Trendradar

兩種部署模式：

輕量模式說明：

• ✅ 可用：即時新聞抓取、關鍵詞篩選、熱點權重排序、當前榜單推送。
• ❌ 不可用：新增新聞檢測(🆕)、熱度趨勢追蹤、增量模式、每日彙總累積、MCP AI分析。

完整模式說明： 配置遠程雲存儲後解鎖全部功能（見下方 推薦配置：遠程雲存儲）。

🚀 推薦：Docker 部署 如需長期穩定運行，建議使用 Docker 部署，數據存儲在本地，無需簽到，不過需要額外付費購買雲服務器。

• 支持多賬號配置：所有推送渠道（飛書、釘釘、企業微信、Telegram、ntfy、Bark、Slack）均支持配置多個賬號。
• 配置方式：使用英文分號 ; 分隔多個賬號值。
• 示例：FEISHU_WEBHOOK_URL 的 Secret 值填寫 https://webhook1;https://webhook2。
• 配對配置：Telegram 和 ntfy 需要保證配對參數數量一致（如 token 和 chat_id 都是 2 個）。
• 數量限制：默認每個渠道最多 3 個賬號，超出部分被截斷。

多賬號配置示例：

配置位置：config/config.yaml 的 platforms 部分。

本項目的資訊數據來源於 newsnow ，你可以點擊網站，點擊[更多]，查看是否有你想要的平臺。

具體添加可訪問 項目源代碼，根據裡面的文件名，在 config/config.yaml 文件中修改 platforms 配置：

platforms:
  - id: "toutiao"
    name: "今日頭條"
  - id: "baidu"
    name: "百度熱搜"
  - id: "wallstreetcn-hot"
    name: "華爾街見聞"
  # 添加更多平臺...

💡 使用建議

如果不會看源代碼，可以複製他人整理好的 平臺配置彙總。

⚠️ 重要提示

平臺不是越多越好，建議選擇 10 - 15 個核心平臺。過多平臺會導致信息過載，反而降低使用體驗。

配置位置：config/frequency_words.txt。

普通關鍵詞 - 基礎匹配：

華為
OPPO
蘋果

作用：新聞標題包含其中任意一個詞就會被捕獲。

必須詞 +詞彙 - 限定範圍：

華為
OPPO
+手機

作用：必須同時包含普通詞和必須詞才會被捕獲。

過濾詞 !詞彙 - 排除干擾：

蘋果
華為
!廣告

作用：包含過濾詞的新聞會被直接排除，即使包含關鍵詞。

數量限制 @數字 - 控制顯示數量（v3.2.0 新增）：

特斯拉
馬斯克
@10

作用：最多顯示10條新聞。

全局過濾 [GLOBAL_FILTER] - 全局排除指定內容（v3.5.0新增）：

[GLOBAL_FILTER]
廣告
推廣
營銷
震驚
標題黨

[WORD_GROUPS]
科技
AI

華為
鴻蒙
!車

作用：在任何情況下都過濾包含指定內容的新聞。

使用場景：過濾廣告、營銷、低質內容等。

過濾優先級：全局過濾 > 詞組內過濾(!) > 詞組匹配。

區域說明：

• [GLOBAL_FILTER]：全局過濾區，包含的詞在任何情況下都會被過濾。
• [WORD_GROUPS]：詞組區，保持現有語法（!、+、@）。
• 如果不使用區域標記，默認全部作為詞組處理（向後兼容）。

匹配示例：

[GLOBAL_FILTER]
廣告

[WORD_GROUPS]
科技
AI

• ❌ "廣告：最新科技產品發佈" ← 包含全局過濾詞"廣告"，直接拒絕。
• ✅ "科技公司發佈AI新產品" ← 不包含全局過濾詞，匹配"科技"詞組。
• ✅ "AI技術突破引發關注" ← 不包含全局過濾詞，匹配"科技"詞組中的"AI"。

注意事項：

• 全局過濾詞應謹慎使用，避免過度過濾導致遺漏有價值內容。
• 建議全局過濾詞控制在 5 - 15 個以內。
• 對於特定詞組的過濾，優先使用詞組內過濾詞（! 前綴）。

詞組功能 - 空行分隔的重要作用： 用空行分隔不同的詞組，每個詞組獨立統計。

示例配置：

iPhone
華為
OPPO
+發佈

A股
上證
深證
+漲跌
!預測

世界盃
歐洲盃
亞洲盃
+比賽

詞組解釋及匹配效果： 第1組 - 手機新品類：

• 關鍵詞：iPhone、華為、OPPO。
• 必須詞：發佈。
• 效果：必須包含手機品牌名，同時包含"發佈"。

匹配示例：

• ✅ "iPhone 15正式發佈售價公佈" ← 有"iPhone"+"發佈"。
• ✅ "華為Mate60系列發佈會直播" ← 有"華為"+"發佈"。
• ✅ "OPPO Find X7發佈時間確定" ← 有"OPPO"+"發佈"。
• ❌ "iPhone銷量創新高" ← 有"iPhone"但缺少"發佈"。

第2組 - 股市行情類：

• 關鍵詞：A股、上證、深證。
• 必須詞：漲跌。
• 過濾詞：預測。
• 效果：關注股市漲跌實況，排除預測類內容。

匹配示例：

• ✅ "A股今日大幅漲跌分析" ← 有"A股"+"漲跌"。
• ✅ "上證指數漲跌幅創新高" ← 有"上證"+"漲跌"。
• ❌ "專家預測A股漲跌趨勢" ← 有"A股"+"漲跌"但包含"預測"。

第3組 - 足球賽事類：

• 關鍵詞：世界盃、歐洲盃、亞洲盃。
• 必須詞：比賽。
• 效果：只關注比賽相關新聞。

配置技巧： 從寬到嚴：

# 第一步：先用寬泛關鍵詞測試
人工智能
AI
ChatGPT

# 第二步：發現誤匹配後，加入必須詞限定
人工智能
AI
ChatGPT
+技術

# 第三步：發現干擾內容後，加入過濾詞
人工智能
AI
ChatGPT
+技術
!廣告
!培訓

避免過度複雜： ❌ 不推薦：一個詞組包含太多詞彙。

華為
OPPO
蘋果
三星
vivo
一加
魅族
+手機
+發佈
+銷量
!假貨
!維修
!二手

✅ 推薦：拆分成多個精確的詞組。

華為
OPPO
+新品

蘋果
三星
+發佈

手機
銷量
+市場

關鍵詞排序優先級： 配置位置：config/config.yaml。

report:
  sort_by_position_first: false  # 排序優先級配置

示例：配置順序 A、B、C，熱點數 A(3條)、B(10條)、C(5條)。

• false：B(10條) → C(5條) → A(3條)。
• true：A(3條) → B(10條) → C(5條)。

全局顯示數量限制：

report:
  max_news_per_keyword: 10  # 每個關鍵詞最多顯示10條（0=不限制）

Docker 環境變量：

SORT_BY_POSITION_FIRST=true
MAX_NEWS_PER_KEYWORD=10

綜合示例：

# config.yaml
report:
  sort_by_position_first: true   # 按配置順序優先
  max_news_per_keyword: 10       # 全局默認每個關鍵詞最多10條

# frequency_words.txt
特斯拉
馬斯克
@20              # 重點關注，顯示20條（覆蓋全局配置）

華為            # 使用全局配置，顯示10條

比亞迪
@5               # 限制5條

最終效果：按配置順序顯示 特斯拉(20條) → 華為(10條) → 比亞迪(5條)。

配置位置：config/config.yaml 的 report.mode。

report:
  mode: "daily"  # 可選: "daily" | "incremental" | "current"

Docker 環境變量：REPORT_MODE=incremental。

詳細對比表格：

實際推送效果舉例： 假設你監控"蘋果"關鍵詞，每小時執行一次：

說明：

• daily：累積展示當天所有新聞（A、B、C 都保留）。
• current：展示當前榜單的新聞（排名變化，新聞D上榜，新聞A掉榜）。
• incremental：只推送新出現的新聞（避免重複干擾）。

常見問題：

💡 使用建議

遇到這個問題？👉 "每個小時執行一次，第一次執行完輸出的新聞，在下一個小時執行時還會出現"。

• 原因：你可能選擇了 daily（當日彙總）或 current（當前榜單）模式。
• 解決：改用 incremental（增量監控）模式，只推送新增內容。

增量模式重要提示：

⚠️ 重要提示

選擇了 incremental（增量監控）模式的用戶請注意：

• 📌 增量模式只在有新增匹配新聞時才會推送。
• 如果長時間沒有收到推送，可能是因為：
  • 當前時段沒有符合你關鍵詞的新熱點出現。
  • 關鍵詞配置過於嚴格或過於寬泛。
  • 監控平臺數量較少。
• 解決方案：
  • 方案1：👉 優化關鍵詞配置 - 調整關鍵詞的精準度，增加或修改監控詞彙。
  • 方案2：切換推送模式 - 改用 current 或 daily 模式，可以定時接收推送。
  • 方案3：👉 增加監控平臺 - 添加更多新聞平臺，擴大信息來源。

配置位置：config/config.yaml 的 weight 部分。

weight:
  rank_weight: 0.6       # 排名權重
  frequency_weight: 0.3  # 頻次權重
  hotness_weight: 0.1    # 熱度權重

當前默認的配置是平衡性配置。

兩個核心場景： 追即時熱點型：

weight:
  rank_weight: 0.8    # 主要看排名
  frequency_weight: 0.1  # 不太在乎持續性
  hotness_weight: 0.1

適用人群：自媒體博主、營銷人員、想快速瞭解當下最火話題的用戶。

追深度話題型：

weight:
  rank_weight: 0.4    # 適度看排名
  frequency_weight: 0.5  # 重視當天內的持續熱度
  hotness_weight: 0.1

適用人群：投資者、研究人員、新聞工作者、需要深度分析趨勢的用戶。

調整的方法：

1. 三個數字加起來必須等於 1.0。
2. 哪個重要就調大哪個：在乎排名就調大 rank_weight，在乎持續性就調大 frequency_weight。
3. 建議每次只調 0.1 - 0.2，觀察效果。

核心思路：追求速度和時效性的用戶提高排名權重，追求深度和穩定性的用戶提高頻次權重。

推送示例：

📊 熱點詞彙統計

🔥 [1/3] AI ChatGPT : 2 條

  1. [百度熱搜] 🆕 ChatGPT-5正式發佈 [**1**] - 09時15分 (1次)

  2. [今日頭條] AI芯片概念股暴漲 [**3**] - [08時30分 ~ 10時45分] (3次)

━━━━━━━━━━━━━━━━━━━

📈 [2/3] 比亞迪 特斯拉 : 2 條

  1. [微博] 🆕 比亞迪月銷量破紀錄 [**2**] - 10時20分 (1次)

  2. [抖音] 特斯拉降價促銷 [**4**] - [07時45分 ~ 09時15分] (2次)

━━━━━━━━━━━━━━━━━━━

📌 [3/3] A股 股市 : 1 條

  1. [華爾街見聞] A股午盤點評分析 [**5**] - [11時30分 ~ 12時00分] (2次)

🆕 本次新增熱點新聞 (共 2 條)

**百度熱搜** (1 條):
  1. ChatGPT-5正式發佈 [**1**]

**微博** (1 條):
  1. 比亞迪月銷量破紀錄 [**2**]

更新時間：2025-01-15 12:30:15

消息格式說明：

</details>

#### 6. Docker 部署
<details>
<summary>👉 點擊展開：<strong>Docker 部署完整指南</strong></summary>
<br>

**鏡像說明**：
TrendRadar 提供兩個獨立的 Docker 鏡像，可根據需求選擇部署：
| 鏡像名稱 | 用途 | 說明 |
|---------|------|------|
| `wantcat/trendradar` | 新聞推送服務 | 定時抓取新聞、推送通知（必選） |
| `wantcat/trendradar-mcp` | AI 分析服務 | MCP 協議支持、AI 對話分析（可選） |

> 💡 **使用建議**
> 
> - 只需要推送功能：僅部署 `wantcat/trendradar` 鏡像。
> - 需要 AI 分析功能：同時部署兩個鏡像。

**方式一：使用 docker compose（推薦）**
1. **創建項目目錄和配置**：
**方式 1 - A：使用 git clone（推薦，最簡單）**
```bash
# 克隆項目到本地
git clone https://github.com/sansan0/TrendRadar.git
cd TrendRadar

方式 1 - B：使用 wget 下載配置文件

# 創建目錄結構
mkdir -p trendradar/{config,docker}
cd trendradar

# 下載配置文件模板
wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/config/config.yaml -P config/
wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/config/frequency_words.txt -P config/

# 下載 docker compose 配置
wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/docker/.env  -P docker/
wget https://raw.githubusercontent.com/sansan0/TrendRadar/master/docker/docker-compose.yml  -P docker/

💡 說明

Docker 部署需要的關鍵目錄結構如下：

當前目錄/
├── config/
│   ├── config.yaml
│   └── frequency_words.txt
└── docker/
    ├── .env
    └── docker-compose.yml

2. 配置文件說明：

• config/config.yaml - 應用主配置（報告模式、推送設置等）。
• config/frequency_words.txt - 關鍵詞配置（設置你關心的熱點詞彙）。
• .env - 環境變量配置（webhook URLs 和定時任務）。

⚙️ 環境變量覆蓋機制（v3.0.5+） 如果你在 NAS 或其他 Docker 環境中遇到修改 config.yaml 後配置不生效的問題，可以通過環境變量直接覆蓋配置：

配置優先級：環境變量 > config.yaml。

使用方法：

• 修改 .env 文件，取消註釋並填寫需要的配置。
• 或在 NAS/群暉 Docker 管理界面的"環境變量"中直接添加。
• 重啟容器後生效：docker compose up -d。

3. 啟動服務： 選項 A：啟動所有服務（推送 + AI 分析）

# 拉取最新鏡像
docker compose pull

# 啟動所有服務（trend - radar + trend - radar - mcp）
docker compose up -d

選項 B：僅啟動新聞推送服務

# 只啟動 trend - radar（定時抓取和推送）
docker compose pull trend - radar
docker compose up -d trend - radar

選項 C：僅啟動 MCP AI 分析服務

# 只啟動 trend - radar - mcp（提供 AI 分析接口）
docker compose pull trend - radar - mcp
docker compose up -d trend - radar - mcp

💡 提示

• 大多數用戶只需啟動 trend - radar 即可實現新聞推送功能。
• 只有需要使用 Claude/ChatGPT 進行 AI 對話分析時，才需啟動 trend - radar - mcp。
• 兩個服務相互獨立，可根據需求靈活組合。

4. 查看運行狀態：

# 查看新聞推送服務日誌
docker logs -f trend - radar

# 查看 MCP AI 分析服務日誌
docker logs -f trend - radar - mcp

# 查看所有容器狀態
docker ps | grep trend - radar

# 停止特定服務
docker compose stop trend - radar      # 停止推送服務
docker compose stop trend - radar - mcp  # 停止 MCP 服務

方式二：本地構建（開發者選項） 如果需要自定義修改代碼或構建自己的鏡像：

# 克隆項目
git clone https://github.com/sansan0/TrendRadar.git
cd TrendRadar

# 修改配置文件
vim config/config.yaml
vim config/frequency_words.txt

# 使用構建版本的 docker compose
cd docker
cp docker-compose-build.yml docker-compose.yml

構建並啟動服務： 選項 A：構建並啟動所有服務

docker compose build
docker compose up -d

選項 B：僅構建並啟動新聞推送服務

docker compose build trend - radar
docker compose up -d trend - radar

選項 C：僅構建並啟動 MCP AI 分析服務

docker compose build trend - radar - mcp
docker compose up -d trend - radar - mcp

💡 架構參數說明

• 默認構建 amd64 架構鏡像（適用於大多數 x86_64 服務器）。
• 如需構建 arm64 架構（Apple Silicon、樹莓派等），設置環境變量：

  export DOCKER_ARCH=arm64
  docker compose build
  

鏡像更新：

# 方式一：手動更新（爬蟲 + MCP 鏡像）
docker pull wantcat/trendradar:latest
docker pull wantcat/trendradar - mcp:latest
docker compose down
docker compose up -d

# 方式二：使用 docker compose 更新
docker compose pull
docker compose up -d

可用鏡像：

服務管理命令：

# 查看運行狀態
docker exec -it trend - radar python manage.py status

# 手動執行一次爬蟲
docker exec -it trend - radar python manage.py run

# 查看即時日誌
docker exec -it trend - radar python manage.py logs

# 顯示當前配置
docker exec -it trend - radar python manage.py config

# 顯示輸出文件
docker exec -it trend - radar python manage.py files

# Web 服務器管理（用於瀏覽器訪問生成的報告）
docker exec -it trend - radar python manage.py start_webserver   # 啟動 Web 服務器
docker exec -it trend - radar python manage.py stop_webserver    # 停止 Web 服務器
docker exec -it trend - radar python manage.py webserver_status  # 查看 Web 服務器狀態

# 查看幫助信息
docker exec -it trend - radar python manage.py help

# 重啟容器
docker restart trend - radar

# 停止容器
docker stop trend - radar

# 刪除容器（保留數據）
docker rm trend - radar

💡 Web 服務器說明

• 啟動後可通過瀏覽器訪問 http://localhost:8080 查看最新報告。
• 通過目錄導航訪問歷史報告（如：http://localhost:8080/2025 - xx - xx/）。
• 端口可在 .env 文件中配置 WEBSERVER_PORT 參數。
• 自動啟動：在 .env 中設置 ENABLE_WEBSERVER=true。
• 安全提示：僅提供靜態文件訪問，限制在 output 目錄，只綁定本地訪問。

數據持久化： 生成的報告和數據默認保存在 ./output 目錄下，即使容器重啟或刪除，數據也會保留。

📊 網頁版報告訪問路徑： TrendRadar 生成的當日彙總 HTML 報告會同時保存到兩個位置：

本地訪問示例：

# 方式 1：通過 Web 服務器訪問（推薦，Docker 環境）
# 1. 啟動 Web 服務器
docker exec -it trend - radar python manage.py start_webserver
# 2. 在瀏覽器訪問
http://localhost:8080                           # 訪問最新報告（默認 index.html）
http://localhost:8080/2025 - xx - xx/               # 訪問指定日期的報告
http://localhost:8080/2025 - xx - xx/html/          # 瀏覽該日期下的所有 HTML 文件

# 方式 2：直接打開文件（本地環境）
open ./output/index.html             # macOS
start ./output/index.html            # Windows
xdg - open ./output/index.html         # Linux

# 方式 3：訪問歷史歸檔
open ./output/2025 - xx - xx/html/當日彙總.html

為什麼有兩個 index.html？

• output/index.html：Docker Volume 掛載到宿主機，本地可直接打開。
• index.html：GitHub Actions 推送到倉庫，GitHub Pages 自動部署。

💡 提示

兩個文件內容完全相同，選擇任意一個訪問即可。

故障排查：

# 檢查容器狀態
docker inspect trend - radar

# 查看容器日誌
docker logs --tail 100 trend - radar

# 進入容器調試
docker exec -it trend - radar /bin/bash

# 驗證配置文件
docker exec -it trend - radar ls -la /app/config/

MCP 服務部署（AI 分析功能）： 如果需要使用 AI 分析功能，可以部署獨立的 MCP 服務容器。

架構說明：

flowchart TB
    subgraph trend - radar["trend - radar"]
        A1[定時抓取新聞]
        A2[推送通知]
    end
    
    subgraph trend - radar - mcp["trend - radar - mcp"]
        B1[127.0.0.1:3333]
        B2[AI 分析接口]
    end
    
    subgraph shared["共享卷"]
        C1["config/ (ro)"]
        C2["output/ (ro)"]
    end
    
    trend - radar --> shared
    trend - radar - mcp --> shared

快速啟動： 如果已按照 方式一：使用 docker compose 完成部署，只需啟動 MCP 服務：

cd TrendRadar/docker
docker compose up -d trend - radar - mcp

# 查看運行狀態
docker ps | grep trend - radar - mcp

單獨啟動 MCP 服務（不使用 docker compose）：

# Linux/Mac
docker run -d --name trend - radar - mcp \
  -p 127.0.0.1:3333:3333 \
  -v $(pwd)/config:/app/config:ro \
  -v $(pwd)/output:/app/output:ro \
  -e TZ=Asia/Shanghai \
  wantcat/trendradar - mcp:latest

# Windows PowerShell
docker run -d --name trend - radar - mcp `
  -p 127.0.0.1:3333:3333 `
  -v ${PWD}/config:/app/config:ro `
  -v ${PWD}/output:/app/output:ro `
  -e TZ=Asia/Shanghai `
  wantcat/trendradar - mcp:latest

⚠️ 注意

單獨運行時，確保當前目錄下有 config/ 和 output/ 文件夾，且包含配置文件和新聞數據。

驗證服務：

# 檢查 MCP 服務健康狀態
curl http://127.0.0.1:3333/mcp

# 查看 MCP 服務日誌
docker logs -f trend - radar - mcp

在 AI 客戶端中配置： MCP 服務啟動後，根據不同客戶端進行配置：

Cherry Studio（推薦，GUI 配置）：

• 設置 → MCP 服務器 → 添加。
• 類型：streamableHttp。
• URL：http://127.0.0.1:3333/mcp。

Claude Desktop / Cline（JSON 配置）：

{
  "mcpServers": {
    "trendradar": {
      "url": "http://127.0.0.1:3333/mcp",
      "type": "streamableHttp"
    }
  }
}

💡 提示

MCP 服務僅監聽本地端口（127.0.0.1），確保安全性。如需遠程訪問，請自行配置反向代理和認證。

配置位置：config/config.yaml 的 report 部分。

report:
  mode: "daily"                    # 推送模式
  rank_threshold: 5                # 排名高亮閾值
  sort_by_position_first: false    # 排序優先級
  max_news_per_keyword: 0          # 每個關鍵詞最大顯示數量
  reverse_content_order: false     # 內容順序配置

配置項詳解：

內容順序配置（v3.5.0 新增）： 控制推送消息和 HTML 報告中兩部分內容的顯示順序：

適用場景：

• false（默認）：適合關注關鍵詞匹配結果的用戶，先看分類統計。
• true：適合關注最新動態的用戶，優先查看新增熱點。

Docker 環境變量：

REVERSE_CONTENT_ORDER=true

排序優先級配置： 示例場景：配置順序 A、B、C，熱點數 A(3條)、B(10條)、C(5條)。

Docker 環境變量：

SORT_BY_POSITION_FIRST=true
MAX_NEWS_PER_KEYWORD=10

配置位置：config/config.yaml 的 notification.push_window 部分。

notification:
  push_window:
    enabled: false                    # 是否啟用
    time_range:
      start: "20:00"                  # 開始時間（北京時間）
      end: "22:00"                    # 結束時間（北京時間）
    once_per_day: true                # 每天只推送一次

配置項詳解：

使用場景：

重要提示：

⚠️ 重要提示

GitHub Actions 用戶注意：

• GitHub Actions 執行時間不穩定，可能有 ±15 分鐘的偏差。
• 時間範圍建議至少留足 2 小時。
• 如果想要精準的定時推送，建議使用 Docker 部署在個人服務器上。

Docker 環境變量：

PUSH_WINDOW_ENABLED=true
PUSH_WINDOW_START=09:00
PUSH_WINDOW_END=18:00
PUSH_WINDOW_ONCE_PER_DAY=false

完整配置示例： 場景：每天晚上 8 - 10 點只推送一次彙總。

notification:
  push_window:
    enabled: true
    time_range:
      start: "20:00"
      end: "22:00"
    once_per_day: true

場景：工作時間內每小時推送。

notification:
  push_window:
    enabled: true
    time_range:
      start: "09:00"
      end: "18:00"
    once_per_day: false

配置位置：.github/workflows/crawler.yml 的 schedule 部分。

on:
  schedule:
    - cron: "0 * * * *"  # 每小時運行一次

什麼是 Cron 表達式？ Cron 是一種定時任務格式，由 5 個部分組成：分 時 日 月 周。

┌───────────── 分鐘 (0 - 59)
│ ┌───────────── 小時 (0 - 23)
│ │ ┌───────────── 日期 (1 - 31)
│ │ │ ┌───────────── 月份 (1 - 12)
│ │ │ │ ┌───────────── 星期 (0 - 6，0 = 週日)
│ │ │ │ │
* * * * *

常用配置示例：

重要提示：

⚠️ 重要提示

• 時區注意：GitHub Actions 使用 UTC 時間，北京時間需要 減 8 小時。
  • 想要北京時間 8:00 運行 → 設置 UTC 0:00。
  • 想要北京時間 20:00 運行 → 設置 UTC 12:00。
• 頻率限制：GitHub 對每個賬號的 Actions 運行次數有限額。
  • 建議：不要設置比 30 分鐘更短的間隔。
  • 原因：過於頻繁可能被判定為濫用，面臨封號風險。
  • 實際情況：GitHub Actions 執行時間本身就有偏差，設置太精確意義不大。

修改方法：

1. 打開你 fork 的倉庫。
2. 找到 .github/workflows/crawler.yml 文件。
3. 點擊編輯（鉛筆圖標）。
4. 修改 cron: "0 * * * *" 中的表達式。
5. 點擊 "Commit changes" 保存。

⚠️ 重要提示

GitHub Fork 用戶請勿在 config.yaml 中配置推送信息！

• 風險說明：config.yaml 會被提交到公開的 Git 倉庫，配置推送信息（Webhook URL、Token 等）會洩露敏感數據。
• 推薦方式：
  • GitHub Actions 用戶 → 使用 GitHub Secrets 環境變量。
  • Docker 用戶 → 使用 （.env 已在 .gitignore 中，不會被提交）。
• 本地開發用戶：可以在 config.yaml 中配置（確保不會 push 到公開倉庫）。

支持的渠道：

推薦配置方式 1：GitHub Actions 環境變量 配置位置：GitHub Repo → Settings → Secrets and variables → Actions → Repository secrets。

基礎配置示例：

# 多賬號數量限制
MAX_ACCOUNTS_PER_CHANNEL=3

# 飛書多賬號（3個群組）
FEISHU_WEBHOOK_URL=https://hook1.feishu.cn/xxx;https://hook2.feishu.cn/yyy;https://hook3.feishu.cn/zzz

# 釘釘多賬號（2個群組）
DINGTALK_WEBHOOK_URL=https://oapi.dingtalk.com/xxx;https://oapi.dingtalk.com/yyy

# 企業微信多賬號（2個群組）
WEWORK_WEBHOOK_URL=https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx;https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=yyy

# Bark多賬號（2個設備）
BARK_URL=https://api.day.app/key1;https://api.day.app/key2

# Slack多賬號（2個頻道）
SLACK_WEBHOOK_URL=https://hooks.slack.com/xxx;https://hooks.slack.com/yyy

配對配置示例（Telegram 和 ntfy）：

# ✅ 正確配置：2個token對應2個chat_id
TELEGRAM_BOT_TOKEN=123456:AAA - BBB;789012:CCC - DDD
TELEGRAM_CHAT_ID=-100111;-100222

# ❌ 錯誤配置：數量不一致，將跳過推送
TELEGRAM_BOT_TOKEN=token1;token2;token3
TELEGRAM_CHAT_ID=id1;id2

# ✅ 正確配置：3個topic，只有第2個需要token
NTFY_TOPIC=topic1;topic2;topic3
NTFY_TOKEN=;token_for_topic2;

# ✅ 正確配置：2個topic都需要token
NTFY_TOPIC=topic1;topic2
NTFY_TOKEN=token1;token2

# ❌ 錯誤配置：topic和token數量不匹配
NTFY_TOPIC=topic1;topic2
NTFY_TOKEN=token1;token2;token3

推薦配置方式 2：Docker 環境變量（.env） 配置位置：項目根目錄 docker/.env 文件。

基礎配置示例：

# 多賬號數量限制
MAX_ACCOUNTS_PER_CHANNEL=3

# 飛書多賬號（3個群組）
FEISHU_WEBHOOK_URL=https://hook1.feishu.cn/xxx;https://hook2.feishu.cn/yyy;https://hook3.feishu.cn/zzz

# 釘釘多賬號（2個群組）
DINGTALK_WEBHOOK_URL=https://oapi.dingtalk.com/xxx;https://oapi.dingtalk.com/yyy

# 企業微信多賬號（2個群組）
WEWORK_WEBHOOK_URL=https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx;https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=yyy

# Bark多賬號（2個設備）
BARK_URL=https://api.day.app/key1;https://api.day.app/key2

# Slack多賬號（2個頻道）
SLACK_WEBHOOK_URL=https://hooks.slack.com/xxx;https://hooks.slack.com/yyy

配對配置示例（Telegram 和 ntfy）：

# ✅ 正確配置：2個token對應2個chat_id
TELEGRAM_BOT_TOKEN=123456:AAA - BBB;789012:CCC - DDD
TELEGRAM_CHAT_ID=-100111;-100222

# ❌ 錯誤配置：數量不一致，將跳過推送
TELEGRAM_BOT_TOKEN=token1;token2;token3
TELEGRAM_CHAT_ID=id1;id2

# ✅ 正確配置：3個topic，只有第2個需要token
NTFY_TOPIC=topic1;topic2;topic3
NTFY_TOKEN=;token_for_topic2;

# ✅ 正確配置：2個topic都需要token
NTFY_TOPIC=topic1;topic2
NTFY_TOKEN=token1;token2

# ❌ 錯誤配置：topic和