last30days 快速入门
AI Agent研究技能：用真实人群参与度（Reddit/X/YouTube/TikTok/Polymarket等十余平台投票）而非编辑排名搜索互联网，并行检索交叉打分合成简报，MIT开源58.8k stars
评分明细
适用场景
这是什么？适合谁？
/last30days（mvanhorn/last30days-skill，58.8k Stars，MIT，GitHub Trending #1 Repo of the Day）是一个 AI Agent 研究技能：用真实人群的投票（upvotes/likes/真金白银）而非编辑排名来搜索互联网。一句 /last30days <主题>，它并行搜 Reddit、X、YouTube、HN、Polymarket、TikTok 等十余个平台，按真实参与度打分，再由 AI Agent 裁判合成一份简报。
README 的论点：Google 聚合的是编辑，/last30days 搜索的是人。没有任何单一 AI 能同时触达这些墙内花园——Google 不碰 Reddit 评论和 X 帖子，ChatGPT 有 Reddit 独家但搜不了 X 和 TikTok，Gemini 有 YouTube 但没有 Reddit。它把”自带 Key 与浏览器会话”的 Agent 变成横跨全部平台的桥：Reddit 赞数、X 点赞、YouTube 字幕、TikTok 互动、Polymarket 用真钱与内幕信息背书的赔率——几百万人的注意力投票，一天之内被并行检索、交叉打分、合成结论。
适合人群：
- 追 AI/科技前沿的开发者：社区总是比媒体快几周，训练数据永远滞后
- 销售/BD/记者/分析师：见客户前 5 分钟拉一份”此人/此公司最近 30 天真实动态”
- 产品经理/创业者：做任何东西之前先看社区真实抱怨与需求
- Claude Code / Codex / Cursor 等 CLI Agent 用户：一条命令的研究部门
不适合：想要学术级文献综述的场景（它是社区舆情面）；不使用任何 Agent CLI 宿主的用户（它是 Skill 不是独立 App）。
使用前提：任一支持 Agent Skills 的宿主（Claude Code 推荐/Codex/Cursor/Copilot/Gemini CLI 等 50+ 宿主）；Reddit/HN/Polymarket/GitHub 零配置即用，X/YouTube/TikTok/arXiv 等首跑 30 秒向导解锁。
准备工作
- Agent 宿主：Claude Code（推荐，marketplace 自动更新）或 Codex/Cursor/Copilot/Gemini CLI 等任一 skills 宿主
- 时间预算：安装 30 秒；首次运行 setup 向导约 30 秒解锁更多源
- 成本：MIT 开源免费；消耗你宿主 LLM 的 tokens；部分进阶源（X/YouTube）需自带免费 API Key 或浏览器会话
- 网络：需访问各平台；部分源需要国际网络
快速上手（3 步）
第一步：安装
# Claude Code（推荐，marketplace 自动更新）
/plugin marketplace add mvanhorn/last30days-skill
/plugin install last30days
# 或任一 50+ Agent Skills 宿主（Codex/Cursor/Copilot/Gemini CLI...）
npx skills add mvanhorn/last30days-skill -g
（-g 全局安装跨项目可用；去掉则只装当前项目。）
第二步：跑第一次研究
/last30days Peter Steinberger
Reddit、HN、Polymarket、GitHub 立即可用（零配置）。首次运行时 setup 向导会在 30 秒内引导解锁 X、YouTube、TikTok、arXiv、Techmeme 等更多源。
第三步：读简报并回源核验
Agent 输出合成简报：分平台的真实参与度数据（赞数/回复/赔率）+ AI 裁判的综合结论。关键结论点开原始链接核验。
成功判定：简报中每条要点都带平台来源与可点击原始链接；数据点有真实计数（如 Reddit 569 upvotes）而非泛化描述。
初级用法
- 人物背景调查：见面前
/last30days <人名>，拿到 TA 本月真实动态（换岗/发帖/争议） - 技术选型调研：
/last30days LangGraph vs CrewAI，看社区真实口碑而非官网营销 - 事件追踪：某个 news 事件过去 30 天社区态度演变
- 品类痛点挖掘：做产品前搜品类关键词，社区抱怨就是需求清单
高级玩法
- Polymarket 真金信号：把预测市场赔率当作”用钱投票”的信号源，与技术社区舆情交叉验证（README 强调这是独家差异——内幕信息+真金白银）
- 多平台对比打分：同一主题分别看 Reddit（深度讨论）/X（热点快评）/YouTube（长内容）的分平台得分差异，理解受众分层
- 与 WebSearch Skill 组合：先
/last30days拿社区信号，再用通用搜索补机构媒体面，覆盖”民间+官方”双轨 - 销售作战卡流水线：批量对明天要见的 5 个客户各跑一次，生成”最近 30 天动态卡”
- 投前尽调辅助：对目标公司/创始人做 30 天舆情扫描，异常信号（诉讼/离职潮/社区口碑崩塌）早于公告
常见踩坑（5 条）
踩坑 1：进阶源不可用
- 现象：简报只覆盖 Reddit/HN/GitHub 等免费源
- 原因：X/YouTube/TikTok 需要首次 setup 向导配置（API Key 或浏览器会话）
- 解决：跑一次
/last30days setup完成 30 秒向导；按 SKILL.md 的 key 清单逐个配置
踩坑 2：把简报当权威结论
- 现象：引用简报观点被挑战时拿不出证据
- 原因：社区数据有偏差（沉默的大多数不上 Reddit/X）；AI 裁判合成也可能失真
- 解决：把简报当”发现层”——每条结论回源核验；重要决策交叉多个独立信息源
踩坑 3：宿主版本太老装不上
- 现象：marketplace 命令报错
- 原因：
/plugin marketplace需要 Claude Code 较新版本 - 解决：升级 Claude Code；或退回
npx skills add通用路径
踩坑 4：速率限制
- 现象：批量跑几十个主题后部分源返回空
- 原因：各平台 API 速率限制
- 解决：控制并发与频率；免费额度内分批跑
踩坑 5：人名歧义
- 现象：搜索”John Smith”结果混杂
- 原因：常见姓名多义
- 解决：加限定词（公司名/领域/handle）；用 X handle 或 GitHub ID 精确定位
小技巧（5 条）
- 先零配置源跑通：Reddit/HN/Polymarket/GitHub 开箱即用，先用它们验证价值再配进阶源
- Trendshift 徽章佐证：README 附 trendshift 收录，此类高热度 Skill 更新快，定期更新
- README 的用法案例当模板：作者给出的”销售前调查/旅行前攻略/开工前痛点挖掘”三个案例是最佳实践
- 中英双语关键词都试：中文社区（掘金/知乎不在源列表）覆盖不到，英文关键词结果更全
- 输出落盘：让宿主把简报存成 Markdown 归档，30 天后对比舆情变化
常见问题 FAQ
Q1：last30days 免费吗？
A：MIT 开源免费（58.8k Stars，2026-08-21 采集）。成本是你宿主 LLM 的 tokens 与部分进阶源自带的免费 API 额度。
Q2：它和 Agent 自带的 Web 搜索有什么区别？
A：普通搜索聚合的是网页与编辑排序；/last30days 直连十余个社区平台的参与度数据（赞/评/赔率）并行检索后交叉打分——“搜索人而不是编辑”，且单靠任何一家 AI 都做不到这个覆盖面。
Q3：支持哪些源？
A：Reddit、X、YouTube、HN、TikTok、Polymarket、GitHub、arXiv、Techmeme 及更多（README 源表格逐项列示各源告诉你什么）。前四类免配置或快速解锁。
Q4：除 Claude Code 还能用在哪？
A：Codex、Cursor、Copilot、Gemini CLI 及 agentskills.io 生态 50+ 宿主，统一走 npx skills add。
Q5：数据可信吗？
A：参与度计数是平台真实数据；但”社区意见”本身有人群偏差，AI 合成层也有失真可能。作发现与线索层极佳，作最终事实依据需回源核验。
进阶学习建议
- 精读 README 的 “Sources, scored by the people” 表格：每个源”告诉你什么”的设计（如 Polymarket = 真金白银与内幕信息背书）是整个打分体系的骨架
- 读 skills/last30days/SKILL.md（运行时 spec 的唯一事实源，README 明示），理解一个高星 Skill 如何组织命令与 setup 行为
- 做一次对照实验：同一主题分别用普通 WebSearch 与
/last30days调研，对比信息重叠度与独有发现 - 研究”参与度加权”的合成策略（upvotes/likes/odds 如何归一化），借鉴到自己的信息聚合项目
- 把它接入自己的销售/投研/竞品监控例行流程（每周自动跑一遍核心关注清单）
参考链接
本文基于公开资料于 2026-08-21 整理，社区指标来自 GitHub API 公开数据。独立实测未进行，各源覆盖与打分质量以实际运行为准。
📊 评分与标签
评分说明
总分 8.5/10 · P_优选
📊 可观测社区指标（采集日期：2026-08-21）
- GitHub: mvanhorn/last30days-skill ★58,820, 🔱5,138
- 协议：MIT
- 活跃度：最近推送 2026-08-20（采集前 1 天），open issues 147
- 热度佐证：GitHub Trending #1 Repository Of The Day + Trendshift 收录（README 徽章）
📦 可安装性 2.2/2.5
- 双路径安装：Claude Code 走 marketplace（自动更新），其余 50+ 宿主（Codex/Cursor/Copilot/Gemini CLI）统一
npx skills add -g；零配置源（Reddit/HN/Polymarket/GitHub）装完即用 - 竞品对比 1（需手工放置的单文件 Skill）：一键安装与全局作用域管理领先
- 竞品对比 2（平台绑定研究工具）：跨 50+ 宿主无锁定
🎯 实用性 2.1/2.5
- 独家价值明确：并行检索十余个墙内花园（Reddit/X/YouTube/TikTok/HN/Polymarket 等）并按真实参与度打分——单一 AI 均无此覆盖；销售前调查/技术选型/痛点挖掘场景高频刚需
- 社区数据有人群偏差，作最终事实依据需回源（非缺陷，是使用边界）
- 竞品对比 1（宿主自带 WebSearch）：覆盖面与”参与度信号”维度全面超出
- 竞品对比 2（手动多平台搜索）：并行+打分+合成的自动化是数量级效率差
📖 文档质量 1.6/2.0
- README 完整覆盖安装双路径、源清单（每源”告诉你什么”表格）、真实使用案例、运行时 spec 指引（SKILL.md 为唯一事实源）；多语言版本（中/日/法/德/西/葡）
- 竞品对比 1（多数高星 Skill）：文档结构与叙事完整度属第一梯队
- 竞品对比 2（商业调研工具文档）：动机与边界说明甚至更坦诚
👥 社区活跃 1.1/1.5
- 58.8k Stars（2026-08-21）、Trending #1、Trendshift 徽章、次日仍活跃推送——当前 Agent Skill 赛道最热项目之一
- 来源：GitHub API
- 竞品对比 1（同赛道研究类 Skill）：星数领先一个量级
- 竞品对比 2（通用 awesome 列表）：可运行产物而非纯清单，活跃含金量更高
🔗 兼容性 1.5/1.5
- agentskills.io 生态 50+ 宿主（Claude Code/Codex/Cursor/Copilot/Gemini CLI 等）；进阶源仅需自带免费 Key 或浏览器会话
- 竞品对比 1（Claude 专属 Skill）：宿主面宽得多
- 竞品对比 2（MCP server 形态工具）：Skill 形态对 CLI 宿主更轻量直接
标签说明
- 研究工具: 定位即 AI agent-led 搜索引擎（研究/调研场景）。来源：README
- 开源免费: MIT 协议。来源：GitHub 仓库
- Claude Code: marketplace 一键安装的推荐宿主。来源：README
- Agent Skill: 形态为 Agent Skills 生态技能（50+ 宿主可用）。来源：README
- 舆情调研: 按真实人群参与度搜索与合成简报。来源：README
来源核实
- ✅ GitHub API 已验证: mvanhorn/last30days-skill - Stars 58,820, Forks 5,138, pushed 2026-08-20, MIT
- ✅ README 已读取: 安装双路径、源清单表格、zero-config 源列表、setup 向导 30 秒解锁、案例均核对；SKILL.md 为运行时 spec 事实源
- ⚠️ 未实测: 未实际安装运行；各源检索质量、打分合理性与合成准确性均未经独立验证
- ⚠️ 数据边界: 社区参与度数据有人群偏差；简报为发现层而非证实层（README 自身立场一致）
评分依据可追溯至公开数据源，评估日期：2026-08-21。社区指标来自 GitHub API 实时数据；检索与合成效果未独立验证。