last30days 是一个让 AI 智能体替你翻遍全网的开源技能:Reddit、X、YouTube、TikTok、Hacker News、Polymarket、GitHub 等几十个来源并行搜索,再按真人真实互动(点赞、播放量、真金白银的预测赔率)打分,合成一份“过去 30 天到底发生了什么”的简报。MIT 许可证,GitHub 实时 70,049 星(本站核对:2026-11-19),2026 年 11 月 18 日 GitHub Trending 日榜前三、周榜在列,最新版 v4.3.2(2026-11-17 发布)。本文安装步骤以官方 README v4 与配置文档为准;本站验证:星数、许可证与版本号已核对,npm / GitHub 来源矩阵以文档为准,未在 Claude Code 内实机安装(需要 Claude Code 环境与各平台凭证),下文如实标注。

能干什么

  • 一次查清一个人、一家公司、一个话题的最近 30 天:输入名字或话题,智能体先解析“该去哪找”——X 账号、创始人、相关 subreddit、TikTok 标签、YouTube 频道、GitHub 仓库——再多源并行搜索、按互动与新鲜度打分、合并成一份带引用的简报。
  • 搜的是真人,不是编辑:Reddit 高赞评论、X 热帖、YouTube 长视频全文转写里的关键句、TikTok 爆款文案、Polymarket 上真金白银的赔率——按“多少人真花了注意力与钱”排序,而不是按 SEO 排序。
  • 发现模式,不只查已知话题:问一句“AI 智能体领域最近什么在爆”,它会先扫 Reddit 分类、Hacker News 热榜、Digg 与 X,提名、过滤、打分,给出 5–10 个带热度标签的话题与现成可跑的跟进命令。
  • 看一家公司在发布之前做什么:v4 新增的专利信号(读当月美国专利申请,只标反常或未发布的内容)与招聘信号(读公司自己的招聘页,标出泄露新方向的岗位),外加股价线(30 天走势对照标普 500)。
  • 能攒成持续监测:--store 把结果存进本地 SQLite,配 watchlist.py 做定时跑与新发现推送、briefing.py 出每日/每周简报;library feed 能把攒下的简报变成可订阅的 Atom 源。
  • 中文源也在内:小红书(RED)可接——本地跑一个登录态的 x-mcp 浏览器插件或 xiaohongshu-mcp 服务,再用 --search xhs 点名要这个源。

优缺点

优点:零配置就能用的免费源很多——Reddit(含评论)、Hacker News、Polymarket、GitHub、专利与招聘页、arXiv、Techmeme 都不用 key;评分标准是真人互动,比只搜网页的结果更接近“大家到底在聊什么”;小红书源对中文创作者是实打实的增量;全程本地运行,研究内容不上传(除你主动调的搜索 API);MIT 许可证干净可商用。

缺点与边界:X 的完整能力要凭证或浏览器登录态(三选一:官方 X API 的 Bearer Token、浏览器登录、XAI Key),免费档一般只能看最近一周;TikTok、Instagram、Threads、Pinterest、LinkedIn 要 ScrapeCreators 的 key(1 万次免费调用,之后按量付费);推理重排要另配模型 key,不配就回落本地打分;简报主体是英文,引文可翻译但中文话题的覆盖取决于中文源有没有登录态;安装方式多达七种,两种装法并存会在 Claude Code 里出现两个 /last30days。

下载与安装(官方文档口径)

  1. Claude Code(官方推荐):在 Claude Code 里依次跑 /plugin marketplace add mvanhorn/last30days-skill 与 /plugin install last30days,市场自动管更新,强制检查用 claude plugin update last30days@last30days-skill。
  2. Codex、Cursor、Copilot、Gemini CLI 等 50 多种宿主:npx skills add mvanhorn/last30days-skill -g(-g 是装到用户目录全局可用,去掉则只装进当前项目的 .skills/);更新用 npx skills update last30days -g。只装一种方式,不要和插件方式并存。
  3. claude.ai 网页版:去最新 Release 下载 last30days.skill,在 claude.ai 的 Customize → Skills 里上传;先在 Capabilities 开“代码执行与文件创建”,否则技能跑不起来。
  4. Claude Desktop:去最新 Release 按平台下载 .mcpb 包,拖进设置 → 扩展;按提示填各来源的 key(全可空,空了就退化成纯网页模式),key 存在系统钥匙串;要求本机有 Python 3.12+。
  5. OpenClaw:clawhub install last30days-official。
  6. 国内网络:npx 下载慢可换 npm 国内镜像(npm config set registry https://registry.npmmirror.com),这是通用 npm 换源操作;仓库本身可用 git clone。X、Reddit 等来源在国内直连受限,凭证与登录态要走你自己的合规网络环境,工具本身不解决网络问题。
  7. 装完先跑一次向导:第一次跑 /last30days,30 秒的安装向导会帮你解锁 X、YouTube、TikTok、arXiv、Techmeme 等来源;也可以先用 python3 skills/last30days/scripts/last30days.py --preflight 看它打算读什么、写什么,再决定。

调用与使用

  1. 查一个人、公司或话题:/last30days Peter Steinberger——简报会写他最近 30 天在做什么(去了哪家公司、发了什么、GitHub 动态、社区怎么议论),而不是 2023 年的领英旧资料。
  2. 找爆点话题:/last30days what's exploding in AI agents?——发现模式会给 5–10 个带热度标签的话题与现成可跑的跟进命令。
  3. 横向对比:/last30days OpenClaw vs Hermes vs Paperclip——按架构、记忆、安全、适用场景列对照表,星数是现调 GitHub API 拿的,不是陈旧博客数字。
  4. 只看公司动向:/last30days Apple——专利信号、招聘信号、股价线都在同一份简报里;只想看招聘信号加 --hiring-signals。
  5. 结果存在哪:默认 ~/Documents/Last30Days/,用 LAST30DAYS_MEMORY_DIR 环境变量或每次的 --save-dir 改位置;要机器可读的 JSON 加 --emit=json。
  6. 跑完别只读一遍:简报里的每条结论都带来源引用,拿来发内容之前,先点回原文核对一处——这是它设计上就要求的使用方式。

调教成自己的

  • 先定来源,再跑话题:用 --search 或 INCLUDE_SOURCES 点名要哪些源——做选题只开 Reddit / X / YouTube / TikTok,做竞品分析再开 Trustpilot / Amazon / Meta Ads,源越少报告越聚焦。
  • 把“引用”写进要求里:让智能体“每条结论必须附来源与原文引用”,这是它区别于普通搜索的长处,不提这句它可能只给你一段读后感。
  • 按客户分开存:--save-suffix=<客户名> 给不同客户的简报分目录,--save-dir 指定到项目文件夹,简报直接进你的工作流。
  • 从单次变监测:常看的竞品或话题加 --store 入库,配 watchlist.py 定时跑、新发现走 Slack 或 webhook 推送,briefing.py 每周出一份摘要——一次安装变成长期雷达。
  • 攒成自己的简报库:library feed 把简报转成 index.html 与 Atom 源,挂静态托管就能订阅;也可以在库里搜“以前查过什么”,新跑的简报会自动提示重叠的旧研究。

玩法:自媒体创作者的每日选题雷达

模拟一位做 AI 资讯的半小白创作者:每天选题靠刷信息流,刷两小时也不敢定,怕写了没人看。他的打法:

  1. 每天早上先跑发现模式:/last30days what's exploding in AI agents?,拿到 5–10 个带热度标签的话题。
  2. 挑 3 个顺眼的逐个跑简报:只看 Reddit 高赞评论与 YouTube 转写里的关键句——那是观众原话,标题与角度直接从里面长出来。
  3. 让智能体按简报写三个选题角度:每个角度附“为什么现在值得写”(数据是简报里的真实数字,不是编的)。
  4. 定一个开写,简报里的引用与链接就是素材清单,写稿时逐条回查原文。
  5. 每周复盘一次:--store 入库的话题跑一遍 briefing,看哪些话题持续发酵、哪些一日游,下周选题先避开一日游。

玩法:电商卖家的竞品舆情监测

再模拟一位卖家居家小电器的电商卖家:想知道竞品最近被用户吐槽什么、投了什么广告。他的打法:每周跑一次 /last30days <竞品品牌>,重点看三处——Trustpilot 与 Amazon 评论里反复出现的差评词(这是对手的短板,也是自己详情页要强调的点)、Meta Ads 在投的最新素材(对手正在推的卖点与促销码)、Reddit 与 TikTok 上真实用户的开箱反馈;三处对上之后,下一周自己的投放与详情页改动就有了依据。

避坑指南

  • X 凭证三选一,别三样全配:官方 X API 的 Bearer Token、浏览器登录态、XAI Key 任选其一;官方免费档一般只能查最近一周,历史要翻档得看你的开发者项目权限。
  • 两种装法别并存:市场插件与 npx skills 全局安装会同时生效,Claude Code 里出现两个 /last30days;一台机器只留一种。
  • ScrapeCreators 额度先算账:TikTok、Instagram 等源靠它的 key,1 万次免费调用之后按量计费;只在需要这些源的话题上开,别全局常开。
  • 小红书要先有本地服务:--search xhs 之前,本机得先跑着登录态的 x-mcp 浏览器插件或 xiaohongshu-mcp 服务,工具会自己去探 http://localhost:18060;服务没起来,这个源就是空的。
  • 推理 key 不配也能用:不配模型 key 就回落本地打分,报告照样出;别为配 key 卡住第一步,等真觉得排序不够准再配。
  • 凭证别两处混着放:macOS 钥匙串与 .env 文件都行,但冲突时 .env 与进程环境优先;一份 key 只放一个地方。
  • 结论先回查再引用:简报是合成产物,引用链接是给你的核对入口;拿去发文章、发客户之前,先点开关键引用确认原文确实这么说。

档案

  • 仓库:github.com/mvanhorn/last30days-skill;许可证 MIT(干净可商用,可二开、可改、可分发,须保留许可证与版权声明);Python 3.12+。
  • 星数 70,049(2026-11-19 实时核对);2026 年 11 月 18 日 GitHub Trending 日榜前三;最新版 v4.3.2(2026-11-17 发布)。
  • 本站验证:星数、许可证与版本已核对;安装命令与来源矩阵以官方 README v4 与 CONFIGURATION.md 为准;Claude Code 插件安装、X 凭证配置与简报实跑未在本机验证,步骤以官方文档为准。

常见问题

它和 Perplexity、ChatGPT 搜索有什么区别?那些搜的是公开网页;last30days 搜的是 Reddit 评论、X 帖子、TikTok、YouTube 全文转写这些“墙内花园”,再按真人互动打分。Google 不碰 Reddit 评论,ChatGPT 搜不到 X 与 TikTok,Gemini 有 YouTube 没 Reddit——它是用你自己的凭证把十几个平台桥接起来。

国内能用吗?技能本身开源可装;Reddit、Hacker News、Polymarket、GitHub、arXiv、Techmeme 这些免费源零配置可用。X、TikTok 的完整能力要登录态或 key,是否可用取决于你自己的网络环境;小红书源要本机跑登录态服务。

免费吗?技能本身免费。X 官方 API、ScrapeCreators、推理模型 key 各自按提供方计费;不配这些也能用免费源跑完整流程。

它会上传我的研究内容吗?不会。默认全程本地运行,数据只发向你调用的搜索 API;推理重排是 opt-in,配了模型 key 才会把话题与片段发给推理服务。

搞不定配置怎么办?先跑一次内置的安装向导与 --preflight 看它打算读什么、写什么;实在跑不通,可以看本站的部署与配置跑通服务,把跑通这一步交出去。

站内往下读:AI智能体栏目、OpenClaw:跑在自己电脑上、住在聊天软件里的开源 AI 助手、agent-browser:让 AI 智能体自己开网页干活的开源工具。