核心问题: 你的决策是否真的需要任何单一搜索引擎都无法给出的跨平台信号？你是否愿意提供所需的 key？
RepoDaily 采用评分
RepoDaily 将该项目的采用分评为 91/100（强）：分数来自文章来源、安装路径、生产风险、差异化、许可证清晰度以及 AI/Agent 适配度。
包含 4 个来源、覆盖 4 类来源；如有 RepoDaily 独有模块，会进一步提高证据分。
检测到 6 个工作流步骤、5 个下一步动作，以及 4 个命令/安装信号。
趋势热度为 +684 stars；如内容中有 release、issue 或维护信号，会提高维护可信度。
采纳风险标记为 medium，并包含 5 条安全说明与 4 条跳过条件。
3 个机会视角、4 个替代方案，以及 4 个类型化模块支撑差异化判断。
文章中包含许可证来源或许可证表述。
文章正文和元数据中检测到 7 个 AI/Agent 相关信号。
项目概览
last30days-skill 是一个用 Python 编写的 AI agent 技能，把自己定位成“由点赞、转发和真金白银打分，而非编辑筛选”的搜索引擎。在 Claude Code 里作为插件安装，或通过 `npx skills add` 接入，输入形如 `/last30days Peter Steinberger` 的查询，技能就会并行调度 Reddit、X、YouTube、HN、Polymarket 和开放网络的检索，再由一个 agent 裁判把结果合成成一份基于真实互动数据的简报。
它的核心卖点不是某个更好的算法，而是结构性互补：每个平台都是带独立 API 和鉴权的围墙花园，没有任何主流 AI 宿主原生覆盖全部。ChatGPT 有 Reddit 但够不到 X 和 TikTok；Gemini 有 YouTube 但没有 Reddit；Claude 原生一个都没有。last30days 要求你自带 key 和浏览器会话，然后用统一的互动评分把各源结果归一化。
仓库采用 MIT 协议，pyproject.toml 中固定在 3.11.1 版本，要求 Python >=3.12。值得注意的是运行时 dependencies 为空——对一款基础设施技能来说，这意味着主要工作由宿主 agent 加上外部 CLI 与 API 端点完成，而不是引入大量 Python 包。测试覆盖率设有分支敏感的 84% 门槛，基准测量于 2026-07-03，且项目说明该门槛只会上升。
开发节奏极快。Changelog 显示 2026-07-04 至 2026-07-05 四天内连发三个版本：v3.11.0 引入 `last30days doctor` 统一健康命令，v3.10.0 带来 Instagram 评论与轮询式评论选取，v3.9.4 继续修复首次运行向导。2026-07-08 的趋势日正好落在这波发布之后，与仓库拿到 GitHub Trending 当日 #1 的时间点吻合。
为什么现在变热
- README 内嵌 GitHub Trending 当日 #1 徽章，与 RepoDaily 记录的 684 周期 star 数高度相关。
- 补上了一个可见的能力缺口：没有任何主流 AI 宿主原生同时覆盖 Reddit、X、YouTube、HN、Polymarket 和 TikTok。
- 在 Claude Code 上两条命令即可从 marketplace 安装，在 50+ Agent Skills 宿主上通过 `npx skills add mvanhorn/last30days-skill -g` 全局安装，首次体验门槛低。
- 四天内三个版本（v3.9.4 至 v3.11.0），对单人维护项目而言反馈循环异常迅速。
- "Google 汇聚编辑，/last30days 检索人"的定位足够锋利，易于在项目自身覆盖的社交平台上传播。
解决什么问题
- 通用网页搜索无法在一个排序视图里同时呈现 Reddit 评论、X 帖子、YouTube 字幕和 TikTok 互动。
- 每个 AI 助手在设计上只覆盖部分平台：ChatGPT 接 Reddit，Gemini 接 YouTube，Claude 原生一个都没有，跨平台问题只能手动拼接。
- 编辑和 SEO 优化页面占据 Google 结果头部，而社区信号（点赞、转发、真金白银赔率）分散且有强时间窗。
- Polymarket 上的赔率编码了真金白银支撑的预测，搜索引擎无法把它和社交帖子同台排序。
- 跨十余个平台做首次配置通常是 token 与鉴权噩梦，用户往往在第一次查询前就放弃。
工作原理
- 在 Claude Code 里执行 `/plugin marketplace add mvanhorn/last30days-skill`，再 `/plugin install last30days`；或在 50+ Agent Skills 宿主上运行 `npx skills add mvanhorn/last30days-skill -g`。
- 发出一条查询，例如 `/last30days Peter Steinberger`，技能会向所有已配置源并行发起检索。
- Reddit、HN、Polymarket、GitHub 零配置即可工作；首次运行向导约 30 秒即可解锁 X、YouTube、TikTok 等源。
- 每个源贡献自己的原生互动信号：Reddit 赞数、X 点赞、YouTube 字幕、TikTok 互动，以及由真金白银支撑的 Polymarket 赔率。
- agent 裁判对各源结果做归一化与相互打分，合成一份带引用互动指标的简报。
- 运行 `last30days doctor` 可获取分组健康报告和可复制粘贴的修复处方。
架构解读：是运行时技能，不是独立守护进程
last30days-skill 以 Agent Skills 包形式发布，不是服务端进程。运行时行为的真相来源是 `skills/last30days/SKILL.md`，README 明确点名该文件。安装路径有两条：Claude Code marketplace（`/plugin marketplace add` 后 `/plugin install last30days`）走自动更新；`npx skills add mvanhorn/last30days-skill -g` 覆盖 Codex、Cursor、Copilot、Gemini CLI 及 agentskills.io 列出的 50+ 宿主。`-g` 表示按用户全局安装，去掉则按项目作用域安装。
运行时 Python 包在 pyproject.toml 中声明零运行时依赖（`dependencies = []`），要求 Python >=3.12。yt-dlp、Digg、arXiv、Techmeme 等外部 CLI 在 changelog 中被明确列为首次运行向导的 cookie 同意与 key 介绍文案的一部分，说明技能是编排进程外工具，而不是重新实现其抓取逻辑。开发依赖仅限 pytest 9.x 与 pytest-cov 7.x。
命令面：`/last30days` 与 `last30days doctor` 暴露了什么
- `/last30days <topic>` —— 主要查询入口，README 示例为 `/last30days Peter Steinberger`。
- `last30days doctor` —— v3.11.0（PR #753）新增的统一健康命令，聚合所有源的探针状态并取代旧的 `--diagnose`、`--preflight`、`lib/health.py` 与运行后提示。
- `INCLUDE_SOURCES` —— 控制启用源的配置 token，例如 v3.10.0 Recommended 评论档为 `INCLUDE_SOURCES=tiktok,instagram,youtube_comments,tiktok_comments,instagram_comments`。
- `SCRAPECREATORS_API_KEY` —— 启用 Instagram 评论增强所需 key，通过 `GET /v2/instagram/post/comments` 按 `comment_like_count` 排序获取。
- 首次运行向导 —— 明确列出所有已安装 CLI（yt-dlp、Digg、arXiv、Techmeme），把 GitHub device code 自动复制到剪贴板，并将欢迎语直接嵌入设置弹窗，而非单独的 `--welcome` 消息。
上手路径：从安装到第一份有引用的简报
在 Claude Code 上，两条斜杠命令就能开始第一次查询：`/plugin marketplace add mvanhorn/last30days-skill` 与 `/plugin install last30days`。零配置源（Reddit、HN、Polymarket、GitHub）首次即工作，因此可直接运行 `/last30days <topic>` 获取跨平台简报。
解锁 X、YouTube、TikTok 需接受首次运行向导的提示。向导会列出每个安装的 CLI（yt-dlp、Digg、arXiv、Techmeme），并说明每把 key 的真实用途；例如 ScrapeCreators key 被描述为“自动 Reddit 增强 + YouTube 搜索兜底”，而不是一个模糊升级项。GitHub device code 会被自动复制到剪贴板，去掉一个常见失败步骤。
跑完一次后查看 `## Stats` 互动小结和 emoji 树形 footer。v3.10.0 的 changelog 记录了之前 LinkedIn 条目会被计入 Stats 却在 footer 中被静默丢弃——原因在于 `_FOOTER_SOURCES`、`ENGAGEMENT_DISPLAY` 与 `SOURCE_LABELS` 都遗漏了该源——这是个值得把计数与渲染 footer 对照检查的具体提醒。
维护风险：带覆盖率门槛的单人仓库
项目由 Matt Van Horn 以 MIT 协议（Copyright 2026）发布。2026-07-04 至 2026-07-05 四天内连发三个版本，每个都关闭了具名 PR（#750、#751、#752、#753、#758），说明响应快，但接口面也在快速变化。
pyproject.toml 固定了一个分支敏感的 84% 覆盖率门槛（`fail_under = 84`），于 2026-07-03 基于 `skills/last30days/scripts` 与 tests 测得。README 徽章显示覆盖率 >=60%，低于实际门槛，说明徽章偏保守而非夸大。该门槛明确排除 `skills/last30days/scripts/lib/vendor/*` 与 `dist/*`。
技能依赖其无法控制的外部 CLI 与 API。PR #752 修复了 Techmeme 把每条记录都盖上今天日期的问题，PR #758 修复了 LinkedIn 在 footer 中被静默丢弃的问题。这正是一名维护者必须持续吸收的上游破坏类型。
谁适合关注
适合关注
- 你已在用 Claude Code、Codex、Cursor、Copilot 或 Gemini CLI，想用一个 `/last30days` 入口做跨平台研究。
- 你的决策受益于任何单一 AI 宿主都无法同台排序的社区信号（Reddit 赞、X 点赞、YouTube 字幕）。
- 你愿意且能够为围墙花园源提供第三方 API key 和浏览器会话。
- 你需要在会前或立项前快速了解一个人、公司或话题在过去 30 天的真实动向。
可以先跳过
- 你需要完全自托管、无需 key、离线运行的研究栈——本项目的价值正是依赖外部 key 与会话。
- 你的检索偏学术，且已被 arXiv 检索或 Google Scholar 等工具覆盖。
- 你无法运行 Python >=3.12 或任何兼容 Agent Skills 的宿主。
- 你需要企业级多租户、SSO 或审计日志，而源包中未提及这些能力。
风险与注意事项
技能本身 MIT 协议、安装迅速，但依赖脆弱的外部 API 与浏览器会话，需要单人维护者持续修复。
- 单人维护仓库需持续吸收上游破坏：PR #752 修复 Techmeme 日期错标，PR #758 修复 LinkedIn 在 footer 被静默丢弃。
- 价值依赖第三方 key（如 `SCRAPECREATORS_API_KEY`）与浏览器会话，随时可能被限流或失效。
- 四天内三个版本意味着活跃但不稳定；下游集成应固定具体版本。
- 源包未记录任何企业特性（SSO、审计、多租户）。
- LICENSE 文件确认采用 MIT 协议，Copyright (c) 2026 Matt Van Horn，商业与内部使用均可。
- 用户需自行提供 X、YouTube、TikTok 及 ScrapeCreators 支持源的 API key 与浏览器会话；key 处理由用户掌控，而非厂商托管。
- 首次运行向导会把 GitHub device code 自动复制到剪贴板，在共享机器上值得留意。
- 运行时 Python 依赖声明为空，减少了来自传递性 pip 包的典型供应链攻击面。
- 覆盖率统计范围限定在 `skills/last30days/scripts` 与 `tests`，`lib/vendor/*` 下 vendored 代码被明确排除在门槛之外。
替代方案比较
| 方案 | 适用场景 | 代价 |
|---|---|---|
Perplexity（商业网页搜索） | 你想要一个零配置的托管答案引擎，且不需要把 Reddit/X/TikTok 的原始互动信号放在同一排序视图里。 | 免费档；高级模型需订阅 Pro。 |
ChatGPT + Gemini + Claude 手动组合 | 你只需部分平台覆盖（ChatGPT–Reddit、Gemini–YouTube），且愿意在多个宿主之间复制粘贴。 | 已订阅的 AI 助手即包含。 |
Tavily / Exa / SerpAPI 类搜索 API | 你在自建研究流水线，需要可编程的网页搜索后端，而非 agent 技能。 | 按量计费；各厂商不同。 |
yt-dlp + 自写抓取 | 你想完全掌控每个源，且不需要 agent 侧的合成层。 | 免费；真正成本是工程时间。 |
这个趋势说明了什么
内部竞争情报简报
在周会前运行 `/last30days <竞品>`，产出一份融合 Reddit 帖子、X 发帖、YouTube 字幕与 Polymarket 赔率的简报——没有任何单一仪表盘能同台排序这些信号。
连续两周对三个竞品试用，与当前人工研究时间对比简报质量。
会前人物调研流程
以 README 的 Peter Steinberger 示例为模板：在销售拜访或面试前生成一个人过去 30 天的 X 动态、播客字幕与 GitHub PR 快照。
在五次会议上衡量与“LinkedIn + Google”人工流程相比节省的时间。
产品发布舆情监控
发布后查询 `/last30days <你的产品>`，阅读按点赞和转发加权、而非按编辑位次加权的社区反馈。
在发布当周运行，检查简报是否浮出了社区团队遗漏的讨论。
RepoDaily 判断
last30days-skill 用锋利的 MIT 协议实现填补了一个真实缺口：没有任何单一 AI 宿主能把 Reddit、X、YouTube、HN、Polymarket 与开放网同台排序。它的价值完全取决于你带的 key 和浏览器会话，以及单人维护者能否持续修好上游抓取——但两条命令安装、30 秒向导解锁付费源，试错成本极低。