⭐ 设为星标 · 第一时间收到推送
GitHub： https://github.com/mvanhorn/last30days-skill
last30days 更像一台“社区信号雷达”，而不是另一个通用搜索框。
普通搜索缺的，是“大家正在怎么说”
查一个刚发生的 AI 话题，网页搜索通常先给你新闻、官网和 SEO 文章。这些信息有用，但它们很难回答另一类问题：
开发者最近在抱怨什么？哪个方案在 Reddit 评论区被反复推荐？一段 45 分钟的视频里，真正值得引用的是哪几句话？市场参与者愿意拿真钱押哪一种结果？
手工查也不是不行。开十几个标签页，搜 X，翻 Reddit，拉 YouTube 字幕，再去 GitHub 看提交和 Issue。麻烦在于，各平台的时间、互动数据和表达方式都不一样，最后还是要人肉去重、排序、判断。
last30days 就是冲着这段脏活来的。
截至 2026 年 7 月 27 日，这个仓库有 53,789 个 Star、4,673 个 Fork，采用 MIT License。最新稳定版 v3.18.3 发布于 7 月 25 日，仓库当天仍有代码推送。
它不是一份提示词，里面真有一台搜索引擎
很多所谓 Skill，本质是一段写得更长的提示词。last30days 不一样。
它的 SKILL.md 负责告诉 Agent 怎样理解用户意图、规划查询、处理权限、调用脚本和组织结果；真正去抓取、清洗、合并、打分的，是仓库里的 Python 引擎。
我粗看了当前仓库结构，tests/ 目录下有 182 个 test_*.py 文件，搜索引擎拆成近 90 个 Python 模块。README 也明确写了 84% 的覆盖率门槛。这个体量已经不是“复制一段 prompt 就能跑”的小玩具。
先判断你问的是新闻、推荐、对比、人物近况，还是提示词技巧。然后解析真正需要查的对象，例如 X 账号、GitHub 仓库、subreddit、YouTube 频道和 TikTok 话题标签。
接着，多个来源并行检索。结果会按相关性、新鲜度和互动信号打分，同一件事在不同平台上的讨论会被合并成一个证据簇，不会把三条转载当成三条独立结论。
最后才由 Agent 做综合，把来源、数字、评论和不确定性压成一份简报。
真正拉开差距的是排序标准，不是平台数量。
传统搜索很看页面权重和关键词匹配。last30days 会把 Reddit 点赞、X 互动、YouTube 观看与评论、Hacker News 分数、GitHub 活跃度、Polymarket 赔率等信号放进同一条研究链路。
高互动不等于正确，但它很适合回答“大家此刻在关心什么”。这和查一个稳定的百科事实，是两种任务。
跑完一次，还能继续往下追
项目早就超出了“一句话查近况”。
你可以让它比较几个工具，自动寻找竞品；也可以用 discovery 模式找正在加速的话题，再对某个证据簇继续 drill。如果担心数据已经变化，还能要求它重新核对 GitHub Star、市场赔率和状态类结论。
它也支持招聘信号、历史时间窗、本地资料目录、JSON 输出和可分享的 HTML 简报。做内容选题、会前准备、竞品研究时，这些能力比“再给我总结一遍”实用得多。
比如，安装后可以直接问：
/last30days "AI video tools"
或者做对比：
/last30days "OpenClaw vs Hermes vs Paperclip"
项目要求结果保留来源状态和可追溯信息。某个平台认证失败、限流或没有返回结果，不能被悄悄写成“这个平台上没人讨论”。它还提供 doctor 和 --preflight，分别用来检查来源健康状态，以及在真正搜索前说明可能读取什么、写到哪里、会调用哪些外部服务。
装进 Codex，只有一条命令
Codex、Cursor、Copilot、Gemini CLI 等支持 Agent Skills 的工具，可以全局安装：
npx skills add mvanhorn/last30days-skill -g
后续更新：
npx skills update last30days -g
Claude Code 可以走插件市场：
/plugin marketplace add mvanhorn/last30days-skill
/plugin install last30days
直接运行底层脚本需要 Python 3.12 或更高版本。项目在检测到 uv 时可以自动准备兼容的 Python，但系统只有旧版 Python、机器上又没有 uv，第一次运行会被版本检查挡住。
“零配置”能用，但不是全部能力
README 里说的零配置，主要指 Reddit、Hacker News、Polymarket 和 GitHub 等基础来源可以先跑起来。
想把它真正用满，需要继续补环境。
YouTube 依赖 yt-dlp；X 可以读取你明确授权的浏览器登录态，也可以使用 xAI、Xquik 等 API；TikTok 和 Instagram 依赖 ScrapeCreators。Perplexity、Brave 等来源也有各自的密钥和计费方式。
项目的首次设置流程会先询问是否允许读取浏览器 Cookie。这个细节很重要。读取登录态能换来更完整的 X 数据，也会带来账号与凭据风险。服务器、公司电脑或敏感账号上，优先使用独立 API Key，或者干脆关闭浏览器 Cookie。
README 写明项目没有跟踪和分析，研究结果默认保存在本机。但“保存在本机”不等于“完全离线”：接入哪个平台，查询就可能发送到对应的第三方接口。使用前最好先跑一次 --preflight，看看它准备访问什么。
还有一个小提醒。仓库更新很快，README 的“What's new”段落仍停留在 v3.11.1，而当前 Release 和运行时 SKILL.md 已经是 v3.18.3。安装命令和具体能力变化，优先看最新 Release 与 skills/last30days/SKILL.md。
把它当雷达，别当裁判
我觉得 last30days 最适合三类场景：内容创作者找近期选题，产品和投资团队看真实讨论，开会前快速补齐一个人或一家公司的最近动态。
它不适合替你做最终事实裁决。点赞高的评论可能只是情绪强，预测市场也会错，社交平台的人群本来就有偏差。医疗、法律、财务等高风险问题，仍然要回到原始文件和权威来源。
但如果你的工作经常卡在“我知道网页上写了什么，却不知道人们最近到底在说什么”，这个项目值得装进 Agent 工具箱。
真正省下来的，是一串很难标准化的动作：找对账号、翻评论、看互动、拉字幕、合并同一事件，再把噪声压成一份能继续追问的简报。
GitHub 项目地址： https://github.com/mvanhorn/last30days-skill