/last30days：让 AI Agent 替你刷社交媒体做调研

🌐 last30days · GitHub 26,507 ★ · Python · MIT License · by @mvanhorn 你有没有过这种感觉：想了解"最近科技圈对某个 AI 工具的评价"，去 Google 搜，出来的全是半年前的 SEO 文章；要不然就得手动刷 Reddit、翻 X、查 YouTube 视频，花半小时才能拼出一幅图——而且还可能漏掉 Hacker News 上的关键讨论。

/last30days 解决的就是这个问题。它是一个安装进 AI 编程工具（Claude Code、Codex、Cursor 等）的「技能包」，只需一句话指令，它就能自动并行搜索 Reddit、X、YouTube、TikTok、Hacker News、Polymarket、GitHub 和全网，把过去 30 天里真实用户的讨论、点赞、转帖整合起来，交给 AI 综合判断，生成一份有来源可查的简短报告。

听起来像是个「高级搜索」？不，它更像是给你的 AI 配了一个从不睡觉的社交媒体助理。## 背景：Matt Van Horn 与「AI Agent 技能」这个新物种

这个项目的作者 Matt Van Horn（GitHub @mvanhorn）是一位住在旧金山的独立开发者。他曾在 Reddit 发帖透露，自己 2024 年离开某公司后，一边做独立项目一边探索 AI Agent 的实际应用场景。在高频使用 Claude Code 做开发的过程中，他发现一个痛点：当需要调研"用户对某款 AI 产品的真实反馈"时，市面上没有工具能把 Reddit 帖子、X 推文、YouTube 讨论一次拉全并排名。于是他花了两周写了第一版 last30days，发布到 GitHub 后迅速在开发者社区传播开来。

有意思的是，这个项目的成功还意外推动了一个新生态的成型——AI Agent 技能包（Agent Skills） 正在成为一种新的开源分发模式：开发者不再发布「工具」，而是发布「技能指令集」，用户把它们安装进自己的 AI 助手就能用。last30days 目前已支持 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等 50 多个平台。## 核心功能：从「关键词搜索」到「群众智慧聚合」

last30days 的设计哲学很清晰：群众的投票比编辑更可信。这里的「投票」不是点击量，而是 Reddit upvotes、X likes、YouTube 观看互动、Polymarket 真钱赔率。

使用流程如下：

1. 用户对 AI 输入 /last30days <话题>，比如 /last30days nvidia earnings reaction
2. AI Agent 调度 last30days 引擎，并行向多个平台发起搜索请求
3. 引擎对各平台内容打分—— upvotes 越多、互动越热烈的帖子权重越高
4. AI 综合所有来源，识别不同立场的讨论簇（clusters），提炼核心观点
5. 输出带来源链接的结构化摘要报告

这背后的技术实现是一个 七阶段管道（pipeline）：

plan → retrieve → normalize → fuse → rerank → cluster → render

每个阶段都有独立的 Python 模块负责，比如 reddit.py 负责 Reddit API 调用、bird_x.py 负责 X（Twitter）搜索、polymarket.py 负责预测市场数据抓取、cluster.py 负责内容聚类。模块化设计让添加新数据源变得非常容易。## 技术架构：Python 3.12 + 多源 API + 插件化设计

从代码结构来看，last30days 是一个典型的 Python CLI 项目，核心引擎是 scripts/last30days.py（约 1000+ 行），依赖 Python 3.12 及以上版本。

技术栈核心模块：

在 AI 框架层面，项目本身并不内嵌大模型——它是 模型无关的，通过调用各 Agent 主机的内置模型来完成综合推理。SKILL.md 中定义的 prompt 工程（1400+ 行）负责约束 AI 在每一步的行为规范，这是整个项目最核心的「产品设计」。

代码质量方面，项目包含 455+ 个单元测试，覆盖核心搜索、去重、聚类逻辑，代码覆盖率报告可读性较高。文档体系完整：README、SKILL.md、CONCEPTS.md、CONFIGURATION.md、CHANGELOG 各司其职。## 安装体验：零配置，但有进阶空间

last30days 最大的产品优势是 零配置启动。Reddit、Hacker News、Polymarket、GitHub 四个平台无需任何 API Key 即可直接使用；首次运行时会弹出设置向导（setup wizard），引导用户配置 X、YouTube、TikTok 等需要认证的平台，作者称之为「30 秒解锁」体验。

主流安装方式：

Claude Code（推荐）：

/plugin marketplace add mvanhorn/last30days-skill
/plugin install last30days

Codex / Cursor / Copilot / Gemini CLI 等 50+ 平台：

npx skills add mvanhorn/last30days-skill -g

安装后，每次让 Claude Code 执行 /last30days <你想调研的话题> 即可。

不过值得注意的是，这个项目是 纯 CLI 技能包，没有独立的 Web 界面或 API 服务，所有功能都内嵌在 AI Agent 的对话流程中。这意味着它不是一个可以部署给多人共用的服务器程序，而是需要用户本地安装一个 AI 编程工具才能使用。## 局限与争议

尽管 last30days 增长迅猛，但它也面临一些质疑：

1. 数据源偏见：各平台的「热度」算法差异巨大。Reddit 帖子靠 upvotes，Polymarket 靠真钱预测，GitHub 靠 stars——这些信号衡量的是不同维度的「认可」，简单加权平均可能掩盖重要细节。比如某项技术可能在一小群核心开发者中获得极高评价，但因为受众基数小，总体得分反而低于更泛化的内容。

2. AI 综合质量依赖调用模型：项目本身是「技能包 + 搜索聚合器」，最终的报告质量高度依赖 AI 主机的模型能力。SKILL.md 花了大量篇幅定义「合成规则」（LAW 1-4），但实际输出在不同模型、不同平台上的一致性仍有波动。

3. API 稳定性风险：X 和 YouTube 的数据获取依赖非官方接口（cookie 提取、bird-search vendored 客户端），这些接口随时可能因平台政策变化而失效。项目 issues 中已有多起关于 X 搜索限流的报告。## 行业意义：从「技能市场」看 AI Agent 生态演化

last30days 的出现折射出一个更大的趋势：AI Agent 正在从「通用助手」向「垂直技能专家」分化。过去一年，GitHub 上涌现了大量 AI Agent 技能包项目，涵盖代码审查、安全扫描、文档生成、研究调研等多个垂直场景。

这类项目的共同特点是：开发门槛低（只要写好 prompt 和少量胶水代码），但传播速度快（搭上 Claude Code / Codex 的插件市场流量）。last30days 目前在 GitHub Trending 上多次登顶，被 agentskills.io 收录为标杆技能，累计 26,507 stars 的背后是 AI 开发者社区对其产品设计的认可。

如果你是一个 AI 开发者或 AI 爱好者，last30days 提供了一个现成的「调研自动化」模板：理解它的多源聚合逻辑、SKILL.md 的 prompt 设计思路、以及模块化的数据抓取架构，可以帮你快速构建自己的信息聚合工具。---

图1：项目作者 Matt Van Horn（@mvanhorn）GitHub 头像

图2：last30days v3 七阶段处理管道示意

图3：last30days 在 Claude Code 中的运行效果