TrendPublish: 全自动 AI 内容生成与发布系统v1.06版

图：TrendPublish 的 GitHub 仓库主页（已迁移至 liyown 名下），含流水线说明与部署方式（2026-11 截图）

定位与基本信息

TrendPublish 是一套面向微信公众号的自动化选题与发布系统，开源在 GitHub 上（仓库已由 OpenAISpace 名下迁移至 liyown/ai-trend-publish，老地址会自动跳转）。它处理的是日更型公众号最耗时的一串活：从指定的数据源里抓取内容，用 AI 完成选题聚类、证据补全、排序、标题与正文生成、质量审稿、排版和配图，最后生成可预览的 dry-run 产物，或者直接创建公众号草稿、走正式发布。技术栈是 Node.js 加 TypeScript，许可证为 MIT。截至 2026 年 11 月快照，仓库有 3,241 颗星、454 个 Fork，官方文档站在 liyown.github.io/ai-trend-publish，仓库给出的示例公众号是「AISPACE科技空间」。

它和市面上大量「RSS 摘要脚本」的区别在定位：作者把系统设计成一条可观察、可回滚、可调参的文章生产流水线。每次运行都会留下步骤记录、错误说明、质量审稿结果、生成的 HTML、图片和当次的配置快照，方便复盘这篇文章为什么值得发、哪一步需要人工介入。默认运行模式是 dry-run，只产出预览不真发；把配置里的 dryRun 关掉才进入真实发布。本地、Docker 和 Cloudflare 三种部署共用同一套 TypeScript 配置模型，运行参数可以在自带的 Dashboard 里改，保存后下一次运行即时生效，而各类密钥只留在部署环境里，不写进数据库。

平台背景

项目最早以 OpenAISpace 团队的名义在 2025 年 1 月建仓，当时的版本（站内旧稿介绍的 v1.06）还是相对简单的形态：抓 Twitter/X 和网站热点，调 DeepSeek、千问、讯飞等模型写稿排版，再定时发到公众号。此后仓库迁移到作者 liyown 个人名下继续开发，功能重心明显从「能自动发」转向「发得可控」：增加了选题聚类与编辑决策、证据链补全、质量审稿与最多一次定向修订、微信兼容 HTML 清洗、AI 配图、多公众号矩阵运营和完整的运行留痕。2026 年内仓库仍有提交记录（最近一次代码提交为 2026 年 6 月，分支推送到 2026 年 8 月），属于还在维护的项目。

核心服务与功能

图：TrendPublish 官方文档站首页，介绍数据源、文章方案与定时规则的配置方式（2026-11 截图）

功能按流水线顺序看更清楚。内容发现环节支持的数据源很多：普通网页、RSS 与 RSSHub、FireCrawl、Jina Reader/Search，以及 Brave、Tavily、Exa、Serper、NewsAPI、GDELT、Hacker News、arXiv、Twitter/X 等搜索与资讯接口，抓回来的材料先做聚类和编辑决策，判断哪些值得写成长文、哪些只适合短讯、哪些直接跳过。生产环节由大模型完成标题和正文，内置质量审稿，审稿不过会做最多一次定向修订；排版内置多套公众号模板和 dynamic 动态排版，所有 HTML 都会做微信兼容清洗；配图支持阿里云和 MiniMax 的图片生成，可用于封面和正文。

发布环节分寸感比较强：默认 dry-run 只生成产物供预览；本地部署走固定 IP 直连微信发布接口，Cloudflare 部署推荐用 weixin-relay 中继，以解决微信对发布 IP 的限制；还支持多公众号矩阵，每个账号在 Dashboard 里维护自己的定位、受众、语气和默认文章方案。运维侧有 Dashboard 可看运行列表、步骤时间线、错误解释和质量报告，运行通知支持 Bark、钉钉和飞书；向量去重、日志观测（可镜像到 Axiom、Better Stack 等）都是可选项，需要时再开。抓取、模型、配图、通知、发布各环节都以 provider/adapter 方式接入，换供应商不用改业务代码。

使用方式

上手路径是：先选部署方式（本地直接跑、Docker 部署，或部署到 Cloudflare，后者用 Worker、Workflows、D1、KV、R2 原生运行），再做最小配置——按官方文档的说法，最小可用配置只需要服务密钥加一套大模型配置，数据源、文章方案、定时规则随后在 Dashboard 里可视化调整。跑通的推荐顺序是先开着 dry-run 运行几天，只看它每天生成的预览产物、质量报告和选题决策是否符合预期，调文章方案和数据源分组；确认内容质量稳定后，再把 dryRun 关掉接正式发布（本地固定 IP 用 weixin 通道，Cloudflare 用 weixin-relay），并打开失败通知。用之前要准备好的东西包括：一个有发布权限的微信公众号、至少一家大模型的 API 密钥、按需准备的搜索或抓取接口密钥，以及承接图片生成的阿里云或 MiniMax 账号。

适用人群

最对口的是日更型公众号的运营者：资讯速递、行业日报、技术趋势类账号，每天要在大量信息里筛选题、赶时效，TrendPublish 的聚类、决策和留痕正是冲着这个流程设计的。其次是同时运营多个公众号的内容团队，它的账号矩阵和每个账号独立的定位与方案配置就是为矩阵场景做的。第三类是愿意 self-host 的独立开发者，能接受 Node.js 与 Docker 或 Cloudflare 的部署维护，换取对流程和数据的完全掌控。不太适合的人群：低频更新、每篇都深度原创的作者，自动化流水线的价值主要在高频与标准化；以及完全没有技术背景、期望扫码即用的用户，它没有托管版，部署和公众号接口配置这一步绕不过去。

免费与付费

图：TrendPublish 的 GitHub 发布页，可下载历史版本与查看更新记录（2026-11 截图）

软件本身免费，MIT 许可证开源，没有官方收费版和订阅。运行成本全部发生在你自己对接的服务上：大模型 API 按生成量付费，是持续开支的大头；搜索与抓取类接口（Tavily、Exa、Serper、FireCrawl 等）多为按量计费或有免费额度，超出后付费；AI 配图按张计费；部署侧，本地或自有服务器是电费加机器，Cloudflare 方案在免费额度内可零成本起步，量大后按 Workers 与存储用量计费。总体上，它的花费结构是「软件零元、用量自付」，日更一篇的量级下主要是模型费用，先 dry-run 跑几天就能把单篇成本摸清楚。

优缺点

优点：

• 流水线完整且可复盘：选题、证据、审稿、排版、配图、发布一条龙，每次运行留步骤、错误与质量报告，出问题能定位到具体环节，而不是只报一个终端异常。
• 默认 dry-run 的分寸好：先预览后真发，质量审稿加最多一次定向修订，比抓了就发的脚本更适合对内容质量有要求的账号。
• 部署形态齐全：本地、Docker、Cloudflare 三套共用同一配置模型，Dashboard 在线改配置下轮生效，密钥不落库。
• 数据源与供应商可替换：抓取、模型、配图、发布都是适配器接入，不被单一服务商绑定。

缺点：

• 没有托管版：部署、公众号接口、固定 IP 或中继这些前置工作都要自己完成，纯运营背景的用户门槛不低。
• 配置面很大：调参不到位时产出的内容容易平庸，需要几天的 dry-run 磨合期。
• 自动生成内容的同质化风险：流水线再完整，选题和文风仍受模型与模板影响，长期全自动日更可能让账号内容辨识度下降。
• 仓库迁移过一次：从团队名下转到作者个人名下，老文档与旧链接要靠跳转，找资料时注意以现行仓库和文档站为准。

同类竞品对比

三者处在内容流水线的不同位置：MoneyPrinterTurbo 负责把短视频做出来，social-auto-upload 负责把成品发出去，TrendPublish 则专攻公众号图文这一个出口，把从选题到发布的整条链路都包了。运营公众号的人选 TrendPublish，做短视频矩阵的人更可能把另外两个组合起来用。

注意事项与风险

第一，公众号平台规则风险：微信对自动化发布、批量营销类内容有明确规范，接口调用频率和内容质量都可能触发限制甚至封禁接口权限，先用 dry-run 和草稿模式跑稳，再小步开启正式发布。第二，内容合规与版权：系统会抓取并改写外部来源，选题证据链能降低张冠李戴，但不能免除核查义务；图片与素材的版权、文章的原创声明都由运营者负责，发布前的人工抽检不能省。第三，密钥安全：模型与搜索接口的密钥只应放在部署环境里，不要写进会同步出去的配置文件或仓库，Dashboard 的访问也要加好口令。第四，成本失控风险：数据源开得太多、重试与配图全开时，API 用量会悄悄放大，建议给各家接口设消费上限并打开运行通知。第五，单作者维护风险：项目现由 liyown 个人维护，长期可用性依赖作者持续投入，重要账号不要把全部产能押在单一开源工具上，保留人工发稿的备用路径。