这款AI舆情监控工具爆火了!Github上斩获14700+stars

这两天,一款名为TrendRadar的多平台舆情热点聚合+基于 MCP 的AI分析工具登上了GitHub热门榜首,截至目前已经收获了14.7k stars。

01

项目简介

TrendRadar是一款让你告别信息过载,用AI帮你监控热点新闻舆情的分析工具。

目前支持监控11+个平台(抖音、知乎、B站、华尔街见闻、财联社等),可实现智能筛选+自动推送+AI对话分析(用自然语言深度挖掘新闻:趋势追踪、情感分析、相似检索等13种工具)。

还能支持企业微信/飞书/钉钉/Telegram/邮件/ntfy推送,30秒网页部署,1分钟手机通知,无需编程。

02

核心功能

一、聚合全网热点事件

系统默认监控 11 个主流平台:知乎、抖音、bilibili 热搜、华尔街见闻、贴吧、百度热搜、财联社热门、澎湃新闻、凤凰网、今日头条、微博。

当然,你也可自行增加额外要监控的平台,配置方法也十分简单。只需在 config/config.yaml 文件中修改 platforms 配置:

platforms: - id: "toutiao" name: "今日头条" - id: "baidu" name: "百度热搜" - id: "wallstreetcn-hot" name: "华尔街见闻" # 添加更多平台... 

二、多种智能推送策略

有三种推送模式可选:

1、当日汇总:适合企业管理者/普通用户

2、当前榜单:适合自媒体人/内容创作者

3、增量监控:适合投资者/交易员

三、精准内容筛选

可通过设置个人关键词(如:AI、比亚迪、教育政策),来实现只推送相关热点,过滤无关信息。

  • 支持普通词、必须词(+)、过滤词(!)三种语法,
  • 词组化管理,独立统计不同主题热点

关键词越靠前,新闻的优先级越高,你可以根据自己的关注度调整关键词顺序

四、热点趋势分析

可实时追踪新闻热度变化,让你不仅知道"什么在热搜",并且能够让你通过时间轴来了解热点的演变轨迹。

  • 记录每条新闻从首次出现到最后出现的完整时间跨度热度变化
  • 统计新闻在不同时间段的排名变化和出现频次新增检测
  • 实时识别新出现的热点话题,用🆕标记第一时间提醒持续性分析
  • 区分一次性热点话题和持续发酵的深度新闻跨平台对比
  • 同一新闻在不同平台的排名表现,看出媒体关注度差异

五、多渠道实时推送

支持企业微信(+ 微信推送方案)、飞书钉钉Telegram邮件ntfy,消息直达手机和邮箱。并且还能自动生成精美网页报告,同时适配PC和移动端。

该项目在Github上已经是爆火了,其标星速度正在肉眼可见的速度在飙升。

03

项目地址

https://github.com/sansan0/TrendRadar

想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2025 年 AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享

👇👇扫码免费领取全部内容👇👇

一、学习必备:100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT,帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例?大模型电子书?这份资料帮你站在 “行业高度” 学 AI

1. 100+本大模型方向电子书

在这里插入图片描述

2. 26 份行业研究报告:覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容,涵盖:

  • 职业趋势:《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》;
  • 商业落地:《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》;
  • 领域细分:《AGI 在金融领域的应用报告》《AI GC 实践案例集》;
  • 行业监测:《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT:听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会,包含百度、腾讯、字节等企业的一线实践:

在这里插入图片描述
  • 安全方向:《端侧大模型的安全建设》《大模型驱动安全升级(腾讯代码安全实践)》;
  • 产品与创新:《大模型产品如何创新与创收》《AI 时代的新范式:构建 AI 产品》;
  • 多模态与 Agent:《Step-Video 开源模型(视频生成进展)》《Agentic RAG 的现在与未来》;
  • 工程落地:《从原型到生产:AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看:大厂 AI 岗面试 “弹药库”,300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗?这份面试资料帮你提前 “押题”,拒绝临场慌!

1. 107 道大厂面经:覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景,包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题,每道题都附带思路解析

2. 102 道 AI 大模型真题:直击大模型核心考点

针对大模型专属考题,从概念到实践全面覆盖,帮你理清底层逻辑:

3. 97 道 LLMs 真题:聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案,比如让很多人头疼的 “复读机问题”:


三、路线必明: AI 大模型学习路线图,1 张图理清核心内容

刚接触 AI 大模型,不知道该从哪学起?这份「AI大模型 学习路线图」直接帮你划重点,不用再盲目摸索!

在这里插入图片描述
路线图涵盖 5 大核心板块,从基础到进阶层层递进:一步步带你从入门到进阶,从理论到实战。
img
L1阶段:启航篇丨极速破界AI新时代
L1阶段:了解大模型的基础知识,以及大模型在各个行业的应用和分析,学习理解大模型的核心原理、关键技术以及大模型应用场景。
img
L2阶段:攻坚篇丨RAG开发实战工坊
L2阶段:AI大模型RAG应用开发工程,主要学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。
img
L3阶段:跃迁篇丨Agent智能体架构设计
L3阶段:大模型Agent应用架构进阶实现,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。
img
L4阶段:精进篇丨模型微调与私有化部署
L4阶段:大模型的微调和私有化部署,更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调,并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。
img
L5阶段:专题集丨特训篇 【录播课】
img


四、资料领取:全套内容免费抱走,学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:

👇👇扫码免费领取全部内容👇👇

2025 年想抓住 AI 大模型的风口?别犹豫,这份免费资料就是你的 “起跑线”!

Read more

机器人策略开发3步走:从菜鸟到高手的避坑实战手册

你是不是曾经面对一堆机器人代码手足无措?想开发自己的策略却不知从何下手?别担心,这篇文章就是为你量身定制的实用指南!我们将用最简单的语言,带你快速掌握LeRobot框架下机器人策略开发的核心技巧。 【免费下载链接】lerobot🤗 LeRobot: State-of-the-art Machine Learning for Real-World Robotics in Pytorch 项目地址: https://gitcode.com/GitHub_Trending/le/lerobot 为什么你的机器人策略总是"翻车"? 在开始之前,我们先来盘点几个典型的"翻车现场": * 场景一:好不容易写好的策略,训练时却报各种莫名错误 * 场景二:模型效果时好时坏,完全看运气 * 场景三:好不容易训练完成,部署到真实机器人上却完全失效 这些问题其实都有共同的根源:对框架理解不够深入。今天,我们就用3个步骤,帮你彻底解决这些问题! 第一步:理解核心概念

MHT-MD761 与云影无人机的集成实操要点,硬件安装与接口对接

MHT-MD761 与云影无人机的集成实操要点,硬件安装与接口对接

MHT-MD761 与无人机的集成核心分为硬件安装和接口对接两部分,需严格遵循产品的安装规范和接口定义,才能保障惯导器件发挥最优性能,避免因安装偏差、接线错误导致的导航精度下降或设备故障,以下为具体的实操要点,均基于 MHT-MD761 官方安装规范和云影无人机的集成实际。 1. 硬件安装要点 (1)安装位置与坐标系匹配 MHT-MD761 的产品坐标系采用 “右 - 前 - 上” 坐标系,安装时需将器件的 X 轴与无人机的前进方向保持一致,Z 轴朝下,同时确保器件与无人机旋转中心的测量误差≤5cm,否则会因杆臂误差导致导航精度下降;安装位置应选择无人机机身振动较小、远离强磁部件的区域,如飞控模块附近,避免机身发动机、电机等强振动部件的振动传递,同时远离电池、金属支架等强磁部件,防止磁场干扰磁力计的测量精度。 (2)机械安装要求 安装面需保证平面度≤0.01mm、垂直度≤0.02mm、表面粗糙度≤0.8μm,通过

吃透 AM32 无人机电调:从源码架构到工作原理的全方位解析(附实践指南)(上)

开篇:为什么要深度剖析 AM32 电调? 作为多旋翼无人机的 “动力心脏”,电调(电子调速器)的性能直接决定了无人机的飞行稳定性、响应速度和续航能力。而 AM32 系列电调凭借开源性、高性价比、适配性强三大优势,成为了开源无人机社区的热门选择 —— 从入门级的 2204 电机到专业级的 2306 电机,从 3S 锂电池到 6S 高压电池,AM32 都能稳定驱动。 但很多开发者和爱好者在接触 AM32 源码时,常会陷入 “看得懂代码,看不懂逻辑” 的困境:为什么 FOC 算法要做坐标变换?DShot 协议的脉冲怎么解析?保护机制是如何实时触发的? 这篇博客将从硬件基础→源码架构→模块解析→工作原理→实践操作五个维度,逐行拆解 AM32 电调固件源码,帮你彻底搞懂

Neo4j插件apoc安装及配置(实战经历,一步到位)

Neo4j插件apoc安装及配置(实战经历,一步到位)

目录 apoc插件安装 安装验证 出现的问题 Neo4j版本:Neo4j 5.x apoc版本:同上对应 Neo4j 4.x版本同样适用 apoc插件安装 1.首先查看Neo4j版本(在Neo4j Desktop或命令行中执行): CALL dbms.components() YIELD name, versions RETURN versions;  结果如下: 2.然后去GitHub上下载这个插件 * 访问 APOC GitHub Releases------------ https://github.com/neo4j/apoc/releases/ * 下载与Neo4j版本一致的apoc-x.x.x.x-all.jar文件(例如Neo4j 5.12.0 → APOC 5.