TrendRadar

【推荐优先调用】将自然语言日期表达式解析为标准日期范围

为什么需要这个工具？ 用户经常使用"本周"、"最近7天"等自然语言表达日期，但 AI 模型自己计算日期 可能导致不一致的结果。此工具在服务器端使用精确的当前时间计算，确保所有 AI 模型获得一致的日期范围。

推荐使用流程：

1. 用户说"分析AI本周的情感倾向"

2. AI 调用 resolve_date_range("本周") → 获取精确日期范围

3. AI 调用 analyze_sentiment(topic="ai", date_range=上一步返回的date_range)

Args: expression: 自然语言日期表达式，支持： - 单日: "今天", "昨天", "today", "yesterday" - 周: "本周", "上周", "this week", "last week" - 月: "本月", "上月", "this month", "last month" - 最近N天: "最近7天", "最近30天", "last 7 days", "last 30 days" - 动态: "最近5天", "last 10 days"（任意天数）

Returns: JSON格式的日期范围，可直接用于其他工具的 date_range 参数： { "success": true, "expression": "本周", "date_range": { "start": "2025-11-18", "end": "2025-11-26" }, "current_date": "2025-11-26", "description": "本周（周一到周日，11-18 至 11-26）" }

Examples: 用户："分析AI本周的情感倾向" AI调用步骤： 1. resolve_date_range("本周") → {"date_range": {"start": "2025-11-18", "end": "2025-11-26"}, ...} 2. analyze_sentiment(topic="ai", date_range={"start": "2025-11-18", "end": "2025-11-26"})

获取最新一批爬取的新闻数据，快速了解当前热点

Args: platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 limit: 返回条数限制，默认50，最大1000 include_url: 是否包含URL链接，默认False（节省token）

Returns: JSON格式的新闻列表

数据展示建议

• 默认展示全部返回数据，除非用户明确要求总结

• 用户说"总结"或"挑重点"时才进行筛选

• 用户问"为什么只显示部分"说明需要完整数据

获取热点话题统计

Args: top_n: 返回TOP N话题，默认10 mode: 时间模式 - "daily": 当日累计数据统计 - "current": 最新一批数据统计（默认） extract_mode: 提取模式 - "keywords": 统计预设关注词（基于 config/frequency_words.txt，默认） - "auto_extract": 自动从新闻标题提取高频词（无需预设，自动发现热点）

Returns: JSON格式的话题频率统计列表

Examples: - 使用预设关注词: get_trending_topics(mode="current") - 自动提取热点: get_trending_topics(extract_mode="auto_extract", top_n=20)

获取最新的 RSS 订阅数据（支持多日查询）

RSS 数据与热榜新闻分开存储，按时间流展示，适合获取特定来源的最新内容。

Args: feeds: RSS 源 ID 列表，如 ['hacker-news', '36kr']，不指定则返回所有源 days: 获取最近 N 天的数据，默认 1（仅今天），最大 30 天 limit: 返回条数限制，默认50，最大500 include_summary: 是否包含文章摘要，默认False（节省token）

Returns: JSON格式的 RSS 条目列表

Examples: - get_latest_rss() - get_latest_rss(days=7, feeds=['hacker-news'])

搜索 RSS 数据

在 RSS 订阅数据中搜索包含指定关键词的文章。

Args: keyword: 搜索关键词（必需） feeds: RSS 源 ID 列表，如 ['hacker-news', '36kr'] - 不指定时：搜索所有 RSS 源 days: 搜索最近 N 天的数据，默认 7 天，最大 30 天 limit: 返回条数限制，默认50 include_summary: 是否包含文章摘要，默认False

Returns: JSON格式的匹配 RSS 条目列表

Examples: - search_rss(keyword="AI") - search_rss(keyword="machine learning", feeds=['hacker-news'], days=14)

获取 RSS 源状态信息

查看当前配置的 RSS 源及其数据统计信息。

Returns: JSON格式的 RSS 源状态，包含： - available_dates: 有 RSS 数据的日期列表 - total_dates: 总日期数 - today_feeds: 今日各 RSS 源的数据统计 - {feed_id}: { name, item_count } - generated_at: 生成时间

Examples: - get_rss_feeds_status() # 查看所有 RSS 源状态

获取指定日期的新闻数据，用于历史数据分析和对比

Args: date_range: 日期范围，支持多种格式: - 范围对象: {"start": "2025-01-01", "end": "2025-01-07"} - 自然语言: "今天", "昨天", "本周", "最近7天" - 单日字符串: "2025-01-15" - 默认值: "今天" platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 limit: 返回条数限制，默认50，最大1000 include_url: 是否包含URL链接，默认False（节省token）

Returns: JSON格式的新闻列表，包含标题、平台、排名等信息

统一话题趋势分析工具 - 整合多种趋势分析模式

建议：使用自然语言日期时，先调用 resolve_date_range 获取精确日期范围。

Args: topic: 话题关键词（必需） analysis_type: 分析类型 - "trend": 热度趋势分析（默认） - "lifecycle": 生命周期分析 - "viral": 异常热度检测 - "predict": 话题预测 date_range: 日期范围，格式 {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}，默认最近7天 granularity: 时间粒度，默认"day" spike_threshold: 热度突增倍数阈值（viral模式），默认3.0 time_window: 检测时间窗口小时数（viral模式），默认24 lookahead_hours: 预测未来小时数（predict模式），默认6 confidence_threshold: 置信度阈值（predict模式），默认0.7

Returns: JSON格式的趋势分析结果

Examples: - analyze_topic_trend(topic="AI", date_range={"start": "2025-01-01", "end": "2025-01-07"}) - analyze_topic_trend(topic="特斯拉", analysis_type="lifecycle")

统一数据洞察分析工具 - 整合多种数据分析模式

Args: insight_type: 洞察类型，可选值： - "platform_compare": 平台对比分析（对比不同平台对话题的关注度） - "platform_activity": 平台活跃度统计（统计各平台发布频率和活跃时间） - "keyword_cooccur": 关键词共现分析（分析关键词同时出现的模式） topic: 话题关键词（可选，platform_compare模式适用） date_range: 【对象类型】 日期范围（可选） - 格式: {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"} - 示例: {"start": "2025-01-01", "end": "2025-01-07"} - 重要: 必须是对象格式，不能传递整数 min_frequency: 最小共现频次（keyword_cooccur模式），默认3 top_n: 返回TOP N结果（keyword_cooccur模式），默认20

Returns: JSON格式的数据洞察分析结果

Examples: - analyze_data_insights(insight_type="platform_compare", topic="人工智能") - analyze_data_insights(insight_type="platform_activity", date_range={"start": "2025-01-01", "end": "2025-01-07"}) - analyze_data_insights(insight_type="keyword_cooccur", min_frequency=5, top_n=15)

分析新闻的情感倾向和热度趋势

建议：使用自然语言日期时，先调用 resolve_date_range 获取精确日期范围。

Args: topic: 话题关键词（可选） platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 date_range: 日期范围，格式 {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}，默认今天 limit: 返回新闻数量，默认50，最大100（会对标题去重） sort_by_weight: 是否按热度权重排序，默认True include_url: 是否包含URL链接，默认False（节省token）

Returns: JSON格式的分析结果，包含情感分布、热度趋势和相关新闻

Examples: - analyze_sentiment(topic="AI", date_range={"start": "2025-01-01", "end": "2025-01-07"})

查找与指定新闻标题相关的其他新闻（支持当天和历史数据）

Args: reference_title: 参考新闻标题（完整或部分） date_range: 日期范围（可选） - 不指定: 只查询今天的数据 - "today", "yesterday", "last_week", "last_month": 预设值 - {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}: 自定义范围 threshold: 相似度阈值，0-1之间，默认0.5（越高匹配越严格） limit: 返回条数限制，默认50 include_url: 是否包含URL链接，默认False（节省token）

Returns: JSON格式的相关新闻列表，按相似度排序

Examples: - find_related_news(reference_title="特斯拉降价") - find_related_news(reference_title="AI突破", date_range="last_week")

每日/每周摘要生成器 - 自动生成热点摘要报告

Args: report_type: 报告类型（daily/weekly） date_range: 【对象类型】 自定义日期范围（可选） - 格式: {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"} - 示例: {"start": "2025-01-01", "end": "2025-01-07"} - 重要: 必须是对象格式，不能传递整数

Returns: JSON格式的摘要报告，包含Markdown格式内容

跨平台新闻聚合 - 对相似新闻进行去重合并

将不同平台报道的同一事件合并为一条聚合新闻，显示跨平台覆盖情况和综合热度。

Args: date_range: 日期范围，不指定则查询今天 platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 similarity_threshold: 相似度阈值，0.3-1.0，默认0.7（越高越严格） limit: 返回聚合新闻数量，默认50 include_url: 是否包含URL链接，默认False

Returns: JSON格式的聚合结果，包含去重统计、聚合新闻列表和平台覆盖统计

Examples: - aggregate_news() - aggregate_news(similarity_threshold=0.8)

时期对比分析 - 比较两个时间段的新闻数据

对比不同时期的热点话题、平台活跃度、新闻数量等维度。

使用场景：

• 对比本周和上周的热点变化

• 分析某个话题在两个时期的热度差异

• 查看各平台活跃度的周期性变化

Args: period1: 第一个时间段（基准期） - {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}: 日期范围 - "today", "yesterday", "this_week", "last_week", "this_month", "last_month": 预设值 period2: 第二个时间段（对比期，格式同 period1） topic: 可选的话题关键词（聚焦特定话题的对比） compare_type: 对比类型 - "overview": 总体概览（默认）- 新闻数量、关键词变化、TOP新闻 - "topic_shift": 话题变化分析 - 上升话题、下降话题、新出现话题 - "platform_activity": 平台活跃度对比 - 各平台新闻数量变化 platforms: 平台过滤列表，如 ['zhihu', 'weibo'] top_n: 返回 TOP N 结果，默认10

Returns: JSON格式的对比分析结果，包含： - periods: 两个时期的日期范围 - compare_type: 对比类型 - overview/topic_shift/platform_comparison: 具体对比结果（根据类型）

Examples: - compare_periods(period1="last_week", period2="this_week") # 周环比 - compare_periods(period1="last_month", period2="this_month", compare_type="topic_shift") - compare_periods( period1={"start": "2025-01-01", "end": "2025-01-07"}, period2={"start": "2025-01-08", "end": "2025-01-14"}, topic="人工智能" )

统一搜索接口，支持多种搜索模式，可同时搜索热榜和RSS

建议：使用自然语言日期时，先调用 resolve_date_range 获取精确日期范围。

Args: query: 搜索关键词或内容片段 search_mode: 搜索模式 - "keyword": 精确关键词匹配（默认） - "fuzzy": 模糊内容匹配 - "entity": 实体名称搜索（人物/地点/机构） date_range: 日期范围，格式 {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}，默认今天 platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 limit: 热榜返回条数限制，默认50 sort_by: 排序方式 - "relevance"（相关度）/ "weight"（权重）/ "date"（日期） threshold: 相似度阈值（仅fuzzy模式），0-1，默认0.6 include_url: 是否包含URL链接，默认False include_rss: 是否同时搜索RSS数据，默认False rss_limit: RSS返回条数限制，默认20

Returns: JSON格式的搜索结果，包含热榜新闻列表和可选的RSS结果

Examples: - search_news(query="AI") - search_news(query="AI", include_rss=True) - search_news(query="特斯拉", date_range={"start": "2025-01-01", "end": "2025-01-07"})

获取当前系统配置

Args: section: 配置节，可选值： - "all": 所有配置（默认） - "crawler": 爬虫配置 - "push": 推送配置 - "keywords": 关键词配置 - "weights": 权重配置

Returns: JSON格式的配置信息

获取系统运行状态和健康检查信息

返回系统版本、数据统计、缓存状态等信息

Returns: JSON格式的系统状态信息

检查版本更新（同时检查 TrendRadar 和 MCP Server）

比较本地版本与 GitHub 远程版本，判断是否需要更新。

Args: proxy_url: 可选的代理URL，用于访问 GitHub（如 http://127.0.0.1:7890）

Returns: JSON格式的版本检查结果，包含两个组件的版本对比和是否需要更新

Examples: - check_version() - check_version(proxy_url="http://127.0.0.1:7890")

手动触发一次爬取任务（可选持久化）

Args: platforms: 平台ID列表，如 ['zhihu', 'weibo']，不指定则使用所有平台 save_to_local: 是否保存到本地 output 目录，默认 False include_url: 是否包含URL链接，默认False（节省token）

Returns: JSON格式的任务状态信息，包含成功/失败平台列表和新闻数据

Examples: - trigger_crawl(platforms=['zhihu']) - trigger_crawl(save_to_local=True)

从远程存储拉取数据到本地

用于 MCP Server 等场景：爬虫存到远程云存储（如 Cloudflare R2）， MCP Server 拉取到本地进行分析查询。

Args: days: 拉取最近 N 天的数据，默认 7 天 - 0: 不拉取 - 7: 拉取最近一周的数据 - 30: 拉取最近一个月的数据

Returns: JSON格式的同步结果，包含： - success: 是否成功 - synced_files: 成功同步的文件数量 - synced_dates: 成功同步的日期列表 - skipped_dates: 跳过的日期（本地已存在） - failed_dates: 失败的日期及错误信息 - message: 操作结果描述

Examples: - sync_from_remote() # 拉取最近7天 - sync_from_remote(days=30) # 拉取最近30天

Note: 需要在 config/config.yaml 中配置远程存储（storage.remote）或设置环境变量： - S3_ENDPOINT_URL: 服务端点 - S3_BUCKET_NAME: 存储桶名称 - S3_ACCESS_KEY_ID: 访问密钥 ID - S3_SECRET_ACCESS_KEY: 访问密钥

获取存储配置和状态

查看当前存储后端配置、本地和远程存储的状态信息。

Returns: JSON格式的存储状态信息，包含本地/远程存储状态和拉取配置

列出本地/远程可用的日期范围

查看本地和远程存储中有哪些日期的数据可用。

Args: source: 数据来源 - "local": 仅本地 - "remote": 仅远程 - "both": 同时列出并对比（默认）

Returns: JSON格式的日期列表，包含各来源的日期信息和对比结果

Examples: - list_available_dates() - list_available_dates(source="local")

读取指定 URL 的文章内容，返回 LLM 友好的 Markdown 格式

通过 Jina AI Reader 将网页转换为干净的 Markdown，自动去除广告、导航栏等噪音内容。 适合用于：阅读新闻正文、获取文章详情、分析文章内容。

典型使用流程：

1. 先用 search_news(include_url=True) 搜索新闻获取链接

2. 再用 read_article(url=链接) 读取正文内容

3. AI 对 Markdown 正文进行分析、摘要、翻译等

Args: url: 文章链接（必需），以 http:// 或 https:// 开头 timeout: 请求超时时间（秒），默认 30，最大 60

Returns: JSON格式的文章内容，包含完整 Markdown 正文

Examples: - read_article(url="https://example.com/news/123")

Note: - 使用 Jina AI Reader 免费服务（100 RPM 限制） - 每次请求间隔 5 秒（内置速率控制） - 部分付费墙/登录墙页面可能无法完整获取

批量读取多篇文章内容（最多 5 篇，间隔 5 秒）

逐篇请求文章内容，每篇之间自动间隔 5 秒以遵守速率限制。

典型使用流程：

1. 先用 search_news(include_url=True) 搜索新闻获取多个链接

2. 再用 read_articles_batch(urls=[...]) 批量读取正文

3. AI 对多篇文章进行对比分析、综合报告

Args: urls: 文章链接列表（必需），最多处理 5 篇 timeout: 每篇的请求超时时间（秒），默认 30

Returns: JSON格式的批量读取结果，包含每篇的完整内容和状态

Examples: - read_articles_batch(urls=["https://a.com/1", "https://b.com/2"])

Note: - 单次最多读取 5 篇，超出部分会被跳过 - 5 篇约需 25-30 秒（每篇间隔 5 秒） - 单篇失败不影响其他篇的读取

获取通知渠道的格式化策略指南

返回各渠道支持的 Markdown 特性、格式限制和最佳格式化提示词。 在调用 send_notification 之前使用此工具，可以了解目标渠道的格式要求， 从而生成最佳排版效果的消息内容。

各渠道格式差异概览：

• 飞书：支持 粗体、彩色文本、链接、--- 分割线

• 钉钉：支持 ### 标题、粗体、> 引用、--- 分割线，不支持颜色

• 企业微信：仅支持 粗体、链接、> 引用，不支持标题和分割线

• Telegram：自动转为 HTML，支持粗体/斜体/删除线/代码/链接/引用块

• ntfy：支持标准 Markdown，不支持颜色

• Bark：iOS 推送，仅支持粗体和链接，内容需精简

• Slack：自动转为 mrkdwn，粗体、~删除线~、<url|链接>

• 邮件：自动转为完整 HTML 网页，支持标题/样式/分割线

• 通用 Webhook：标准 Markdown 或自定义模板

Args: channel: 指定渠道 ID（可选），不指定返回所有渠道策略 可选值: feishu, dingtalk, wework, telegram, email, ntfy, bark, slack, generic_webhook

Returns: JSON格式的渠道格式化策略，包含支持特性、限制和格式化提示词

Examples: - get_channel_format_guide() # 获取所有渠道策略 - get_channel_format_guide(channel="feishu") # 获取飞书策略 - get_channel_format_guide(channel="telegram") # 获取 Telegram 策略

获取所有已配置的通知渠道及其状态

检测 config.yaml 和 .env 环境变量中的通知渠道配置。 支持 9 个渠道：飞书、钉钉、企业微信、Telegram、邮件、ntfy、Bark、Slack、通用 Webhook。

Returns: JSON格式的渠道状态，包含每个渠道是否已配置及配置来源

Examples: - get_notification_channels()

向已配置的通知渠道发送消息

接受 markdown 格式内容，内部自动适配各渠道的格式要求和限制：

• 飞书：Markdown 卡片消息（支持 粗体、彩色文本、链接、---）

• 钉钉：Markdown（自动降级标题为 ###、剥离 标签和删除线）

• 企业微信：Markdown（自动剥离 # 标题、---、 标签、删除线）

• Telegram：HTML（自动转换 **→、*→、~~→、>→）

• Email：HTML 邮件（完整网页样式，支持 # 标题、---、粗体斜体）

• ntfy：Markdown（自动剥离 标签）

• Bark：Markdown（自动简化为粗体+链接，适配 iOS 推送）

• Slack：mrkdwn（自动转换 **→*、~~→~、text→<url|text>）

• 通用 Webhook：Markdown（支持自定义模板）

提示：发送前可调用 get_channel_format_guide 获取目标渠道的详细格式化策略， 以生成最佳排版效果的消息内容。

Args: message: markdown 格式的消息内容（必需） title: 消息标题，默认 "TrendRadar 通知" channels: 指定发送的渠道列表，不指定则发送到所有已配置渠道 可选值: feishu, dingtalk, wework, telegram, email, ntfy, bark, slack, generic_webhook

Returns: JSON格式的发送结果，包含每个渠道的发送状态

Examples: - send_notification(message="测试消息\n这是一条测试通知") - send_notification(message="紧急通知", title="系统告警", channels=["feishu", "dingtalk"])