑通，再决定是否迁到 Docker。

curl -LsSf https://astral.sh/uv/install.sh | sh

git clone https://github.com/sansan0/TrendRadar.git
cd TrendRadar
uv sync
uv run python -m trendradar

运行前先改两个位置：config/config.yaml 放推送渠道、报告模式、平台开关等低频配置；config/frequency_words.txt 放你真正关心的关键词。这个分工能减少后续升级时的混乱。

长期运行更适合 Docker

有 NAS、云服务器或长期在线电脑，Docker 是更稳的路径。项目提供 wantcat/trendradar 新闻推送服务和 wantcat/trendradar-mcp AI 分析服务。只要推送就启动前者，需要对话分析再加后者。

git clone https://github.com/sansan0/TrendRadar.git
cd TrendRadar/docker

docker compose pull
docker compose up -d

docker compose up -d trendradar
docker compose up -d trendradar-mcp

第一次成功要看 output，而不只看容器状态

服务启动后，先看日志有没有抓取、过滤、推送相关输出。Docker 环境可以用 docker logs -f trendradar，MCP 服务可以看 docker logs -f trendradar-mcp。报告默认保存在 output/，最新页通常看 output/index.html。

docker exec -it trendradar python manage.py files
open ./output/index.html

MCP 要等数据积累后再接

TrendRadar MCP 的地址通常是 http://127.0.0.1:3333/mcp。它适合在 Cursor、Cline、Cherry Studio 等客户端里分析已采集新闻，比如查询某个关键词近期热度。刚装好还没有新闻数据时，先让采集服务跑一段时间，再去问 AI 分析，结果会更靠谱。