TrendSonar 是一款智能舆情与热点专题追踪系统，利用 AI 技术帮助你更高效地获取有价值的资讯，打破信息茧房。
它不仅聚合新闻，还能帮你自动整理和分析。通过自动化流水线，TrendSonar 能够从海量碎片化信息中提炼价值 —— 自动识别热点、去重聚合事件、分析情感风向，并生成可视化的专题时间轴。
无论是追踪行业动态、监控品牌舆情，还是捕捉市场信号，TrendSonar 都能助你穿透噪音，直达本质。
👉 立即体验: https://ainews.izam.cn
- 多源异构采集: 内置强大的爬虫引擎，支持 RSS 订阅、API 对接 及 网页深度抓取。
- 智能热度过滤: 采用权重与热度算法，支持用户自定义新闻源权重。系统自动计算内容热度并过滤低价值噪音，确保您只看到最重要、最具影响力的新闻。
- 关键词雷达: 内置关键词监控功能，您可以设置特定的关注词（如公司名、行业术语），系统将优先筛选并呈现相关动态，实现精准情报追踪。
- 灵活配置: 可自定义关注源与屏蔽规则，轻松覆盖新闻门户、社交媒体及行业博客。
- 智能摘要: 摒弃机械截取，利用 LLM 生成高质量、信达雅的核心摘要，10秒读懂长文。
- 情感罗盘: 精准识别文本的情感倾向（正面/负面/中性）与情绪烈度，量化舆论风向。
- 实体画像: 自动提取核心实体（人名、机构、地名）与关键标签，构建信息知识图谱。
- 向量化去重: 基于 Embedding 向量模型 计算新闻相似度，自动将同一事件的不同报道聚合归类。
- 降噪聚合: 有效解决信息过载问题，将成百上千条碎片信息合并为一个完整的“事件卡片”。
- 动态时间轴: 自动串联孤立事件，生成可视化的时间轴，清晰呈现事件的起因、经过与结果。
- 深度综述: AI 自动撰写专题分析报告，多维度解读事件影响。
- 双模 AI 引擎: 支持 智谱 glm-4-flash、DeepSeek、SiliconFlow 等多种模型混用，在保障性能的同时大幅降低成本。
- 自动化报表: 支持定时生成日报、周报、关键词深度分析报告。
- 开箱即用: 提供标准 Docker 镜像与可视化管理后台，部署简单，维护便捷。
我们提供了预构建的 Docker 镜像，您可以选择 Docker Compose（推荐）或 Docker CLI 进行部署。
在宿主机上创建一个目录（例如 trendsonar_data），并在其中准备配置文件。
你需要下载 config.yaml.example 并重命名为 config.yaml，填入你的 API Key 和其他配置。
- 创建
docker-compose.yml文件：
version: '3.8'
services:
trendsonar:
image: instarsea/trendsonar
container_name: trendsonar
restart: always
ports:
- "8193:8193"
volumes:
# 挂载 config.yaml 到容器根目录
- ./config.yaml:/app/config.yaml
# 挂载 data 目录 (包含 news_sources.json 和数据库文件)
- ./data:/app/data
environment:
- TZ=Asia/Shanghai
# 【必填】管理员密码
- ADMIN_PASSWORD=your_secure_password- 启动服务：
docker-compose up -ddocker run -d \
--name trendsonar \
-p 8193:8193 \
-v /path/to/your/config.yaml:/app/config.yaml \
-v /path/to/your/data:/app/data \
-e TZ=Asia/Shanghai \
-e ADMIN_PASSWORD=your_secure_password \
instarsea/trendsonar注意：
- 请将
/path/to/your/...替换为实际的文件/目录路径。ADMIN_PASSWORD环境变量为必填项，用于设置管理后台的登录密码。
启动后，访问 http://localhost:8193 即可进入系统。管理后台位于 http://localhost:8193/admin。
核心配置位于 config.yaml 文件中，主要包含：
- 数据库: 默认使用 SQLite，支持 PostgreSQL。
- AI 模型:
SILICONFLOW_API_KEY: 用于 Embedding 和 Rerank (推荐 BAAI/bge-m3)。MAIN_AI_API_KEY: 主力生成模型 (如 GLM-4)。BACKUP_AI_API_KEY: 备用生成模型 (如 DeepSeek)。
- 抓取设置: 可配置抓取间隔、忽略域名等。
更多详细配置项请参考 config.yaml.example 文件中的注释。
部署完成后，系统需要一定时间来积累数据和构建上下文，通常运行 48 小时后效果最佳。
TrendSonar 的分析质量主要取决于以下因素：
- 数据积累: 初始阶段数据较少，聚类和专题分析可能不够丰富，随着时间推移效果会显著提升。
- 参数配置:
config.yaml中的热度阈值、权重设置会直接影响信息的筛选结果。 - AI 模型: 所选用的 LLM (如 GLM-4, DeepSeek) 和 Embedding 模型的性能决定了摘要、情感分析、聚类、深度报告生成的准确度。
- 新闻源质量: 优质、高频更新的 RSS 源能提供更丰富的信息输入（推荐参考下方“推荐新闻源”）。
如果您需要添加更多高质量的新闻源（RSS），推荐参考以下开源项目或服务获取订阅链接：
- Hot News: 每日热点新闻聚合。
- NewsNow: 实时热点聚合，提供多平台的热榜 RSS 接口。
- RSSHub: 万物皆可 RSS，为海量网站提供 RSS 生成服务。
- AnyFeeder: 另一个强大的 RSS 源聚合服务。
- v0.1.0: 初始版本，发布至 Docker Hub。
- v0.1.1: 修复部分鉴权问题。
- v0.1.2: 优化配置异常时的定时任务流程。
- v0.1.3: 优化内存占用，优化专题追踪模块的复核逻辑。
- v0.1.4: 新增专题质量审核等级配置，优化专题生成逻辑。
- v0.1.5: 优化专题生成逻辑，允许手动新增、编辑、删除专题。
- v0.1.6: 优化关键词深度分析交互，并允许所有提示词可以自定义（管理-提示词）。
- v0.1.7: 尝试优化tokens消耗、聚合流程优化、首页筛选交互。
- v0.2.0: 优化tokens消耗，优化日志显示，优化专题生成重复的问题。
