AI 情报雷达（intel-radar）

每天自动扫一遍 B站、YouTube、抖音、TikTok、小红书、X 和 GitHub，再加上 Hugging Face、Hacker News、中文 AI 资讯和 Product Hunt，找出 AI 和 AI 视频圈刚冒头的题材、正在热议的事和值得一用的新工具，生成一页能直接播放视频的日报。

不想自己部署，可以直接看每天早上更新的公开版：https://lab.ytdeepsea.com/radar/

热榜谁都能看，难的是在一个题材刚冒头、还没被做烂的时候发现它。雷达做的是这件事：

• 「新起」要两条独立信号。一个题材想标「新起」，得同时满足：这个词以前几乎搜不到（B站看之前 53 天和最近 7 天的播放前 20 里各有几条标题带这个词，YouTube 看今年的相关视频里有多少是最近 10 天发的），并且有 3 个以上账号在做或者有小号爆了。只有一条信号的标「观察」，以前就有、最近明显变多的标「升温」，一直有人做的标「持续」。每张卡片下面都写着触发了哪几条信号。
• 数字全部是代码算的。模型只负责把视频归成题材、起名字、写点评；播放、粉丝、几个账号在做、小号单条多少播放、X 上多少账号几小时内在聊，都由程序从公开数据里算，模型改不了。
• 往回查起源。当天标「新起」「升温」的题材会再往回翻两年：B站按季度画出这个词的作品数，YouTube、TikTok、抖音找最早能查到的那一条，最后写三句话：最早从哪来、怎么传开的、现在到哪一步。
• 视频就地播放。头条和题材卡片先放作品本身，点封面就在页面里播（B站、YouTube、抖音、TikTok 用各自的官方播放器，X 视频直接播），一次只播一个，不用一个个点出去。
• 每条都能做成分享图。头条、视频题材、X 热议和 GitHub 新仓库右上角有「分享」，生成一张 1080×1440 的竖图，带标题、一句判断、三个数字、代表作封面和二维码，扫码回到页面上的那一条。

• 视频题材：AI 相关度不够的不要；名字去掉「AI、教程、副业、赚钱」之后说不出具体形式的不要（比如「AI 副业赚钱教程」）；官方 MV、真人影视、游戏实况这类看不出是 AI 做的不要。
• X：安全漏洞、公司财报融资、币圈、交易机器人这类泛科技新闻不进页面；公司新闻和观点争论各最多留一个。
• 只有一个账号在说、又查不到来源的收入说法，不进头条。 这条规则来自一次真实的翻车：某天头条差点放上「AI 虚拟主播 4 小时打赏 3258 刀」，往回一查，是一个国外账号的互动模板，隔几天换个人、换个金额再发一遍，配的视频也是换脸片。
• 开源与工具：安全、金融、运维类仓库在给模型之前就去掉；Hugging Face 的 Space 只收已知机构发的；成人、换脸、赌博类内容在采集时就挡掉。
• 每一期挡掉了多少条记在当天快照里，页面不显示。

需要 Python 3.9 或更新版本，只用标准库，不用装任何依赖。

git clone https://github.com/garycaogan/intel-radar.git
cd intel-radar
cp .env.example .env        # 然后编辑 .env，填 TIKHUB_API_KEY 和 LLM_API_KEY

先不花钱试一下（只跑免费来源，不调模型，确认环境没问题）：

python3 -m radar run --only bili_search,bili_popular,bili_hot,github_trending,hn,hf,news --skip-llm
python3 -m radar serve      # 打开 http://127.0.0.1:8792

一分多钟就能跑完。这样出来的页面基本是空架子（最多有几条 B站热搜），题材、头条和工具点评都要靠模型来归类和写。配好密钥后跑完整一期：

python3 -m radar run        # 采集 + 分析 + 生成页面，约 6–10 分钟
python3 -m radar serve

其他命令：

python3 -m radar render              # 用已存的数据重新生成页面（改了模板或站名时用）
python3 -m radar run --reuse 6       # 不重新采集，用最近 6 小时存下的内容重新分析
python3 -m radar run --only x        # 只重新采集某几个来源（名字见 radar/pipeline.py 的 COLLECTORS）
python3 -m radar deep                # 对最新一期的所有视频题材往回查起源（默认每天只查新起和升温的）
python3 -m radar status              # 最近几次运行
python3 -m radar mcp                 # 用 stdio 跑 MCP（serve 也在 /mcp 上答，见下文）

用 DeepSeek 官方接口时，程序会自动关掉思考模式（开着的话长提示词要跑好几分钟）。换成别的服务，只改 LLM_BASE_URL、LLM_API_KEY 和 LLM_MODEL；如果那个模型默认也会长时间思考，用 LLM_EXTRA_BODY 带上关掉它的参数。其余可选项都在 .env.example 里。

2026 年 10 月 24 日用这份代码实测跑了一期：扫了 2,255 条公开内容，TikHub 调用 103 次约 0.18 美元，模型调用 4 次（DeepSeek v4 pro，约 5.7 万输入、1 万输出 token）约 0.4 元人民币，两个新起/升温题材往回查起源另花 0.02 美元，总共用时 6 分钟出头。

一期完整运行大约 110 次 TikHub 调用，约 0.2 美元：YouTube 搜索约 20 次（每次 0.002 美元）、YouTube 频道粉丝最多 30 次（0.001）、X 搜索约 40 次（0.001）、抖音搜索 4 次（0.01）、小红书搜索 2 次（0.01）、TikTok 搜索 4 次（0.001）、抖音热榜 1 次。模型调用 4 次，用 DeepSeek v4 pro 大约几毛钱人民币。当天标「新起」「升温」的题材会自动往回查起源，每个题材再花约 0.015 美元，多数日子 2–5 个。

单次运行有硬上限（默认 170 次调用、0.4 美元，用 TIKHUB_MAX_CALLS 和 TIKHUB_MAX_USD 改），到了就停止调用，不会因为某个接口出错反复重试把钱花光。每期的实际花费按接口记在数据库的运行记录和日志里（python3 -m radar status），不会出现在页面上。

用 cron 每天早上跑一次。日期按北京时间算，--if-missing 保证当天已经出过就跳过，所以可以设两个时间点，第一次失败了第二次补：

20 6,7 * * * cd /path/to/intel-radar && /usr/bin/python3 -m radar run --if-missing >> ~/.local/share/intel-radar/logs/run.log 2>&1

cron 的时间是服务器本地时间，服务器不在东八区的话自己换算一下。

生成的页面在数据目录的 site/ 里（默认 ~/.local/share/intel-radar/site/），是纯静态文件，页面里的链接都是相对路径。把这个目录同步到任意静态托管（Cloudflare Pages、GitHub Pages、Nginx、对象存储）就能公开，不需要后端。

• 公开前把 .env 里的 RADAR_SHARE_URL 改成你的公开地址，再 python3 -m radar render 一次，分享卡片上的二维码才会指向你的站。
• 页面和 data/<日期>.json 里都没有花费、调用次数、失败来源和运行用时，但数据库和日志里有，所以只同步 site/，不要把整个数据目录放出去。
• 页面默认带 noindex，不想被搜索引擎收录就不用管；想被收录，改 radar/render.py 里的 robots 标签。
• python3 -m radar serve 只适合本机预览，公开请放在 Nginx、Caddy 或静态托管后面。

雷达自带一个只读的 MCP，Claude Code、Codex、Cursor 这类 Agent 接上以后，可以直接问「今天有什么新起的 AI 视频题材」「蔬菜家族这个玩法最早什么时候出现的」，它会去查你自己跑出来的那几期，带着页面链接回答。不想自己部署，可以直接接公开版：https://lab.ytdeepsea.com/mcp，用法见 lab.ytdeepsea.com/radar/agent/。

7 个工具：radar_today（某一期的概览和头条）、radar_video_topics（视频新题材，可按标签、平台筛）、radar_x_topics（X 热议）、radar_tools（开源项目、模型和资讯）、radar_topic_origin（题材溯源）、radar_search（在最近几期里搜关键词）、radar_list_issues（往期列表）。只读数据库里已经存下的日报和溯源，不联网、不花钱，也不会带出运行花费。

两种接法：

# 1) HTTP：python3 -m radar serve 本来就在 /mcp 上答 MCP
python3 -m radar serve
claude mcp add --transport http intel-radar http://127.0.0.1:8792/mcp
codex mcp add intel-radar --url http://127.0.0.1:8792/mcp

# 2) stdio：给只支持「启动本地命令」的客户端
claude mcp add intel-radar -- sh -c 'cd /path/to/intel-radar && python3 -m radar mcp'

回答里的链接默认指向 http://127.0.0.1:8792，页面公开以后把 RADAR_PUBLIC_URL 设成你的公开地址。serve 是给本机用的简单服务，要把 MCP 开给别人，请放在 Nginx、Caddy 这类反向代理后面，并自己加上限流。

• 站名和口吻：RADAR_SITE_NAME 是站名；RADAR_SITE_BY 是出品方（页面上显示「xx · 每日」「xx出品」，头条的读者会写成「xx社群里的 AI 视频创作者」）；RADAR_EDITOR 是点评用谁的口吻写。后两个可以留空。
• 赛道：所有关键词、搜索式、平台分区和预算都在 radar/config.py。想盯别的领域（比如 AI 编程、跨境电商），改 B站和 YouTube 的关键词、X 的搜索式和 AI_TERMS，再改 radar/analyze.py 里提示词对读者的描述。先改采集和过滤，再改提示词，数字永远留给代码算。

• radar/sources/：各平台采集器（bilibili、youtube、shortvideo（抖音/TikTok/小红书）、xtw（X）、github、feeds（资讯 RSS）、misc（Hugging Face、Hacker News、抖音热榜））
• radar/score.py：每小时播放、播放÷粉丝、涨星速度、来源内百分位热度
• radar/analyze.py：题材和话题归类、历史探测、标签规则、头条点评的提示词
• radar/deep.py：题材往回查起源
• radar/pipeline.py：一次完整运行
• radar/render.py：静态页面，分享弹层和画卡片的脚本也在这里
• radar/share.py：分享卡片的内容、数字、二维码和封面缓存
• radar/config.py：设置、关键词、搜索式、预算
• tests/：离线测试，python3 -m unittest discover -s tests

改代码前后怎么自查见 CONTRIBUTING.md，密钥和数据怎么存见 SECURITY.md。

MIT，见 LICENSE。二维码生成用的是 Project Nayuki 的 MIT 库，原样收录在 radar/qrcodegen.py，见 THIRD_PARTY.md。

作者 Gary（曹淦），做 AI 视频和内容出海。X：@GaryAIytb，更多开源项目见 github.com/garycaogan。