last30days-skill 零配置把多平台讨论压成拍板判断

last30days-skill 零配置把多平台讨论压成拍板判断【免费下载链接】last30days-skillAI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the web - then synthesizes a grounded summary项目地址: https://gitcode.com/GitHub_Trending/la/last30days-skill它到底在干什么last30days-skill 是一个给 AI agent 用的多源调研引擎你丢一个话题它并行去 Reddit、X、YouTube、Hacker News、Polymarket 等十几个平台抓过去 30 天的真实讨论按点赞、评论量和真金白银下注的预测盘口给内容排序最后合成一份带出处的简报。作者做它的起因很直白——模型训练数据永远比社区晚几个月他想要的是社区这周刚吵出来的东西。所以它的核心不是又一个搜索引擎而是把各家围墙花园里的互动信号拉到同一张桌上比较Reddit 里 1500 赞的线程天然压过没人点的博客稿。五分钟跑通第一次查询我先把仓库 clone 下来用软链接挂进 Claude Code 的 skills 目录git clone https://gitcode.com/GitHub_Trending/la/last30days-skill ln -s $PWD/last30days-skill/skills/last30days ~/.claude/skills/last30days链接完不用做任何配置Reddit、HN、Polymarket、GitHub 四个源开箱即用。我敲下这条命令回车大概四十秒后出结果python3 skills/last30days/scripts/last30days.py AI coding agents第一次跑会自动弹一个设置向导问你要不要读浏览器 cookie 解锁 X、装免费的 arXiv 和 Techmeme CLI一路选默认就行。这时候屏幕上会出现一棵按来源分组的证据树Reddit 线程带真实 upvote 数和 top 评论HN 带分数和评论量Polymarket 带盘口赔率每条结论后面都挂着具体出处末尾一行告诉你原始结果存到了哪个文件。想让结果靠谱这几步省不掉如果只靠默认免费源那么 X 和 YouTube 基本是空的X 要浏览器 cookie 或 xAI 的 keyYouTube 要装 yt-dlp缺一个那个源就整段缺席。坑在这儿——不做这一步的后果是凡是涉及行业专家实时观点的结论全押在 Reddit 一个渠道上情绪面明显偏科。更实际地看TikTok、Instagram、LinkedIn、Threads、Pinterest 这组源要 ScrapeCreators 的 key前 1 万次调用免费、之后按量计费配在用户级 env 里一次生效# ~/.config/last30days/.env SCRAPECREATORS_API_KEY你的key INCLUDE_SOURCEStiktok,instagram,youtube_comments评分权重也值得花一分钟看一眼跨源融合走的是 RRF 倒数排名融合把各源的名次合并后再叠加本地相关性、时效和来源质量的混合分逻辑都在 fusion.py 里。它不是黑盒但也不是真理——同一个话题换一周再跑排名会有浮动别把单次排序当定量指标用。挑两个场景讲透竞争分析我输入竞品名 competitors这种比较型话题它会先解析出对方的 X 账号、GitHub 仓库和活跃 subreddit然后并行走 Reddit 线程带 top 评论和 upvote 数、HN 的技术向讨论、GitHub 实时的 star 数和 PR 速度Polymarket 上有没有人拿真钱赌它的赛道也会一起进简报。我拿到的是并排对比架构、定价、社区口碑各占一行引用全是近 30 天的一手帖子而不是博客旧文star 数是 API 现拉的不是某篇半年前的评测文。用户反馈挖掘我输入产品名加上抱怨类关键词走 Reddit 评论层免费源里最薄但最真实的一层top 评论带分数、TikTok 和 Instagram 的创作者反应、YouTube 完整字幕专挑可引用的原话。同一件事在三个平台出现会被合并成一个 cluster 而不是三条重复结果。我拿到的不是用户不满意这种空话而是带出处的具体抱怨点加 upvote 量级可以直接当需求排期的输入。它的边界在哪里说实话X 不给 cookie 就完全没有 XTikTok、Instagram 这组源过了 1 万次免费额度就开始收费。相关性评分是融合出来的综合分带主观性别当精确度量。窗口默认卡 30 天历史回溯要靠--as-of参数补。合成环节是 LLM 写的引用基本可溯源但结论层仍可能过度概括。它给的是方向感不是审计级数据。接进你的日常流程最顺的接法是把它从手动问一次变成定时跑给引擎加--store把每次结果落进 SQLite再用随仓库带的 watchlist.py 做定时任务它原生支持把新增发现推到 Slack webhook 或任意 https 回调cron 一行就能挂起来想要更轻的briefing.py 能直接出日报和周报摘要。可选命令python3 skills/last30days/scripts/last30days.py 竞品名 --store下次开会前别再翻两周前的博客。把话题丢给它四十秒后那份带出处的判断就是能直接拍板的东西。【免费下载链接】last30days-skillAI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the web - then synthesizes a grounded summary项目地址: https://gitcode.com/GitHub_Trending/la/last30days-skill创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考