⭐AI-driven public opinion & trend monitor with multi-platform aggregation, RSS, and smart alerts.🎯 告别信息过载,你的 AI 舆情监控助手与热点筛选工具!聚合多平台热点 + RSS 订阅,支持关键词精准筛选。AI 智能筛选新闻 + AI 翻译 + AI 分析简报直推手机,也支持接入 MCP 架构,赋能 AI 自然语言对话分析、情感洞察与趋势预测等。支持 Docker ,数据本地/云端自持。集成微信/飞书/钉钉/Telegram/邮件/ntfy/bark/slack 等渠道智能推送。
Python aibarkdata-analysisdockerhot-newsllmmailmcpmcp-servernewsntfypythonrsstrending-topicswechatwework
chore: 更新文档和 AI 对话效果图
sansan6749f4e5694a
diff --git a/README-Cherry-Studio.md b/README-Cherry-Studio.mdindex bd5971133e..d272716880 100644--- a/README-Cherry-Studio.md+++ b/README-Cherry-Studio.md@@ -109,6 +109,16 @@ cd 你的项目名帮我爬取最新的新闻```+或者尝试其他测试命令:++```+搜索最近3天关于"人工智能"的新闻+查找2025年1月的"特斯拉"相关报道+分析"iPhone"的热度趋势+```++**提示**:当你说"最近3天"时,AI会自动计算日期范围并搜索。+### 2. 成功标志如果配置成功,AI 会:diff --git a/README-MCP-FAQ.md b/README-MCP-FAQ.mdindex 6e30dbcb3b..b1005925a6 100644--- a/README-MCP-FAQ.md+++ b/README-MCP-FAQ.md@@ -9,12 +9,14 @@| 默认设置 | 说明 | 如何调整 || -------------- | --------------------------------------- | ------------------------------------- || **限制条数** | 默认返回 50 条新闻 | 对话中说"返回前 10 条"或"给我 100 条" |-| **时间范围** | 默认查询今天的数据 | 说"查询昨天"或"最近一周" |+| **时间范围** | 默认查询今天的数据 | 说"查询昨天"、"最近一周"或"1月1日到7日" || **URL 链接** | 默认不返回链接(节省约 160 tokens/条) | 说"需要链接"或"包含 URL" || **关键词列表** | 默认不使用 frequency_words.txt 过滤新闻 | 只有调用"趋势话题"工具时才使用 |**⚠️ 重要:** AI 模型的选择直接影响工具调用效果,AI 越智能,调用越准确。当你解除上面的限制,比如从今天的查询,放宽到一周的查询,首先你要在本地有一周的数据,其次,token 消耗量可能会倍增(为什么说可能,比如我查询 分析'苹果'最近一周的热度趋势,如果一周中没多少苹果的新闻,那么 token消耗量可能反而很少)+**💡 提示:** 当你说"最近7天"时,AI会自动计算对应的日期范围(如 2025-10-18 至 2025-10-25)并传递给工具。+## 💰 AI 模型@@ -148,6 +150,8 @@- "搜索包含'人工智能'的新闻"- "查找关于'特斯拉降价'的报道"- "搜索马斯克相关的新闻,返回前 20 条"+- "查找最近7天关于'iPhone 16'的新闻"+- "查找2025年1月1日到7日'特斯拉'的相关新闻"- "查找'iPhone 16 发布'这条新闻的链接"**调用的工具:** `search_news`@@ -155,7 +159,8 @@**工具返回行为:**- 使用关键词模式搜索-- 搜索今天的数据+- 默认搜索今天的数据+- AI会自动将"最近7天"、"上周"等相对时间转换为具体日期范围- MCP 工具会返回最多 50 条结果给 AI- 不包含 URL 链接@@ -166,11 +171,23 @@**可以调整:**-- 指定时间范围:如"搜索最近一周的"+- 指定时间范围:+ - 相对方式:"搜索最近一周的"(AI 自动计算日期)+ - 绝对日期:"搜索2025年1月1日到7日的"- 指定平台:如"只搜索知乎"- 调整排序:如"按权重排序"- 包含链接:如"需要链接"+**示例对话:**++```+用户:搜索最近7天关于"人工智能突破"的新闻+AI:(自动计算:date_range={"start": "2025-10-18", "end": "2025-10-25"})++用户:查找2025年1月的"特斯拉"报道+AI:(date_range={"start": "2025-01-01", "end": "2025-01-31"})+```+---### Q5: 如何查找历史相关新闻?@@ -208,13 +225,15 @@- "看看'特斯拉'话题是昙花一现还是持续热点"- "检测今天有哪些突然爆火的话题"- "预测接下来可能的热点话题"+- "分析'比特币'在2024年12月的生命周期"**调用的工具:** `analyze_topic_trend`**工具返回行为:**-- 热度趋势模式-- 分析最近 7 天数据+- 支持多种分析模式:热度趋势、生命周期、异常检测、预测+- AI会自动将"最近一周"等相对时间转换为具体日期范围+- 默认分析最近7天数据- 按天粒度统计**AI 展示行为:**@@ -222,6 +241,16 @@- 通常会展示趋势分析结果和图表- AI 可能会总结关键发现+**示例对话:**++```+用户:分析'人工智能'最近一周的生命周期+AI:(自动计算:date_range={"start": "2025-10-18", "end": "2025-10-25"})++用户:看看'比特币'在2024年12月是昙花一现还是持续热点+AI:(date_range={"start": "2024-12-01", "end": "2024-12-31"})+```+---## 数据洞察diff --git a/_image/ai.png b/_image/ai.pngnew file mode 100644index 0000000000..f0c0c3a9d7Binary files /dev/null and b/_image/ai.png differdiff --git a/mcp_server/server.py b/mcp_server/server.pyindex 6c150974fd..be3ce1d30d 100644--- a/mcp_server/server.py+++ b/mcp_server/server.py@@ -155,11 +155,10 @@ async def get_news_by_date(async def analyze_topic_trend(topic: str,analysis_type: str = "trend",- time_range: str = "7d",+ date_range: Optional[Dict[str, str]] = None,granularity: str = "day",threshold: float = 3.0,time_window: int = 24,- lookback_days: int = 7,lookahead_hours: int = 6,confidence_threshold: float = 0.7) -> str:@@ -173,20 +172,27 @@ async def analyze_topic_trend(- "lifecycle": 生命周期分析(从出现到消失的完整周期)- "viral": 异常热度检测(识别突然爆火的话题)- "predict": 话题预测(预测未来可能的热点)- time_range: 时间范围(trend模式),默认"7d"(7d/24h/1w/1m/2m)+ date_range: 日期范围(trend和lifecycle模式),可选+ - **格式**: {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}+ - **示例**: {"start": "2025-10-18", "end": "2025-10-25"}+ - **说明**: AI需要根据用户的自然语言(如"最近7天")自动计算日期范围+ - **默认**: 不指定时默认分析最近7天granularity: 时间粒度(trend模式),默认"day"(仅支持 day,因为底层数据按天聚合)threshold: 热度突增倍数阈值(viral模式),默认3.0time_window: 检测时间窗口小时数(viral模式),默认24- lookback_days: 回溯天数(lifecycle模式),默认7lookahead_hours: 预测未来小时数(predict模式),默认6confidence_threshold: 置信度阈值(predict模式),默认0.7Returns:JSON格式的趋势分析结果+ **AI使用说明:**+ 当用户使用相对时间表达时(如"最近7天"、"过去一周"、"上个月"),+ AI需要自动计算对应的日期范围并传递给 date_range 参数。+Examples:- - analyze_topic_trend(topic="人工智能", analysis_type="trend", time_range="7d")- - analyze_topic_trend(topic="特斯拉", analysis_type="lifecycle", lookback_days=7)+ - analyze_topic_trend(topic="人工智能", analysis_type="trend", date_range={"start": "2025-10-18", "end": "2025-10-25"})+ - analyze_topic_trend(topic="特斯拉", analysis_type="lifecycle", date_range={"start": "2025-10-18", "end": "2025-10-25"})- analyze_topic_trend(topic="比特币", analysis_type="viral", threshold=3.0)- analyze_topic_trend(topic="ChatGPT", analysis_type="predict", lookahead_hours=6)"""@@ -194,11 +200,10 @@ async def analyze_topic_trend(result = tools['analytics'].analyze_topic_trend_unified(topic=topic,analysis_type=analysis_type,- time_range=time_range,+ date_range=date_range,granularity=granularity,threshold=threshold,time_window=time_window,- lookback_days=lookback_days,lookahead_hours=lookahead_hours,confidence_threshold=confidence_threshold)@@ -222,7 +227,10 @@ async def analyze_data_insights(- "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: 日期范围,格式: {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}+ 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3top_n: 返回TOP N结果(keyword_cooccur模式),默认20@@ -231,7 +239,7 @@ async def analyze_data_insights(Examples:- analyze_data_insights(insight_type="platform_compare", topic="人工智能")- - analyze_data_insights(insight_type="platform_activity", date_range={...})+ - 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)"""tools = _get_tools()@@ -258,12 +266,15 @@ async def analyze_sentiment(分析新闻的情感倾向和热度趋势Args:- keywords: 关键词列表,如 ["AI", "人工智能"]- date_range: 日期范围(天数),如 7 表示最近7天,默认3天+ topic: 话题关键词(可选)platforms: 平台ID列表,如 ['zhihu', 'weibo', 'douyin']- 不指定时:使用 config.yaml 中配置的所有平台- 支持的平台来自 config/config.yaml 的 platforms 配置- 每个平台都有对应的name字段(如"知乎"、"微博"),方便AI识别+ 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limit: 返回新闻数量,默认50,最大100注意:本工具会对新闻标题进行去重(同一标题在不同平台只保留一次),因此实际返回数量可能少于请求的 limit 值@@ -301,7 +312,7 @@ async def find_similar_news(查找与指定新闻标题相似的其他新闻Args:- title: 新闻标题(完整或部分)+ reference_title: 新闻标题(完整或部分)threshold: 相似度阈值,0-1之间,默认0.6注意:阈值越高匹配越严格,返回结果越少limit: 返回条数限制,默认50,最大100@@ -336,7 +347,10 @@ async def generate_summary_report(Args:report_type: 报告类型(daily/weekly)- date_range: 自定义日期范围(可选)+ 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@@ -371,15 +385,24 @@ async def search_news(- "keyword": 精确关键词匹配(默认,适合搜索特定话题)- "fuzzy": 模糊内容匹配(适合搜索内容片段,会过滤相似度低于阈值的结果)- "entity": 实体名称搜索(适合搜索人物/地点/机构)- threshold: 相似度阈值(仅fuzzy模式有效),0-1之间,默认0.6- 注意:阈值越高匹配越严格,返回结果越少+ date_range: 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"}+ - **说明**: AI需要根据用户的自然语言(如"最近7天")自动计算日期范围+ - **默认**: 不指定时默认查询今天的新闻+ - **注意**: start和end可以相同(表示单日查询)platforms: 平台ID列表,如 ['zhihu', 'weibo', 'douyin']- 不指定时:使用 config.yaml 中配置的所有平台- 支持的平台来自 config/config.yaml 的 platforms 配置- 每个平台都有对应的name字段(如"知乎"、"微博"),方便AI识别- lookback_days: 回溯天数,默认7天,最大30天limit: 返回条数限制,默认50,最大1000注意:实际返回数量取决于搜索匹配结果(特别是 fuzzy 模式下会过滤低相似度结果)+ sort_by: 排序方式,可选值:+ - "relevance": 按相关度排序(默认)+ - "weight": 按新闻权重排序+ - "date": 按日期排序+ threshold: 相似度阈值(仅fuzzy模式有效),0-1之间,默认0.6+ 注意:阈值越高匹配越严格,返回结果越少include_url: 是否包含URL链接,默认False(节省token)Returns:@@ -389,6 +412,19 @@ async def search_news(- 本工具返回完整的搜索结果列表- **默认展示方式**:展示全部返回的新闻,无需总结或筛选- 仅在用户明确要求"总结"或"挑重点"时才进行筛选++ **AI使用说明:**+ 当用户使用相对时间表达时(如"最近7天"、"过去一周"、"最近半个月"),+ AI需要自动计算对应的日期范围。计算规则:+ - "最近7天" → {"start": "今天-6天", "end": "今天"}+ - "过去一周" → {"start": "今天-6天", "end": "今天"}+ - "最近30天" → {"start": "今天-29天", "end": "今天"}++ Examples:+ - 今天的新闻: search_news(query="人工智能")+ - 最近7天: search_news(query="人工智能", date_range={"start": "2025-10-18", "end": "2025-10-25"})+ - 精确日期: search_news(query="人工智能", date_range={"start": "2025-01-01", "end": "2025-01-07"})+ - 模糊搜索: search_news(query="特斯拉降价", search_mode="fuzzy", threshold=0.4)"""tools = _get_tools()result = tools['search'].search_news_unified(@@ -407,7 +443,7 @@ async def search_news(@mcp.toolasync def search_related_news_history(reference_text: str,- time_range: str = "yesterday",+ time_preset: str = "yesterday",threshold: float = 0.4,limit: int = 50,include_url: bool = False@@ -416,12 +452,15 @@ async def search_related_news_history(基于种子新闻,在历史数据中搜索相关新闻Args:- seed_news_title: 种子新闻标题(完整或部分)- lookback_days: 向前查找的天数范围,默认7天,最大30天+ reference_text: 参考新闻标题(完整或部分)+ time_preset: 时间范围预设值,可选:+ - "yesterday": 昨天+ - "last_week": 上周 (7天)+ - "last_month": 上个月 (30天)+ - "custom": 自定义日期范围(需要提供 start_date 和 end_date)threshold: 相关性阈值,0-1之间,默认0.4注意:综合相似度计算(70%关键词重合 + 30%文本相似度)阈值越高匹配越严格,返回结果越少- platforms: 平台ID列表。不指定则搜索所有平台limit: 返回条数限制,默认50,最大100注意:实际返回数量取决于相关性匹配结果,可能少于请求值include_url: 是否包含URL链接,默认False(节省token)@@ -437,7 +476,7 @@ async def search_related_news_history(tools = _get_tools()result = tools['search'].search_related_news_history(reference_text=reference_text,- time_range=time_range,+ time_preset=time_preset,threshold=threshold,limit=limit,include_url=include_urldiff --git a/mcp_server/services/data_service.py b/mcp_server/services/data_service.pyindex ddf1b93f34..9e409a1f7f 100644--- a/mcp_server/services/data_service.py+++ b/mcp_server/services/data_service.py@@ -495,6 +495,46 @@ class DataService:return result+ def get_available_date_range(self) -> Tuple[Optional[datetime], Optional[datetime]]:+ """+ 扫描 output 目录,返回实际可用的日期范围++ Returns:+ (最早日期, 最新日期) 元组,如果没有数据则返回 (None, None)++ Examples:+ >>> service = DataService()+ >>> earliest, latest = service.get_available_date_range()+ >>> print(f"可用日期范围:{earliest} 至 {latest}")+ """+ output_dir = self.parser.project_root / "output"++ if not output_dir.exists():+ return (None, None)++ available_dates = []++ # 遍历日期文件夹+ for date_folder in output_dir.iterdir():+ if date_folder.is_dir() and not date_folder.name.startswith('.'):+ # 解析日期(格式: YYYY年MM月DD日)+ try:+ date_match = re.match(r'(\d{4})年(\d{2})月(\d{2})日', date_folder.name)+ if date_match:+ folder_date = datetime(+ int(date_match.group(1)),+ int(date_match.group(2)),+ int(date_match.group(3))+ )+ available_dates.append(folder_date)+ except Exception:+ pass++ if not available_dates:+ return (None, None)++ return (min(available_dates), max(available_dates))+def get_system_status(self) -> Dict:"""获取系统运行状态diff --git a/mcp_server/tools/analytics.py b/mcp_server/tools/analytics.pyindex 5d84b7efde..e851d8bbd9 100644--- a/mcp_server/tools/analytics.py+++ b/mcp_server/tools/analytics.py@@ -157,11 +157,10 @@ class AnalyticsTools:self,topic: str,analysis_type: str = "trend",- time_range: str = "7d",+ date_range: Optional[Dict[str, str]] = None,granularity: str = "day",threshold: float = 3.0,time_window: int = 24,- lookback_days: int = 7,lookahead_hours: int = 6,confidence_threshold: float = 0.7) -> Dict:@@ -175,11 +174,12 @@ class AnalyticsTools:- "lifecycle": 生命周期分析(从出现到消失的完整周期)- "viral": 异常热度检测(识别突然爆火的话题)- "predict": 话题预测(预测未来可能的热点)- time_range: 时间范围(trend模式),默认"7d"(7d/24h/1w/1m/2m)+ date_range: 日期范围(trend和lifecycle模式),可选+ - **格式**: {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}+ - **默认**: 不指定时默认分析最近7天granularity: 时间粒度(trend模式),默认"day"(hour/day)threshold: 热度突增倍数阈值(viral模式),默认3.0time_window: 检测时间窗口小时数(viral模式),默认24- lookback_days: 回溯天数(lifecycle模式),默认7lookahead_hours: 预测未来小时数(predict模式),默认6confidence_threshold: 置信度阈值(predict模式),默认0.7@@ -187,8 +187,8 @@ class AnalyticsTools:趋势分析结果字典Examples:- - analyze_topic_trend_unified(topic="人工智能", analysis_type="trend", time_range="7d")- - analyze_topic_trend_unified(topic="特斯拉", analysis_type="lifecycle", lookback_days=7)+ - analyze_topic_trend_unified(topic="人工智能", analysis_type="trend", date_range={"start": "2025-10-18", "end": "2025-10-25"})+ - analyze_topic_trend_unified(topic="特斯拉", analysis_type="lifecycle", date_range={"start": "2025-10-18", "end": "2025-10-25"})- analyze_topic_trend_unified(topic="比特币", analysis_type="viral", threshold=3.0)- analyze_topic_trend_unified(topic="ChatGPT", analysis_type="predict", lookahead_hours=6)"""@@ -206,13 +206,13 @@ class AnalyticsTools:if analysis_type == "trend":return self.get_topic_trend_analysis(topic=topic,- time_range=time_range,+ date_range=date_range,granularity=granularity)elif analysis_type == "lifecycle":return self.analyze_topic_lifecycle(topic=topic,- lookback_days=lookback_days+ date_range=date_range)elif analysis_type == "viral":# viral模式不需要topic参数,使用通用检测@@ -244,7 +244,7 @@ class AnalyticsTools:def get_topic_trend_analysis(self,topic: str,- time_range: str = "7d",+ date_range: Optional[Dict[str, str]] = None,granularity: str = "day") -> Dict:"""@@ -252,7 +252,9 @@ class AnalyticsTools:Args:topic: 话题关键词- time_range: 时间范围,格式:7d(7天)、24h(24小时)、1w(1周)、1m(1个月)、2m(2个月)+ date_range: 日期范围(可选)+ - **格式**: {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}+ - **默认**: 不指定时默认分析最近7天granularity: 时间粒度,仅支持 day(天)Returns:@@ -264,20 +266,20 @@ class AnalyticsTools:- "查看'比特币'过去一周的热度变化"- "看看'iPhone'最近7天的趋势如何"- "分析'特斯拉'最近一个月的热度趋势"- - "查看'ChatGPT'过去2个月的趋势变化"+ - "查看'ChatGPT'2024年12月的趋势变化"代码调用示例:>>> tools = AnalyticsTools()>>> # 分析7天趋势>>> result = tools.get_topic_trend_analysis(... topic="人工智能",- ... time_range="7d",+ ... date_range={"start": "2025-10-18", "end": "2025-10-25"},... granularity="day"... )- >>> # 分析1个月趋势+ >>> # 分析历史月份趋势>>> result = tools.get_topic_trend_analysis(... topic="特斯拉",- ... time_range="1m",+ ... date_range={"start": "2024-12-01", "end": "2024-12-31"},... granularity="day"... )>>> print(result['trend_data'])@@ -294,15 +296,21 @@ class AnalyticsTools:suggestion="当前仅支持 'day' 粒度,因为底层数据按天聚合")- # 解析时间范围- days = self._parse_time_range(time_range)+ # 处理日期范围(不指定时默认最近7天)+ if date_range:+ from ..utils.validators import validate_date_range+ date_range_tuple = validate_date_range(date_range)+ start_date, end_date = date_range_tuple+ else:+ # 默认最近7天+ end_date = datetime.now()+ start_date = end_date - timedelta(days=6)# 收集趋势数据trend_data = []- start_date = datetime.now() - timedelta(days=days)current_date = start_date- while current_date <= datetime.now():+ while current_date <= end_date:try:all_titles, _, _ = self.data_service.parser.read_all_titles_for_date(date=current_date@@ -336,6 +344,7 @@ class AnalyticsTools:# 计算趋势指标counts = [item["count"] for item in trend_data]+ total_days = (end_date - start_date).days + 1if len(counts) >= 2:# 计算涨跌幅度@@ -359,7 +368,11 @@ class AnalyticsTools:return {"success": True,"topic": topic,- "time_range": time_range,+ "date_range": {+ "start": start_date.strftime("%Y-%m-%d"),+ "end": end_date.strftime("%Y-%m-%d"),+ "total_days": total_days+ },"granularity": granularity,"trend_data": trend_data,"statistics": {@@ -1452,14 +1465,16 @@ class AnalyticsTools:def analyze_topic_lifecycle(self,topic: str,- lookback_days: int = 7+ date_range: Optional[Dict[str, str]] = None) -> Dict:"""话题生命周期分析 - 追踪话题从出现到消失的完整周期Args:topic: 话题关键词- lookback_days: 回溯天数+ date_range: 日期范围(可选)+ - **格式**: {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}+ - **默认**: 不指定时默认分析最近7天Returns:话题生命周期分析结果@@ -1474,21 +1489,28 @@ class AnalyticsTools:>>> tools = AnalyticsTools()>>> result = tools.analyze_topic_lifecycle(... topic="人工智能",- ... lookback_days=7+ ... date_range={"start": "2025-10-18", "end": "2025-10-25"}... )>>> print(result['lifecycle_stage'])"""try:# 参数验证topic = validate_keyword(topic)- lookback_days = validate_limit(lookback_days, default=7, max_limit=30)++ # 处理日期范围(不指定时默认最近7天)+ if date_range:+ from ..utils.validators import validate_date_range+ date_range_tuple = validate_date_range(date_range)+ start_date, end_date = date_range_tuple+ else:+ # 默认最近7天+ end_date = datetime.now()+ start_date = end_date - timedelta(days=6)# 收集话题历史数据lifecycle_data = []- start_date = datetime.now() - timedelta(days=lookback_days)-current_date = start_date- while current_date <= datetime.now():+ while current_date <= end_date:try:all_titles, _, _ = self.data_service.parser.read_all_titles_for_date(date=current_date@@ -1514,12 +1536,16 @@ class AnalyticsTools:current_date += timedelta(days=1)+ # 计算分析天数+ total_days = (end_date - start_date).days + 1+# 分析生命周期阶段counts = [item["count"] for item in lifecycle_data]if not any(counts):+ time_desc = f"{start_date.strftime('%Y-%m-%d')} 至 {end_date.strftime('%Y-%m-%d')}"raise DataNotFoundError(- f"在过去 {lookback_days} 天内未找到话题 '{topic}'",+ f"在 {time_desc} 内未找到话题 '{topic}'",suggestion="请尝试其他话题或扩大时间范围")@@ -1554,7 +1580,7 @@ class AnalyticsTools:if active_days <= 2 and max_count > avg_count * 2:topic_type = "昙花一现"- elif active_days >= lookback_days * 0.6:+ elif active_days >= total_days * 0.6:topic_type = "持续热点"else:topic_type = "周期性热点"@@ -1562,7 +1588,11 @@ class AnalyticsTools:return {"success": True,"topic": topic,- "lookback_days": lookback_days,+ "date_range": {+ "start": start_date.strftime("%Y-%m-%d"),+ "end": end_date.strftime("%Y-%m-%d"),+ "total_days": total_days+ },"lifecycle_data": lifecycle_data,"analysis": {"first_appearance": first_appearance,@@ -1890,29 +1920,6 @@ class AnalyticsTools:# ==================== 辅助方法 ====================- def _parse_time_range(self, time_range: str) -> int:- """解析时间范围字符串为天数"""- match = re.match(r'(\d+)([dhwm])', time_range.lower())- if not match:- raise InvalidParameterError(- f"无效的时间范围格式: {time_range}",- suggestion="格式示例:7d(7天)、24h(24小时)、1w(1周)、1m(1个月)、2m(2个月)"- )-- value = int(match.group(1))- unit = match.group(2)-- if unit == 'h':- return max(1, value // 24) # 转换为天数- elif unit == 'd':- return value- elif unit == 'w':- return value * 7- elif unit == 'm':- return value * 30 # 1个月按30天计算-- return value-def _extract_keywords(self, title: str, min_length: int = 2) -> List[str]:"""从标题中提取关键词(简单实现)diff --git a/mcp_server/tools/search_tools.py b/mcp_server/tools/search_tools.pyindex a68ee1759f..f393ec6abb 100644--- a/mcp_server/tools/search_tools.py+++ b/mcp_server/tools/search_tools.py@@ -55,8 +55,11 @@ class SearchTools:- "keyword": 精确关键词匹配(默认)- "fuzzy": 模糊内容匹配(使用相似度算法)- "entity": 实体名称搜索(自动按权重排序)- date_range: 日期范围,格式: {"start": "YYYY-MM-DD", "end": "YYYY-MM-DD"}- 不指定则默认查询今天+ date_range: 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"}+ - **默认**: 不指定时默认查询今天+ - **注意**: start和end可以相同(表示单日查询)platforms: 平台过滤列表,如 ['zhihu', 'weibo']limit: 返回条数限制,默认50sort_by: 排序方式,可选值:@@ -73,7 +76,7 @@ class SearchTools:- search_news_unified(query="人工智能", search_mode="keyword")- search_news_unified(query="特斯拉降价", search_mode="fuzzy", threshold=0.4)- search_news_unified(query="马斯克", search_mode="entity", limit=20)- - search_news_unified(query="iPhone 16发布", search_mode="keyword")+ - search_news_unified(query="iPhone 16", date_range={"start": "2025-01-01", "end": "2025-01-07"})"""try:# 参数验证@@ -100,8 +103,22 @@ class SearchTools:date_range_tuple = validate_date_range(date_range)start_date, end_date = date_range_tupleelse:- # 默认今天- start_date = end_date = datetime.now()+ # 不指定日期时,使用最新可用数据日期(而非 datetime.now())+ earliest, latest = self.data_service.get_available_date_range()++ if latest is None:+ # 没有任何可用数据+ return {+ "success": False,+ "error": {+ "code": "NO_DATA_AVAILABLE",+ "message": "output 目录下没有可用的新闻数据",+ "suggestion": "请先运行爬虫生成数据,或检查 output 目录"+ }+ }++ # 使用最新可用日期+ start_date = end_date = latest# 收集所有匹配的新闻all_matches = []@@ -137,16 +154,34 @@ class SearchTools:current_date += timedelta(days=1)if not all_matches:- time_desc = "今天" if start_date == end_date else f"{start_date.strftime('%Y-%m-%d')} 至 {end_date.strftime('%Y-%m-%d')}"- return {+ # 获取可用日期范围用于错误提示+ earliest, latest = self.data_service.get_available_date_range()++ # 判断时间范围描述+ if start_date.date() == datetime.now().date() and start_date == end_date:+ time_desc = "今天"+ elif start_date == end_date:+ time_desc = start_date.strftime("%Y-%m-%d")+ else:+ time_desc = f"{start_date.strftime('%Y-%m-%d')} 至 {end_date.strftime('%Y-%m-%d')}"++ # 构建错误消息+ if earliest and latest:+ available_desc = f"{earliest.strftime('%Y-%m-%d')} 至 {latest.strftime('%Y-%m-%d')}"+ message = f"未找到匹配的新闻(查询范围: {time_desc},可用数据: {available_desc})"+ else:+ message = f"未找到匹配的新闻({time_desc})"++ result = {"success": True,"results": [],"total": 0,"query": query,"search_mode": search_mode,"time_range": time_desc,- "message": f"未找到匹配的新闻({time_desc})"+ "message": message}+ return result# 统一排序逻辑if sort_by == "relevance":@@ -160,8 +195,10 @@ class SearchTools:# 限制返回数量results = all_matches[:limit]- # 构建时间范围描述- if start_date == end_date:+ # 构建时间范围描述(正确判断是否为今天)+ if start_date.date() == datetime.now().date() and start_date == end_date:+ time_range_desc = "今天"+ elif start_date == end_date:time_range_desc = start_date.strftime("%Y-%m-%d")else:time_range_desc = f"{start_date.strftime('%Y-%m-%d')} 至 {end_date.strftime('%Y-%m-%d')}"@@ -457,7 +494,7 @@ class SearchTools:def search_related_news_history(self,reference_text: str,- time_range: str = "yesterday",+ time_preset: str = "yesterday",start_date: Optional[datetime] = None,end_date: Optional[datetime] = None,threshold: float = 0.4,@@ -469,13 +506,13 @@ class SearchTools:Args:reference_text: 参考新闻标题或内容- time_range: 时间范围预设值,可选:+ time_preset: 时间范围预设值,可选:- "yesterday": 昨天- "last_week": 上周 (7天)- "last_month": 上个月 (30天)- "custom": 自定义日期范围(需要提供 start_date 和 end_date)- start_date: 自定义开始日期(仅当 time_range="custom" 时有效)- end_date: 自定义结束日期(仅当 time_range="custom" 时有效)+ start_date: 自定义开始日期(仅当 time_preset="custom" 时有效)+ end_date: 自定义结束日期(仅当 time_preset="custom" 时有效)threshold: 相似度阈值 (0-1之间),默认0.4limit: 返回条数限制,默认50include_url: 是否包含URL链接,默认False(节省token)@@ -487,7 +524,7 @@ class SearchTools:>>> tools = SearchTools()>>> result = tools.search_related_news_history(... reference_text="人工智能技术突破",- ... time_range="last_week",+ ... time_preset="last_week",... threshold=0.4,... limit=50... )@@ -503,16 +540,16 @@ class SearchTools:# 确定查询日期范围today = datetime.now()- if time_range == "yesterday":+ if time_preset == "yesterday":search_start = today - timedelta(days=1)search_end = today - timedelta(days=1)- elif time_range == "last_week":+ elif time_preset == "last_week":search_start = today - timedelta(days=7)search_end = today - timedelta(days=1)- elif time_range == "last_month":+ elif time_preset == "last_month":search_start = today - timedelta(days=30)search_end = today - timedelta(days=1)- elif time_range == "custom":+ elif time_preset == "custom":if not start_date or not end_date:raise InvalidParameterError("自定义时间范围需要提供 start_date 和 end_date",@@ -522,7 +559,7 @@ class SearchTools:search_end = end_dateelse:raise InvalidParameterError(- f"不支持的时间范围: {time_range}",+ f"不支持的时间范围: {time_preset}",suggestion="请使用 'yesterday', 'last_week', 'last_month' 或 'custom'")@@ -600,7 +637,7 @@ class SearchTools:"results": [],"total": 0,"query": reference_text,- "time_range": time_range,+ "time_preset": time_preset,"date_range": {"start": search_start.strftime("%Y-%m-%d"),"end": search_end.strftime("%Y-%m-%d")@@ -627,7 +664,7 @@ class SearchTools:"threshold": threshold,"reference_text": reference_text,"reference_keywords": reference_keywords,- "time_range": time_range,+ "time_preset": time_preset,"date_range": {"start": search_start.strftime("%Y-%m-%d"),"end": search_end.strftime("%Y-%m-%d")diff --git a/mcp_server/utils/validators.py b/mcp_server/utils/validators.pyindex c68ae32a03..a046929ae9 100644--- a/mcp_server/utils/validators.py+++ b/mcp_server/utils/validators.py@@ -179,6 +179,33 @@ def validate_date_range(date_range: Optional[dict]) -> Optional[tuple]:suggestion=f"start: {start_str}, end: {end_str}")+ # 检查日期是否在未来+ today = datetime.now().date()+ if start_date.date() > today or end_date.date() > today:+ # 获取可用日期范围提示+ try:+ from ..services.data_service import DataService+ data_service = DataService()+ earliest, latest = data_service.get_available_date_range()++ if earliest and latest:+ available_range = f"{earliest.strftime('%Y-%m-%d')} 至 {latest.strftime('%Y-%m-%d')}"+ else:+ available_range = "无可用数据"+ except Exception:+ available_range = "未知(请检查 output 目录)"++ future_dates = []+ if start_date.date() > today:+ future_dates.append(start_str)+ if end_date.date() > today and end_str != start_str:+ future_dates.append(end_str)++ raise InvalidParameterError(+ f"不允许查询未来日期: {', '.join(future_dates)}(当前日期: {today.strftime('%Y-%m-%d')})",+ suggestion=f"当前可用数据范围: {available_range}"+ )+return (start_date, end_date)diff --git a/pyproject.toml b/pyproject.tomlindex c78ad9ae69..45528ddd54 100644--- a/pyproject.toml+++ b/pyproject.toml@@ -1,13 +1,13 @@[project]name = "trendradar-mcp"-version = "1.0.0"+version = "1.0.1"description = "TrendRadar MCP Server - 新闻热点聚合工具"requires-python = ">=3.10"dependencies = [- "requests>=2.32.5",- "pytz>=2025.2",- "PyYAML>=6.0.3",- "fastmcp>=2.12.0",+ "requests>=2.32.5,<3.0.0",+ "pytz>=2025.2,<2026.0",+ "PyYAML>=6.0.3,<7.0.0",+ "fastmcp>=2.12.0,<2.14.0","websockets>=13.0,<14.0",]diff --git a/readme.md b/readme.mdindex fe6ecab687..422f1d06f4 100644--- a/readme.md+++ b/readme.md@@ -13,7 +13,8 @@[](https://github.com/sansan0/TrendRadar/stargazers)[](https://github.com/sansan0/TrendRadar/network/members)[](LICENSE)-[](https://github.com/sansan0/TrendRadar)+[](https://github.com/sansan0/TrendRadar)+[](https://github.com/sansan0/TrendRadar)[](https://work.weixin.qq.com/)[](https://telegram.org/)@@ -505,11 +506,22 @@ GitHub 一键 Fork 即可使用,无需编程基础。- **大版本升级**:从 v1.x 升级到 v2.y, 建议删除现有 fork 后重新 fork,这样更省力且避免配置冲突+### 2025/10/26 - mcp-v1.0.1++ **MCP 模块更新:**+ - 修复日期查询参数传递错误+ - 统一所有工具的时间参数格式++### 2025/10/23 - v3.0.3- 扩大 ntfy 错误信息显示范围+<details>+<summary><strong>👉 历史更新</strong></summary>++### 2025/10/21 - v3.0.2- 修复 ntfy 推送编码问题@@ -535,9 +547,6 @@ GitHub 一键 Fork 即可使用,无需编程基础。- 可选择性使用,无需升级现有部署-<details>-<summary><strong>👉 历史更新</strong></summary>-### 2025/10/15 - v2.4.4- **更新内容**:@@ -1318,6 +1327,10 @@ Cherry Studio 提供 GUI 配置界面,可快速部署。"看看'iPhone'话题是昙花一现还是持续热点"```+**效果图**:++<img src="/_image/ai.png" alt="mcp 使用效果图">+**详细教程**:[README-MCP-FAQ.md](README-MCP-FAQ.md)> 如果有部署问题,请带上截图反馈,后续我会根据反馈出个**图文教程**,争取编程零基础、文科生都能配置,届时会更新到我的公众号上diff --git a/requirements.txt b/requirements.txtindex 9d8d77c779..7d66038683 100644--- a/requirements.txt+++ b/requirements.txt@@ -1,5 +1,5 @@-requests>=2.32.5-pytz>=2025.2-PyYAML>=6.0.3-fastmcp>=2.12.0-websockets>=13.0,<14.0\ No newline at end of file+requests>=2.32.5,<3.0.0+pytz>=2025.2,<2026.0+PyYAML>=6.0.3,<7.0.0+fastmcp>=2.12.0,<2.14.0+websockets>=13.0,<14.0