last30days-skill – 开源的跨平台 AI Agent 实时评论研究工具

1. last30days-skill是什么

last30days-skill 是开源的 AI Agent 研究技能，让 Agent 自动扒取过去30天海外各大社交平台的真实讨论并合成带引用的报告。工具深度爬取 Reddit 评论、X 高赞回复、YouTube 完整转录、TikTok 互动、Polymarket 赔率等，按真实人类参与度排序。last30days-skill 支持智能话题解析、跨源故事聚类、竞品自动对比和可分享HTML简报，帮助用户快速掌握任何话题的社区真实共识与最新动态。

技术定位与领域： last30days-skill 属于自然语言处理与信息检索交叉领域，具体定位为面向社交媒体的 AI Agent 研究技能。它不同于传统搜索引擎或摘要工具，专注于从多个社交平台抓取深层讨论数据（评论、回复、转录等），并按人类参与度信号排序，为用户提供基于真实社区共识的研究报告。其独特之处在于将 AI Agent 能力与多平台数据聚合相结合，实现自动化、持续性的社交情报收集，填补了传统搜索在评论区深度挖掘方面的空白。

研发背景： 该工具由开发者 mvanhorn 创建并开源，采用 MIT 许可证，旨在解决信息碎片化和搜索引擎优化内容泛滥的问题。随着社交平台成为真实讨论的主要场所，但各平台相互独立，用户难以跨平台获取全局视角。last30days-skill 应运而生，通过开源方式让研究者和开发者能够自由定制和部署，推动社交数据研究的民主化。其开发动机源于对“真实信号”的追求——用人类点赞、评论、投注等行为而非 SEO 排名来衡量信息价值。

核心价值： last30days-skill 的核心价值在于提供“真实信号驱动的社区共识”。它通过抓取 upvotes、likes、views、Polymarket 赔率等人类参与度指标，过滤掉 SEO 优化的低质内容，呈现真实的社区讨论热度。用户无需手动浏览多个平台，即可获得带引用来源的综合性报告，大幅提升信息获取效率和质量。对于产品调研、趋势分析、竞品对比、人物背景调查等场景，该工具能够提供比传统搜索更深入、更具参考价值的一手信息。

技术特点： 工具采用智能实体解析引擎（v3），在搜索前自动解析话题相关实体（如 X 账号、GitHub 仓库、subreddit、TikTok 标签），实现精准搜索。支持跨源故事聚类，将同一事件在不同平台的讨论合并为一个条目，避免重复。内置 ELI5 模式和竞品自动对比功能，以及可分享的暗色模式 HTML 简报，兼顾深度与易用性。基于 MIT 协议开源，无追踪无遥测，所有研究数据保存在本地，保障用户隐私。

2. 主要功能

• 跨平台深度聚合： 并行搜索 Reddit、X、YouTube、TikTok、HN、Polymarket、GitHub、Bluesky 等十余个平台，不仅抓取帖子标题，还深入抓取评论、回复、完整视频转录和预测市场赔率，提供远超搜索引擎表面信息的深层数据。
• 真实热度排序： 按 upvotes、likes、views、Polymarket 赔率等人类参与度信号对结果进行评分排序，确保高真实讨论度的内容优先展示，有效反制 SEO 垃圾信息，使排名反映真实社区关注度。
• 智能预研究： 输入话题后，系统自动解析相关实体（如 X 账号、GitHub 仓库、subreddit、TikTok 标签），然后针对这些实体进行精准搜索，大幅提高结果相关性，避免泛泛检索带来的噪音。
• 跨源聚类合并： 同一新闻或故事在不同平台出现时，自动合并为一个条目，避免重复冗余，并展示各平台的讨论视角和热度差异，用户可一站式了解事件全貌。
• 可分享HTML简报： 生成自包含的暗色模式 HTML 文件，所有引用和聚类结果内嵌其中，可直接嵌入 Slack、邮件或 Notion，方便团队协作和长期存档，无需依赖在线服务。
• GitHub个人模式： 针对人物话题自动切换为作者维度查询，展示 PR 合并率、星标数、发布动态等开发活动数据，适合技术人物调研，提供比传统简历更真实的活跃度画像。
• ELI5模式： 一键将复杂报告重写为通俗易懂的 plain language 版本，降低阅读门槛，适合非专业受众快速理解核心结论，扩展了工具的使用场景。
• 竞品自动对比： 支持 --competitors 参数，自动发现并并行对比头部竞品，生成多维度对比报告，辅助产品选型和市场分析决策。

3. 如何使用

1. 环境要求与安装： 本工具作为 AI Agent 技能运行，需要宿主环境支持。对于 Claude Code 用户，运行 /plugin marketplace add mvanhorn/last30days-skill 和 /plugin install last30days；其他宿主（如 Open Interpreter）运行 npx skills add mvanhorn/last30days-skill -g 进行全局安装。确保系统已安装 Node.js（v16+）和 npm。

2. 首次运行与基础搜索： 安装完成后，输入 /last30days <话题> 即可启动首次搜索。零配置下，Reddit、HN、Polymarket、GitHub 四个数据源自动工作，无需额外 API 密钥。工具会自动解析话题并返回初步结果。

3. 解锁更多数据源： 要启用 YouTube、TikTok、Instagram 等更多平台，需按提示配置相应凭据：X 浏览器登录（用于抓取 X 回复）、安装 yt-dlp（用于 YouTube 转录）、设置 ScrapeCreators 或 Perplexity API Key。具体步骤在首次运行后会有引导提示，用户可根据需要逐步配置。

4. 生成与分享报告： 搜索完成后，直接询问 /last30days <话题>, give me a shareable HTML brief 即可生成离线可用的暗色模式 HTML 报告。报告包含所有引用来源和聚类结果，可直接分享。后续可在同一会话中继续深度追问，AI 基于已抓取的全量上下文回答，无需重复搜索。

4. 优缺点分析

5. 同类工具对比

选型建议： 如果需求是深度聚合多社交平台的真实讨论，尤其是挖掘 Reddit、X、YouTube 评论区的一手信息，last30days-skill 是唯一开源且专注此场景的工具，适合技术研究者和数据爱好者。其独特的内容深度和真实信号排序机制在竞品中难以替代，但需要用户具备一定的技术配置能力。

对于更注重快速获取网页摘要和学术资料的用户，Perplexity 在引用准确性和覆盖广度上更胜一筹，且无需本地部署。Gemini Advanced 的深度研究模式能生成结构化报告，适合需要多模态交互的场景，但社交数据挖掘能力较弱。Microsoft Copilot 则与 Office 生态集成良好，适合日常轻量搜索。总体而言，last30days-skill 在社交数据深度和开源自由度上具有独特优势，但配置复杂度和覆盖范围是其短板，用户应根据自身技术背景和研究目标选择。

6. 编辑总结

last30days-skill 在技术创新上具有鲜明特色：其智能实体解析引擎（v3）在搜索前自动识别话题相关实体，显著提升检索精准度；跨源聚类合并算法有效解决信息冗余问题；真实热度排序机制以人类参与度为核心指标，从根本上对抗 SEO 污染。这些设计使其在社交数据挖掘领域独树一帜，相比传统搜索引擎和通用 AI 搜索工具，它能提供更具深度和真实性的社区共识信息。

实用价值方面，该工具对产品经理、市场分析师、技术研究员、开发者等群体具有直接帮助。在产品选型、趋势追踪、人物背景调查、热点事件分析等场景中，last30days-skill 能够大幅缩短信息收集时间，并提供传统搜索无法触及的评论区一手数据。其生成的 HTML 简报便于团队协作和知识沉淀，进一步提升了工作效率。

适用人群定位清晰：具有一定技术背景、需要频繁进行社交数据研究的中高级用户。对于普通消费者，配置门槛可能偏高，但 ELI5 模式和可分享报告降低了结果的理解成本。未来发展潜力方面，若能扩展更多社交平台（特别是中文平台），并简化配置流程，有望成为社交情报分析的标准工具。同时，随着 AI Agent 生态的成熟，last30days-skill 作为一种技能插件，可与更多宿主集成，拓展应用边界。

7. 应用场景

• 会前人物调研： 输入目标人物姓名，自动聚合其近30天在 X、GitHub、Reddit 等平台的发帖、代码提交与社区讨论，生成比 LinkedIn 更真实的动态画像。可用于投资尽调、合作伙伴评估、演讲嘉宾背景调查等场景。
• 学习技术新概念： 输入如 “loop engineering” 等新兴概念，获取社区一手讨论、观点分化与最佳实践，避免仅依赖二手搬运信息。帮助技术人员快速掌握前沿动态和社区共识。
• 产品选型对比： 输入如 “OpenClaw vs Hermes”，基于真实用户反馈、GitHub 星标趋势和社区争议生成多维度对比报告。辅助技术选型决策，减少广告和营销内容干扰。
• 热点事件追踪： 输入如 “Kanye West 新专辑” 或国际冲突话题，聚合新闻、预测市场赔率、YouTube 深度解析和社交平台反应，掌握全局动态。适用于媒体监测、舆情分析。
• 消费与出行决策： 输入如 “Universal Epic Universe” 或电子产品，获取社区最新排队时长、故障维修、真实体验反馈和性价比讨论。帮助消费者做出基于真实口碑的决策。

8. 常见问题FAQ

Q：last30days-skill 是否需要付费？
A：完全免费开源，采用 MIT 协议，无需付费即可使用。但部分高级数据源（如 YouTube 转录、TikTok 数据）需要配置第三方 API 或工具，这些服务可能有自己的收费策略，用户需自行承担。

Q：是否支持中文话题搜索？
A：工具本身不限制语言，但其主要覆盖的社交平台（Reddit、X、YouTube 等）以英文内容为主，中文讨论相对较少。对于中文话题，效果可能不如英文理想，建议搭配中文平台专用工具使用。

Q：如何配置 YouTube 转录功能？
A：需要安装 yt-dlp 命令行工具，并确保在环境变量中可用。首次运行后，工具会给出安装提示。具体安装方法可参考 yt-dlp 官方文档，支持 Windows、macOS、Linux。

Q：数据隐私如何保障？
A：所有研究数据均保存在本地机器，工具无追踪无遥测。由于是开源项目，用户可以自行审查代码，确保没有数据外传。生成的 HTML 简报也完全离线，不依赖任何外部服务器。

Q：能否自定义数据源或添加新平台？
A：目前数据源是预配置的，但因为是开源项目，开发者可以 fork 代码并添加新的数据抓取器。未来版本可能会支持插件扩展，社区贡献者可以参与开发。

Q：生成的 HTML 简报是否包含所有引用？
A：是的，简报包含所有抓取的评论、回复和转录的引用链接，并标注来源平台，方便验证和溯源。用户可直接点击链接跳转到原始内容。

9. 项目地址

• GitHub 仓库：https://github.com/mvanhorn/last30days-skill