Trendradar

两种部署模式：

轻量模式说明：

• ✅ 可用：实时新闻抓取、关键词筛选、热点权重排序、当前榜单推送。
• ❌ 不可用：新增新闻检测(🆕)、热度趋势追踪、增量模式、每日汇总累积、MCP AI分析。

完整模式说明： 配置远程云存储后解锁全部功能（见下方 推荐配置：远程云存储）。

🚀 推荐：Docker 部署 如需长期稳定运行，建议使用 Docker 部署，数据存储在本地，无需签到，不过需要额外付费购买云服务器。

• 支持多账号配置：所有推送渠道（飞书、钉钉、企业微信、Telegram、ntfy、Bark、Slack）均支持配置多个账号。
• 配置方式：使用英文分号 ; 分隔多个账号值。
• 示例：FEISHU_WEBHOOK_URL 的 Secret 值填写 https://webhook1;https://webhook2。
• 配对配置：Telegram 和 ntfy 需要保证配对参数数量一致（如 token 和 chat_id 都是 2 个）。
• 数量限制：默认每个渠道最多 3 个账号，超出部分被截断。

多账号配置示例：

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

本项目的资讯数据来源于 newsnow ，你可以点击网站，点击[更多]，查看是否有你想要的平台。

具体添加可访问 项目源代码，根据里面的文件名，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...

💡 使用建议

如果不会看源代码，可以复制他人整理好的 平台配置汇总。

⚠️ 重要提示

平台不是越多越好，建议选择 10 - 15 个核心平台。过多平台会导致信息过载，反而降低使用体验。

配置位置：config/frequency_words.txt。

普通关键词 - 基础匹配：

华为
OPPO
苹果

作用：新闻标题包含其中任意一个词就会被捕获。

必须词 +词汇 - 限定范围：

华为
OPPO
+手机

作用：必须同时包含普通词和必须词才会被捕获。

过滤词 !词汇 - 排除干扰：

苹果
华为
!广告

作用：包含过滤词的新闻会被直接排除，即使包含关键词。

数量限制 @数字 - 控制显示数量（v3.2.0 新增）：

特斯拉
马斯克
@10

作用：最多显示10条新闻。

全局过滤 [GLOBAL_FILTER] - 全局排除指定内容（v3.5.0新增）：

[GLOBAL_FILTER]
广告
推广
营销
震惊
标题党

[WORD_GROUPS]
科技
AI

华为
鸿蒙
!车

作用：在任何情况下都过滤包含指定内容的新闻。

使用场景：过滤广告、营销、低质内容等。

过滤优先级：全局过滤 > 词组内过滤(!) > 词组匹配。

区域说明：

• [GLOBAL_FILTER]：全局过滤区，包含的词在任何情况下都会被过滤。
• [WORD_GROUPS]：词组区，保持现有语法（!、+、@）。
• 如果不使用区域标记，默认全部作为词组处理（向后兼容）。

匹配示例：

[GLOBAL_FILTER]
广告

[WORD_GROUPS]
科技
AI

• ❌ "广告：最新科技产品发布" ← 包含全局过滤词"广告"，直接拒绝。
• ✅ "科技公司发布AI新产品" ← 不包含全局过滤词，匹配"科技"词组。
• ✅ "AI技术突破引发关注" ← 不包含全局过滤词，匹配"科技"词组中的"AI"。

注意事项：

• 全局过滤词应谨慎使用，避免过度过滤导致遗漏有价值内容。
• 建议全局过滤词控制在 5 - 15 个以内。
• 对于特定词组的过滤，优先使用词组内过滤词（! 前缀）。

词组功能 - 空行分隔的重要作用： 用空行分隔不同的词组，每个词组独立统计。

示例配置：

iPhone
华为
OPPO
+发布

A股
上证
深证
+涨跌
!预测

世界杯
欧洲杯
亚洲杯
+比赛

词组解释及匹配效果： 第1组 - 手机新品类：

• 关键词：iPhone、华为、OPPO。
• 必须词：发布。
• 效果：必须包含手机品牌名，同时包含"发布"。

匹配示例：

• ✅ "iPhone 15正式发布售价公布" ← 有"iPhone"+"发布"。
• ✅ "华为Mate60系列发布会直播" ← 有"华为"+"发布"。
• ✅ "OPPO Find X7发布时间确定" ← 有"OPPO"+"发布"。
• ❌ "iPhone销量创新高" ← 有"iPhone"但缺少"发布"。

第2组 - 股市行情类：

• 关键词：A股、上证、深证。
• 必须词：涨跌。
• 过滤词：预测。
• 效果：关注股市涨跌实况，排除预测类内容。

匹配示例：

• ✅ "A股今日大幅涨跌分析" ← 有"A股"+"涨跌"。
• ✅ "上证指数涨跌幅创新高" ← 有"上证"+"涨跌"。
• ❌ "专家预测A股涨跌趋势" ← 有"A股"+"涨跌"但包含"预测"。

第3组 - 足球赛事类：

• 关键词：世界杯、欧洲杯、亚洲杯。
• 必须词：比赛。
• 效果：只关注比赛相关新闻。

配置技巧： 从宽到严：

# 第一步：先用宽泛关键词测试
人工智能
AI
ChatGPT

# 第二步：发现误匹配后，加入必须词限定
人工智能
AI
ChatGPT
+技术

# 第三步：发现干扰内容后，加入过滤词
人工智能
AI
ChatGPT
+技术
!广告
!培训

避免过度复杂： ❌ 不推荐：一个词组包含太多词汇。

华为
OPPO
苹果
三星
vivo
一加
魅族
+手机
+发布
+销量
!假货
!维修
!二手

✅ 推荐：拆分成多个精确的词组。

华为
OPPO
+新品

苹果
三星
+发布

手机
销量
+市场

关键词排序优先级： 配置位置：config/config.yaml。

report:
  sort_by_position_first: false  # 排序优先级配置

示例：配置顺序 A、B、C，热点数 A(3条)、B(10条)、C(5条)。

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

全局显示数量限制：

report:
  max_news_per_keyword: 10  # 每个关键词最多显示10条（0=不限制）

Docker 环境变量：

SORT_BY_POSITION_FIRST=true
MAX_NEWS_PER_KEYWORD=10

综合示例：

# config.yaml
report:
  sort_by_position_first: true   # 按配置顺序优先
  max_news_per_keyword: 10       # 全局默认每个关键词最多10条

# frequency_words.txt
特斯拉
马斯克
@20              # 重点关注，显示20条（覆盖全局配置）

华为            # 使用全局配置，显示10条

比亚迪
@5               # 限制5条

最终效果：按配置顺序显示 特斯拉(20条) → 华为(10条) → 比亚迪(5条)。

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

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

Docker 环境变量：REPORT_MODE=incremental。

详细对比表格：

实际推送效果举例： 假设你监控"苹果"关键词，每小时执行一次：

说明：

• daily：累积展示当天所有新闻（A、B、C 都保留）。
• current：展示当前榜单的新闻（排名变化，新闻D上榜，新闻A掉榜）。
• incremental：只推送新出现的新闻（避免重复干扰）。

常见问题：

💡 使用建议

遇到这个问题？👉 "每个小时执行一次，第一次执行完输出的新闻，在下一个小时执行时还会出现"。

• 原因：你可能选择了 daily（当日汇总）或 current（当前榜单）模式。
• 解决：改用 incremental（增量监控）模式，只推送新增内容。

增量模式重要提示：

⚠️ 重要提示

选择了 incremental（增量监控）模式的用户请注意：

• 📌 增量模式只在有新增匹配新闻时才会推送。
• 如果长时间没有收到推送，可能是因为：
  • 当前时段没有符合你关键词的新热点出现。
  • 关键词配置过于严格或过于宽泛。
  • 监控平台数量较少。
• 解决方案：
  • 方案1：👉 优化关键词配置 - 调整关键词的精准度，增加或修改监控词汇。
  • 方案2：切换推送模式 - 改用 current 或 daily 模式，可以定时接收推送。
  • 方案3：👉 增加监控平台 - 添加更多新闻平台，扩大信息来源。

配置位置：config/config.yaml 的 weight 部分。

weight:
  rank_weight: 0.6       # 排名权重
  frequency_weight: 0.3  # 频次权重
  hotness_weight: 0.1    # 热度权重

当前默认的配置是平衡性配置。

两个核心场景： 追实时热点型：

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

适用人群：自媒体博主、营销人员、想快速了解当下最火话题的用户。

追深度话题型：

weight:
  rank_weight: 0.4    # 适度看排名
  frequency_weight: 0.5  # 重视当天内的持续热度
  hotness_weight: 0.1

适用人群：投资者、研究人员、新闻工作者、需要深度分析趋势的用户。

调整的方法：

1. 三个数字加起来必须等于 1.0。
2. 哪个重要就调大哪个：在乎排名就调大 rank_weight，在乎持续性就调大 frequency_weight。
3. 建议每次只调 0.1 - 0.2，观察效果。

核心思路：追求速度和时效性的用户提高排名权重，追求深度和稳定性的用户提高频次权重。

推送示例：

📊 热点词汇统计

🔥 [1/3] AI ChatGPT : 2 条

  1. [百度热搜] 🆕 ChatGPT-5正式发布 [**1**] - 09时15分 (1次)

  2. [今日头条] AI芯片概念股暴涨 [**3**] - [08时30分 ~ 10时45分] (3次)

━━━━━━━━━━━━━━━━━━━

📈 [2/3] 比亚迪 特斯拉 : 2 条

  1. [微博] 🆕 比亚迪月销量破纪录 [**2**] - 10时20分 (1次)

  2. [抖音] 特斯拉降价促销 [**4**] - [07时45分 ~ 09时15分] (2次)

━━━━━━━━━━━━━━━━━━━

📌 [3/3] A股 股市 : 1 条

  1. [华尔街见闻] A股午盘点评分析 [**5**] - [11时30分 ~ 12时00分] (2次)

🆕 本次新增热点新闻 (共 2 条)

**百度热搜** (1 条):
  1. ChatGPT-5正式发布 [**1**]

**微博** (1 条):
  1. 比亚迪月销量破纪录 [**2**]

更新时间：2025-01-15 12:30:15

消息格式说明：

</details>

#### 6. Docker 部署
<details>
<summary>👉 点击展开：<strong>Docker 部署完整指南</strong></summary>
<br>

**镜像说明**：
TrendRadar 提供两个独立的 Docker 镜像，可根据需求选择部署：
| 镜像名称 | 用途 | 说明 |
|---------|------|------|
| `wantcat/trendradar` | 新闻推送服务 | 定时抓取新闻、推送通知（必选） |
| `wantcat/trendradar-mcp` | AI 分析服务 | MCP 协议支持、AI 对话分析（可选） |

> 💡 **使用建议**
> 
> - 只需要推送功能：仅部署 `wantcat/trendradar` 镜像。
> - 需要 AI 分析功能：同时部署两个镜像。

**方式一：使用 docker compose（推荐）**
1. **创建项目目录和配置**：
**方式 1 - A：使用 git clone（推荐，最简单）**
```bash
# 克隆项目到本地
git clone https://github.com/sansan0/TrendRadar.git
cd TrendRadar

方式 1 - B：使用 wget 下载配置文件

# 创建目录结构
mkdir -p trendradar/{config,docker}
cd trendradar

# 下载配置文件模板
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/

# 下载 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/

💡 说明

Docker 部署需要的关键目录结构如下：

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

2. 配置文件说明：

• config/config.yaml - 应用主配置（报告模式、推送设置等）。
• config/frequency_words.txt - 关键词配置（设置你关心的热点词汇）。
• .env - 环境变量配置（webhook URLs 和定时任务）。

⚙️ 环境变量覆盖机制（v3.0.5+） 如果你在 NAS 或其他 Docker 环境中遇到修改 config.yaml 后配置不生效的问题，可以通过环境变量直接覆盖配置：

配置优先级：环境变量 > config.yaml。

使用方法：

• 修改 .env 文件，取消注释并填写需要的配置。
• 或在 NAS/群晖 Docker 管理界面的"环境变量"中直接添加。
• 重启容器后生效：docker compose up -d。

3. 启动服务： 选项 A：启动所有服务（推送 + AI 分析）

# 拉取最新镜像
docker compose pull

# 启动所有服务（trend - radar + trend - radar - mcp）
docker compose up -d

选项 B：仅启动新闻推送服务

# 只启动 trend - radar（定时抓取和推送）
docker compose pull trend - radar
docker compose up -d trend - radar

选项 C：仅启动 MCP AI 分析服务

# 只启动 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

• 大多数用户只需启动 trend - radar 即可实现新闻推送功能。
• 只有需要使用 Claude/ChatGPT 进行 AI 对话分析时，才需启动 trend - radar - mcp。
• 两个服务相互独立，可根据需求灵活组合。

4. 查看运行状态：

# 查看新闻推送服务日志
docker logs -f trend - radar

# 查看 MCP AI 分析服务日志
docker logs -f trend - radar - mcp

# 查看所有容器状态
docker ps | grep trend - radar

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

方式二：本地构建（开发者选项） 如果需要自定义修改代码或构建自己的镜像：

# 克隆项目
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

# 使用构建版本的 docker compose
cd docker
cp docker-compose-build.yml docker-compose.yml

构建并启动服务： 选项 A：构建并启动所有服务

docker compose build
docker compose up -d

选项 B：仅构建并启动新闻推送服务

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

选项 C：仅构建并启动 MCP AI 分析服务

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

💡 架构参数说明

• 默认构建 amd64 架构镜像（适用于大多数 x86_64 服务器）。
• 如需构建 arm64 架构（Apple Silicon、树莓派等），设置环境变量：

  export DOCKER_ARCH=arm64
  docker compose build
  

镜像更新：

# 方式一：手动更新（爬虫 + MCP 镜像）
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

可用镜像：

服务管理命令：

# 查看运行状态
docker exec -it trend - radar python manage.py status

# 手动执行一次爬虫
docker exec -it trend - radar python manage.py run

# 查看实时日志
docker exec -it trend - radar python manage.py logs

# 显示当前配置
docker exec -it trend - radar python manage.py config

# 显示输出文件
docker exec -it trend - radar python manage.py files

# Web 服务器管理（用于浏览器访问生成的报告）
docker exec -it trend - radar python manage.py start_webserver   # 启动 Web 服务器
docker exec -it trend - radar python manage.py stop_webserver    # 停止 Web 服务器
docker exec -it trend - radar python manage.py webserver_status  # 查看 Web 服务器状态

# 查看帮助信息
docker exec -it trend - radar python manage.py help

# 重启容器
docker restart trend - radar

# 停止容器
docker stop trend - radar

# 删除容器（保留数据）
docker rm trend - radar

💡 Web 服务器说明

• 启动后可通过浏览器访问 http://localhost:8080 查看最新报告。
• 通过目录导航访问历史报告（如：http://localhost:8080/2025 - xx - xx/）。
• 端口可在 .env 文件中配置 WEBSERVER_PORT 参数。
• 自动启动：在 .env 中设置 ENABLE_WEBSERVER=true。
• 安全提示：仅提供静态文件访问，限制在 output 目录，只绑定本地访问。

数据持久化： 生成的报告和数据默认保存在 ./output 目录下，即使容器重启或删除，数据也会保留。

📊 网页版报告访问路径： TrendRadar 生成的当日汇总 HTML 报告会同时保存到两个位置：

本地访问示例：

# 方式 1：通过 Web 服务器访问（推荐，Docker 环境）
# 1. 启动 Web 服务器
docker exec -it trend - radar python manage.py start_webserver
# 2. 在浏览器访问
http://localhost:8080                           # 访问最新报告（默认 index.html）
http://localhost:8080/2025 - xx - xx/               # 访问指定日期的报告
http://localhost:8080/2025 - xx - xx/html/          # 浏览该日期下的所有 HTML 文件

# 方式 2：直接打开文件（本地环境）
open ./output/index.html             # macOS
start ./output/index.html            # Windows
xdg - open ./output/index.html         # Linux

# 方式 3：访问历史归档
open ./output/2025 - xx - xx/html/当日汇总.html

为什么有两个 index.html？

• output/index.html：Docker Volume 挂载到宿主机，本地可直接打开。
• index.html：GitHub Actions 推送到仓库，GitHub Pages 自动部署。

💡 提示

两个文件内容完全相同，选择任意一个访问即可。

故障排查：

# 检查容器状态
docker inspect trend - radar

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

# 进入容器调试
docker exec -it trend - radar /bin/bash

# 验证配置文件
docker exec -it trend - radar ls -la /app/config/

MCP 服务部署（AI 分析功能）： 如果需要使用 AI 分析功能，可以部署独立的 MCP 服务容器。

架构说明：

flowchart TB
    subgraph trend - radar["trend - radar"]
        A1[定时抓取新闻]
        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

快速启动： 如果已按照 方式一：使用 docker compose 完成部署，只需启动 MCP 服务：

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

# 查看运行状态
docker ps | grep trend - radar - mcp

单独启动 MCP 服务（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

单独运行时，确保当前目录下有 config/ 和 output/ 文件夹，且包含配置文件和新闻数据。

验证服务：

# 检查 MCP 服务健康状态
curl http://127.0.0.1:3333/mcp

# 查看 MCP 服务日志
docker logs -f trend - radar - mcp

在 AI 客户端中配置： MCP 服务启动后，根据不同客户端进行配置：

Cherry Studio（推荐，GUI 配置）：

• 设置 → MCP 服务器 → 添加。
• 类型：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 服务仅监听本地端口（127.0.0.1），确保安全性。如需远程访问，请自行配置反向代理和认证。

配置位置：config/config.yaml 的 report 部分。

report:
  mode: "daily"                    # 推送模式
  rank_threshold: 5                # 排名高亮阈值
  sort_by_position_first: false    # 排序优先级
  max_news_per_keyword: 0          # 每个关键词最大显示数量
  reverse_content_order: false     # 内容顺序配置

配置项详解：

内容顺序配置（v3.5.0 新增）： 控制推送消息和 HTML 报告中两部分内容的显示顺序：

适用场景：

• false（默认）：适合关注关键词匹配结果的用户，先看分类统计。
• true：适合关注最新动态的用户，优先查看新增热点。

Docker 环境变量：

REVERSE_CONTENT_ORDER=true

排序优先级配置： 示例场景：配置顺序 A、B、C，热点数 A(3条)、B(10条)、C(5条)。

Docker 环境变量：

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                    # 是否启用
    time_range:
      start: "20:00"                  # 开始时间（北京时间）
      end: "22:00"                    # 结束时间（北京时间）
    once_per_day: true                # 每天只推送一次

配置项详解：

使用场景：

重要提示：

⚠️ 重要提示

GitHub Actions 用户注意：

• GitHub Actions 执行时间不稳定，可能有 ±15 分钟的偏差。
• 时间范围建议至少留足 2 小时。
• 如果想要精准的定时推送，建议使用 Docker 部署在个人服务器上。

Docker 环境变量：

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： 场景：每天晚上 8 - 10 点只推送一次汇总。

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

场景：工作时间内每小时推送。

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 * * * *"  # 每小时运行一次

什么是 Cron 表达式？ Cron 是一种定时任务格式，由 5 个部分组成：分 时 日 月 周。

┌───────────── 分钟 (0 - 59)
│ ┌───────────── 小时 (0 - 23)
│ │ ┌───────────── 日期 (1 - 31)
│ │ │ ┌───────────── 月份 (1 - 12)
│ │ │ │ ┌───────────── 星期 (0 - 6，0 = 周日)
│ │ │ │ │
* * * * *

常用配置示例：

重要提示：

⚠️ 重要提示

• 时区注意：GitHub Actions 使用 UTC 时间，北京时间需要 减 8 小时。
  • 想要北京时间 8:00 运行 → 设置 UTC 0:00。
  • 想要北京时间 20:00 运行 → 设置 UTC 12:00。
• 频率限制：GitHub 对每个账号的 Actions 运行次数有限额。
  • 建议：不要设置比 30 分钟更短的间隔。
  • 原因：过于频繁可能被判定为滥用，面临封号风险。
  • 实际情况：GitHub Actions 执行时间本身就有偏差，设置太精确意义不大。

修改方法：

1. 打开你 fork 的仓库。
2. 找到 .github/workflows/crawler.yml 文件。
3. 点击编辑（铅笔图标）。
4. 修改 cron: "0 * * * *" 中的表达式。
5. 点击 "Commit changes" 保存。

⚠️ 重要提示

GitHub Fork 用户请勿在 config.yaml 中配置推送信息！

• 风险说明：config.yaml 会被提交到公开的 Git 仓库，配置推送信息（Webhook URL、Token 等）会泄露敏感数据。
• 推荐方式：
  • GitHub Actions 用户 → 使用 GitHub Secrets 环境变量。
  • Docker 用户 → 使用 （.env 已在 .gitignore 中，不会被提交）。
• 本地开发用户：可以在 config.yaml 中配置（确保不会 push 到公开仓库）。

支持的渠道：

推荐配置方式 1：GitHub Actions 环境变量 配置位置：GitHub Repo → Settings → Secrets and variables → Actions → Repository secrets。

基础配置示例：

# 多账号数量限制
MAX_ACCOUNTS_PER_CHANNEL=3

# 飞书多账号（3个群组）
FEISHU_WEBHOOK_URL=https://hook1.feishu.cn/xxx;https://hook2.feishu.cn/yyy;https://hook3.feishu.cn/zzz

# 钉钉多账号（2个群组）
DINGTALK_WEBHOOK_URL=https://oapi.dingtalk.com/xxx;https://oapi.dingtalk.com/yyy

# 企业微信多账号（2个群组）
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多账号（2个设备）
BARK_URL=https://api.day.app/key1;https://api.day.app/key2

# Slack多账号（2个频道）
SLACK_WEBHOOK_URL=https://hooks.slack.com/xxx;https://hooks.slack.com/yyy

配对配置示例（Telegram 和 ntfy）：

# ✅ 正确配置：2个token对应2个chat_id
TELEGRAM_BOT_TOKEN=123456:AAA - BBB;789012:CCC - DDD
TELEGRAM_CHAT_ID=-100111;-100222

# ❌ 错误配置：数量不一致，将跳过推送
TELEGRAM_BOT_TOKEN=token1;token2;token3
TELEGRAM_CHAT_ID=id1;id2

# ✅ 正确配置：3个topic，只有第2个需要token
NTFY_TOPIC=topic1;topic2;topic3
NTFY_TOKEN=;token_for_topic2;

# ✅ 正确配置：2个topic都需要token
NTFY_TOPIC=topic1;topic2
NTFY_TOKEN=token1;token2

# ❌ 错误配置：topic和token数量不匹配
NTFY_TOPIC=topic1;topic2
NTFY_TOKEN=token1;token2;token3

推荐配置方式 2：Docker 环境变量（.env） 配置位置：项目根目录 docker/.env 文件。

基础配置示例：

# 多账号数量限制
MAX_ACCOUNTS_PER_CHANNEL=3

# 飞书多账号（3个群组）
FEISHU_WEBHOOK_URL=https://hook1.feishu.cn/xxx;https://hook2.feishu.cn/yyy;https://hook3.feishu.cn/zzz

# 钉钉多账号（2个群组）
DINGTALK_WEBHOOK_URL=https://oapi.dingtalk.com/xxx;https://oapi.dingtalk.com/yyy

# 企业微信多账号（2个群组）
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多账号（2个设备）
BARK_URL=https://api.day.app/key1;https://api.day.app/key2

# Slack多账号（2个频道）
SLACK_WEBHOOK_URL=https://hooks.slack.com/xxx;https://hooks.slack.com/yyy

配对配置示例（Telegram 和 ntfy）：

# ✅ 正确配置：2个token对应2个chat_id
TELEGRAM_BOT_TOKEN=123456:AAA - BBB;789012:CCC - DDD
TELEGRAM_CHAT_ID=-100111;-100222

# ❌ 错误配置：数量不一致，将跳过推送
TELEGRAM_BOT_TOKEN=token1;token2;token3
TELEGRAM_CHAT_ID=id1;id2

# ✅ 正确配置：3个topic，只有第2个需要token
NTFY_TOPIC=topic1;topic2;topic3
NTFY_TOKEN=;token_for_topic2;

# ✅ 正确配置：2个topic都需要token
NTFY_TOPIC=topic1;topic2
NTFY_TOKEN=token1;token2

# ❌ 错误配置：topic和