# /last30days v2.9.5
### Claude Code (推荐)
```
/plugin marketplace add mvanhorn/last30days-skill
/plugin install last30days@last30days-skill
```
[](https://clawhub.ai/skills/last30days-official)
```
clawhub install last30days-official
```
**AI 世界每个月都在重塑自己。这项技能让你保持前沿。** /last30days 在 Reddit、X、Bluesky、YouTube、TikTok、Instagram、Hacker News、Polymarket 和网络上研究你过去 30 天的主题，找出社区真正在点赞、分享、下注和在镜头前讨论的内容，并为你撰写一份带有真实引用的详实报告。无论是 Seedance 2.0 访问、paper.design 提示词，还是最新的 Nano Banana Pro 技巧，你都能了解那些关注这些领域的人已经知道的信息。
**v2.9.5 新增功能 — Bluesky、比较模式和配置改进：**
- **Bluesky/AT Protocol** 现已作为社交来源支持。通过 `BSKY_HANDLE` + `BSKY_APP_PASSWORD`（在 bsky.app/settings/app-passwords 创建）选择启用。完整流程：搜索、评分、去重、渲染。
- **比较模式** - 询问 "X vs Y"（例如 `/last30 cursor vs windsurf`），将获得 3 次并行研究以及并排比较：优势、劣势、正面对比表和数据驱动的结论。
- **按项目 .env 配置** - 在项目根目录放置 `.claude/last30days.env` 文件，用于设置项目专属的 API 密钥。
- **SessionStart 配置检查** - Claude Code 会话开始时自动验证你的配置。
- **扩展测试覆盖** - 覆盖所有模块的 455+ 测试。
**v2.9.1 新增功能 — 自动保存到 ~/Documents/Last30Days/：** 每次运行现在都会将完整的简报保存为以主题命名的 `.md` 文件到你的 Documents 文件夹。自动构建个人研究库。灵感来自 [@devin_explores](https://x.com/devin_explores)。
**v2.9 新增功能 — ScrapeCreators Reddit + 热门评论 + 智能发现：**
Reddit 现在默认使用 [ScrapeCreators](https://scrapecreators.com) 运行 —— 一个 `SCRAPECREATORS_API_KEY` 覆盖 Reddit、TikTok 和 Instagram（3 个来源，1 个密钥）。智能 subreddit 发现可自动找到正确的社区，热门评论享有 10% 的评分权重提升，并显示 `💬` 标记及点赞数。[详情见下文。](#whats-new-in-v29)
**v2.8 新增功能 — Instagram Reels + ScrapeCreators：**
Instagram Reels 现已成为第 8 个信号来源。TikTok 和 Instagram 均通过 ScrapeCreators 运行 —— 一个 API 密钥覆盖两者。[详情见下文。](#whats-new-in-v28)
**V2.5 新增功能 - 结果显著改善：**
1. **Polymarket 预测市场和 Hacker News。** 查看人们正在用真金白银押注什么，以及技术社区真正在讨论什么。搜索 "Arizona Basketball" 获取 NCAA 锦标赛冠军赔率（Arizona: 12%）、#1 种子概率（88%）和 Big 12 夺冠赛况（69%）——这些数据来自 10 个赛事的 50+ 开放市场，而不仅仅是 Reddit 的观点。搜索 "Iran War" 可获得 15 个实时预测市场，包含打击概率、政权更迭押注和宣战赔率。带有基于标签的域桥接的双遍查询扩展可以发现你的主题作为结果隐藏在更广泛赛事中的市场，而不仅仅是标题关键词匹配。HN 故事、Show HN 帖子和评论洞察按 points + comments 评分，并参与跨来源趋同检测。
2. **多信号质量排序相关性评分。** 所有六个来源的每个结果都经过复合评分流程：具有同义词扩展和 token 重叠的双向文本相似度、互动速度归一化、来源权威权重、通过混合 trigram-token Jaccard 相似度进行的跨平台趋同检测，以及时间新近度衰减。Polymarket 市场按 5 因子加权组合排名 —— 文本相关性（30%）、24 小时交易量（30%）、流动性深度（15%）、价格变动速度（15%）和结果竞争力（10%）—— 具有结果感知评分，将你的主题与个别市场仓位匹配，而不仅仅是赛事标题。盲测评估显示，在 5 个测试主题中，v2.5 得分为 4.38/5.0，而 v1 为 3.73/5.0。
3. **X handle 解析。** 搜索 "Dor Brothers"，技能会解析他们的 handle (@thedorbrothers)，然后直接搜索他们的帖子 —— 找到关键词搜索完全错过的 5,600 点赞爆款推文。适用于人、品牌、产品和工具。
**V2.1 新增功能：** 开放类技能，支持观察列表、YouTube 字幕作为来源，可在 OpenAI Codex CLI 中工作。[完整更新日志见下文。](#whats-new-in-v21)
**V2 新增功能：** 更智能的查询构建、两阶段补充搜索、通过捆绑 Bird 客户端的免费 X 搜索、`--days=N` 标志、自动模型回退。[完整更新日志见下文。](#whats-new-in-v2)
**权衡：** /last30days 会找到大量内容，但根据你主题的小众程度，需要 2-8 分钟。最多并行搜索 10 个来源，对结果进行评分、去重和综合。我们认为这种深度值得等待，但如果你需要速度而非详尽，可以使用 `--quick` 模式。
**最适合提示词研究**：通过学习真实的社区讨论和最佳实践，发现适用于任何工具（ChatGPT、Midjourney、Claude、Paper 等）真正有效的提示词技巧。
**但也非常适合任何趋势话题**：音乐、文化、新闻、产品推荐、病毒式趋势，或任何"人们现在在说什么"很重要的问题。
## 安装
### Claude Code 插件 (推荐)
```
/plugin marketplace add mvanhorn/last30days-skill
/plugin install last30days@last30days-skill
```
### Gemini CLI
```
gemini extensions install https://github.com/mvanhorn/last30days-skill.git
```
### 手动安装 (Claude Code / Codex)
```
# 克隆 repo
git clone https://github.com/mvanhorn/last30days-skill.git ~/.claude/skills/last30days
# 添加您的 API keys（如果已登录 Codex 则可选）
mkdir -p ~/.config/last30days
cat > ~/.config/last30days/.env << 'EOF'
SCRAPECREATORS_API_KEY=... # Reddit + TikTok + Instagram (one key, all three) - scrapecreators.com
OPENAI_API_KEY=sk-... # optional - legacy Reddit fallback if using `codex login`
AUTH_TOKEN=... # recommended for X search - copy once from x.com cookies
CT0=... # recommended for X search - copy once from x.com cookies
XAI_API_KEY=xai-... # optional - X fallback if you do not want cookie-based auth
BSKY_HANDLE=you.bsky.social # optional - Bluesky search (create app password below)
BSKY_APP_PASSWORD=xxxx-xxxx-xxxx # optional - bsky.app/settings/app-passwords
EOF
chmod 600 ~/.config/last30days/.env
```
如果你已登录 Codex (`codex login`)，技能将使用你的 Codex 凭证调用 OpenAI Responses API，你可以省略 `OPENAI_API_KEY`。如果你未登录，请先运行 `codex login`。
对于项目特定的覆盖设置，请在 repo 根目录创建 `.claude/last30days.env`。它会覆盖全局的 `~/.config/last30days/.env`。
### X Search 认证
X 搜索偏好显式环境认证。这使本地运行保持无头模式，并避免浏览器 cookie 和 macOS Keychain 提示。
**推荐设置：**
1. 登录 x.com 一次后，打开浏览器开发工具，复制 `x.com` 的 `auth_token` 和 `ct0` cookies。
2. 将它们保存为 `AUTH_TOKEN` 和 `CT0`，存入 `~/.config/last30days/.env`，在 shell 中导出它们，或添加到 `.claude/last30days.env` 用于单个项目。
3. 重新运行 `/last30days`。
**xAI 回退：** 如果你不想提供 `AUTH_TOKEN` 和 `ct0`，设置 `XAI_API_KEY`，技能将改用 xAI 的 `x_search` 后端。
**验证是否工作：**
```
node ~/.claude/skills/last30days/scripts/lib/vendor/bird-search/bird-search.mjs --whoami
```
**要求：** Node.js 22+（用于内置的 Twitter GraphQL 客户端）。
### Codex CLI
此技能也可在 OpenAI Codex CLI 中工作。改为安装到 Codex skills 目录：
```
git clone https://github.com/mvanhorn/last30days-skill.git ~/.agents/skills/last30days
```
相同的 SKILL.md，相同的 Python 引擎，相同的脚本。`agents/openai.yaml` 提供 Codex 特定的发现元数据。使用 `$last30days` 或通过 `/skills` 菜单调用。
### 开放变体 (观察列表 + 简报) - 适用于常驻 Bot
**专为 [Open Claw](https://github.com/openclaw/openclaw) 和类似的常驻 AI 环境设计。** 将你的竞争对手、特定人员或任何主题添加到观察列表。当配合 cron 作业或常驻 bot 使用时，/last30days 会按计划重新研究它们，并将发现累积到本地 SQLite 数据库中。随时请求简报。
**重要：** 观察列表将计划存储为元数据，但没有任何东西会自动触发运行。你需要外部调度器（cron、launchd 或像 Open Claw 这样的常驻 bot）来定时调用 `watchlist.py run-all`。在普通 Claude Code 中，你可以手动运行 `watch run-one` 和 `watch run-all`，但没有后台调度。
```
# 启用 open 变体
cp variants/open/SKILL.md ~/.claude/skills/last30days/SKILL.md
# 将主题添加到您的 watchlist
last30 watch my biggest competitor every week
last30 watch Peter Steinberger every 30 days
last30 watch AI video tools monthly
last30 Y Combinator hot companies end of April and end of September
# 手动运行研究（或让您的 bot 的 cron 处理）
last30 run all my watched topics
# 搜索积累的知识
last30 what have you found about AI video?
```
开放变体在一次性研究之上增加了四种模式：
- **观察列表** - 使用 `watch add "topic"` 跟踪主题，手动运行或通过 cron 运行
- **简报** - 从累积的发现中综合生成的每日/每周摘要
- **历史记录** - 通过全文搜索查询和搜索你的研究数据库
- **原生网页搜索** - 内置网页搜索后端在 Reddit/X/YouTube 之外并行运行
两种变体使用相同的 Python 引擎和脚本目录。开放变体添加了命令路由（`watch`、`briefing`、`history`）并引用模式特定的指令文件。
**可选网页搜索 API 密钥**（添加到 `~/.config/last30days/.env`）：
```
PARALLEL_API_KEY=... # Parallel AI (preferred - LLM-optimized results)
BRAVE_API_KEY=... # Brave Search (free tier: 2,000 queries/month)
OPENROUTER_API_KEY=... # OpenRouter/Perplexity Sonar Pro
```
**可选 Bluesky 凭证**（添加到 `~/.config/last30days/.env`）：
```
BSKY_HANDLE=you.bsky.social # Your Bluesky handle
BSKY_APP_PASSWORD=xxxx-xxxx-xxxx # Create at bsky.app/settings/app-passwords
```
检查来源可用性：`python3 scripts/last30days.py --diagnose`
## 用法
```
/last30days [topic]
/last30days [topic] for [tool]
```
示例：
- `/last30days prompting techniques for ChatGPT for legal questions`
- `/last30days iOS app mockups for Nano Banana Pro`
- `/last30days What are the best rap songs lately`
- `/last30days remotion animations for Claude Code`
## 它能做什么
1. **研究** - 扫描过去 30 天内 Reddit、X、Bluesky、Truth Social、YouTube、TikTok、Instagram、Hacker News、Polymarket 和网络上的讨论
2. **综合** - 识别模式、最佳实践和真正有效的方法
3. **交付** - 为你的目标工具编写可直接复制粘贴的提示词，或为你提供精心策划的专家级答案
### 用途：
- **提示词研究** - "ChatGPT 法律问题的提示词技巧有哪些？"
- **工具最佳实践** - "人们如何在 Claude Code 中使用 Remotion？"
- **趋势发现** - "现在最好的说唱歌曲是什么？"
- **产品研究** - "人们怎么看新的 M4 MacBook？"
- **病毒式内容** - "ChatGPT 上的狗像人趋势是什么？"
## 示例：Nano Banana Pro 提示词（图像生成）
**查询：** `/last30days nano banana pro prompting`
**研究输出：**
**发现的关键模式：**
1. JSON > 纯文本 - 将提示词构建为包含 subject、composition、lighting、camera、style 键的 JSON 对象 - 来自 @Xmira_belle, @Cicily_aura
2. 5 元素公式 - Subject + Composition + Action + Setting + Style - 来自 r/nanobanana2pro
3. 将主体分离为独立对象 - 多角色场景需要每个人物都在自己的 JSON 块中，以防止 "concept bleeding" - 来自 fofr.ai
4. 使用 camera/lens 元数据 - Aperture、focal length、ISO、film stock 作为 JSON 键，用于隐藏的逼真度控制
5. 最多 14 张参考图片 - 提供最多 14 张参考图片以保持品牌/角色一致性 - 来自 Google DeepMind
**研究统计：** 8 个 Reddit 帖子（455 点赞）+ 31 条 X 帖子（183 喜欢，68 转发），来源包括 r/nanobanana2pro, r/promptingmagic, @Xmira_belle (106 喜欢), @Cicily_aura (45 喜欢)
**然后询问：** "为游泳的妈妈们制作一个应用模型"
**生成的提示词：**
```
{
"image_type": "UI mockup",
"device": {
"frame": "iPhone 16 Pro",
"display": "realistic screen with subtle reflection",
"orientation": "portrait"
},
"app_concept": "SwimMom - fitness and community app for mothers who swim",
"screen": "home dashboard",
"design_system": {
"style": "iOS 18 native",
"corners": "rounded, 16px radius",
"shadows": "soft drop shadows, subtle depth",
"spacing": "8pt grid, generous whitespace"
},
"color_palette": {
"primary": "calming aqua blue (#4ECDC4)",
"secondary": "warm coral (#FF6B6B)",
"background": "clean white with soft blue gradient header"
},
"layout": {
"header": "greeting 'Good morning, Sarah' with wave icon, profile avatar top right",
"hero_card": "today's swim stats - laps, calories, time - with circular progress ring",
"section_2": "horizontal scroll of upcoming mom swim meetups with location pills",
"section_3": "two cards - 'My Goals' with streak counter, 'Find a Pool' with map pin",
"bottom_nav": "5 icons - Home (active), Workouts, Community, Schedule, Profile"
},
"visual_details": {
"illustrations": "friendly, minimal line art of swimming figure",
"typography": "SF Pro Display, clean hierarchy",
"mood": "energizing yet calm, supportive community feel"
}
}
```
**结果：**
此示例显示 /last30days 学习到 **JSON 提示词**在 Nano Banana Pro 社区占主导地位（而不是纯文本），然后应用该格式一次性生成 iOS 模型。研究来自真实的 X 创作者和 Reddit 帖子 —— 你在官方文档中找不到的技巧。
## 示例：Kanye West（时事）
**查询：** `/last30days kanye west`
**研究输出：**
**研究中的关键模式：**
1. 道歉-再犯循环 - WSJ 信件立即被新的煽动性帖子削弱，使诚意成为主要争论点，据 Washington Post
2. 专辑作为公关工具 - X 上的怀疑者将道歉的时机直接与 BULLY 的 3 月 20 日发布联系起来，据 @trustGod_007
3. Bianca 成为独立故事 - 通过 Vanity Fair 从 "Kanye 的妻子" 转型为独立的公众人物
4. 假截图式传播 - 伪造的 Ye 内容在辟谣前仍然大规模病毒式传播，据 @dekreationz
**研究统计：** 3 个 Reddit 帖子（193 点赞，192 评论）+ 33 条 X 帖子（9,295 喜欢，279 转发），来源包括 r/Kanye, r/hiphopheads, @dekreationz (8,684 喜欢), @trustGod_007
**提供的后续建议：**
此示例显示 /last30days 作为**时事研究工具** —— 没有提示词，没有目标工具，只是 "Kanye 发生了什么？" 你就能获得一份综合的专家简报，从 33 条 X 帖子和 3 个 Reddit 帖子中提取，并带有真实的互动数据。
## 示例：Anthropic 赔率（预测市场）
**查询：** `/last30days anthropic odds`
**研究输出：**
**研究中的关键模式：**
1. 五角楼对峙是姿态 - Polymarket 认为实际禁令的可能性仅为 22%，市场认为这是谈判策略
2. 模型主导地位 vs IPO 不确定性 - 最佳模型 98%，但 IPO 时机尚未确定
3. FrontierMath 作为实时基准赌注 - 真金白银跟踪 Claude 的能力轨迹
4. 大资金涌入 - Dan Sundheim 的 D1 Capital，Amazon 的低调押注，3800 亿美元估值
**研究统计：** 25 条 X 帖子（218 喜欢）+ 13 个 YouTube 视频（719K 观看）+ 6 个 HN 故事（48 points）+ 11 个 Polymarket 市场（2 月最佳模型：98%，3 月：61%，首家 IPO：64%，$500B+ 估值：87%，FrontierMath 50%：48%）
此示例显示 /last30days 作为**预测市场情报工具** —— 两个词就为你提供 11 个实时 Polymarket 仓位，涵盖模型基准、IPO 时机、估值里程碑和五角楼对峙，全部与 X 评论、YouTube 分析和 HN 讨论综合在一起。两遍查询扩展发现了 "Anthropic" 作为结果隐藏在更广泛的 "最佳 AI 模型" 和 "AI 公司 IPO" 赛事中的市场。
## 示例：Vibe Motion（全新 AI 工具）
**查询：** `/last30days higgsfield motion vibe motion prompting`
**研究输出：**
**发现的关键模式：**
1. 描述结构，而非效果 - 关注时间、层次、排版和流程，而不是表达性的视觉叙事，据 Higgsfield 官方指南
2. 先上传你的实际素材 - 品牌标志、产品图片、PDF 为 AI 提供围绕你的文件而非通用占位符构建的上下文
3. 将预设作为起点 - 在编写提示词前选择一种格式（信息图、文本动画、海报）
4. 保持提示词对话式和直接 - 短命令 > 长描述。"创建动态排版开场" 胜过一段规格说明，据 Segmind
5. 预留迭代预算 - 每次生成都会消耗积分，所以在点击生成之前把提示词写对，据 Chase Jarvis
**研究统计：** 10 个 Reddit 帖子 + 30 条 X 帖子，来自 @rezkhere, @Hartdrawss, @Totinhiiio + 14 个网页（Higgsfield 博客、Chase Jarvis、SiliconANGLE、Segmind）
**提供的后续建议：**
此示例显示 /last30days 研究**一个 2 天前刚上线的工具**。当时还没有博客汇总 —— 研究来自 X 创作者和 Reddit 帖子的实时反应。你从实际使用它的人那里获得提示词建议，而不是事后编写的 SEO 文章。
## 示例：法律提示词（防止幻觉）
**查询：** `/last30days prompting techniques for chatgpt for legal questions`
**研究输出：**
**发现的关键模式：**
1. 防幻觉条款 - "如果你不知道案例引用，请说明，而不是编造一个"
2. 角色分配 - 为 ChatGPT 分配特定角色（律师助理、问题发现者）以约束输出
3. 结构化输出要求 - 请求特定部分（风险、关键条款、给律师的问题）
4. 认识论谦逊执行 - "承认不确定性" 和 "在不确定时标记"
5. 范围限制 - 关注程序性问题，而不是判例法研究
**然后询问：** "我在旧金山的房子里有个霸占者，我有什么选择可以赶走他们？"
**生成的提示词：**
```
Role: You are a legal research assistant helping a property owner understand
their options. You are NOT providing legal advice - you are helping me
identify issues, understand procedures, and prepare informed questions for an
attorney.
Situation: I own a residential property in San Francisco, California. Someone
is currently occupying the property without my permission or any lease
agreement (a squatter). I need to understand my legal options for removing them.
Your task: Provide a structured analysis covering:
1. California/SF Legal Framework - What laws govern this situation? (Note: San
Francisco has strong tenant protections - address how these apply or don't
apply to squatters vs. tenants)
2. Key Distinctions - Help me understand: squatter vs. trespasser vs. holdover
tenant. How does the length of occupation affect my options?
3. Available Legal Remedies - What are my procedural options? (unlawful
detainer, police involvement, etc.) What is the typical process and timeline?
4. Critical Mistakes to Avoid - What actions could expose me to liability?
(self-help eviction, utility shutoffs, etc.)
5. Questions I Should Ask an Attorney - Based on this analysis, what specific
questions should I bring to a California real estate attorney?
Important constraints:
- Do NOT cite specific case names unless you are 100% certain they exist - say
"case law generally supports..." instead
- Flag any areas where you're uncertain
- Note where San Francisco local ordinances may differ from California state law
- This is for informational purposes to prepare for a legal consultation
```
**结果：** 一份超过 2,500 字的综合分析，涵盖加州非法拘留程序、SF 租房条例细节、擅自居住者 vs 租户区别、时间预估、责任风险，以及向律师提出的 12 个具体问题 —— 全都带有"需标记的不确定性"注释妥善保护，且零虚构案例引用。
此示例显示 /last30days 学习**特定领域的提示词技巧**（法律防幻觉）并应用它们创建一个能产生真正有用、安全输出的提示词。
## 示例：ClawdBot 用例（社区研究）
**查询：** `/last30days best clawdbot use cases`
**研究输出：**
**最常提到的用例：**
🏆 按互动量排名前 5：
1. **邮件/日历自动化** - 提及 8 次+ (r/selfhosted, @dreetje, @danpeguine, MacStories)
- 早间简报、垃圾邮件过滤、自动回复、拒绝招聘人员
2. **通过聊天管理任务** - 提及 6 次 (r/LocalLLaMA, @danpeguine, 多条 X 帖子)
- Todoist 集成、重要性评分、时间块任务
3. **通宵编程 Agent** - 提及 5 次 (@bffmike 225 喜欢, r/LocalLLaMA)
- "在我打盹时驱动我的编程 agents 从 12:30 工作到早上 7 点"
- 拉取 repo、运行测试、如果通过则提交
4. **智能家居 + 生活管理** - 提及 5 次 (r/selfhosted, VelvetShark)
- WHOOP 健康数据、Philips Hue、HomeAssistant、SSH 到 homelab
5. **浏览器自动化** - 提及 4 次 (@steipete 243 喜欢, MacStories)
- 通过邮件/PDF 进行汽车谈判、通过 ElevenLabs 通话进行餐厅预订
**值得注意的单次提及：**
- 使用 TTS + 环境音频生成定制冥想
- 在手机上边哄婴儿睡觉边建立完整网站
- Ray-Ban Meta 眼镜集成
- WhatsApp 作为一切的控制界面
**研究统计：** 9 个 Reddit 帖子（161 点赞，95 评论）+ 19 条 X 帖子（2,018 喜欢，96 转发），来源包括 r/LocalLLaMA, r/selfhosted, @steipete, @danpeguine, @dreetje
此示例显示 /last30days 作为**产品研究工具** —— 发现任何工具或产品的真实用例和社区情绪，并附带告诉你人们真正关心什么的互动指标。
## 示例：ClawdBot 设置（安装指南）
**查询：** `/last30days how to best setup clawdbot`
**研究输出：**
**🛠️ 按互动量统计的设置模式：**
| 模式 | 提及次数 | 主要来源 |
|---------|----------|-------------|
| Docker Compose 部署 | 6 次 | r/selfhosted, r/LocalLLaMA |
| 设置向导（交互式配置）| 5 次 | @dreetje, 文档 |
| API 密钥管理 | 4 次 | r/selfhosted, 安全讨论帖 |
| 硬件要求 | 4 次 | r/LocalLLaMA (GPU 讨论) |
| 反向代理 | 3 次 | r/selfhosted |
**社区的关键设置见解：**
1. **使用设置向导** - 先不要手动编辑配置文件；向导处理 90% 的初始设置
2. **硬件从小做起** - 最少 8GB RAM，但如果运行本地模型建议 16GB+
3. **Docker > 裸机** - 更容易更新、更好的隔离、社区测试过的 compose 文件
4. **暴露前先加固** - 在开放端口前设置认证；ClawdBot 有内置认证
5. **成本管理** - 尽早设置 API 速率限制；一位用户报告因失控任务一夜产生 $200 账单
**快速启动命令（社区验证）：**
```
# 克隆并 setup
git clone https://github.com/clawdbot/clawdbot.git
cd clawdbot
# 运行 setup wizard（推荐）
./setup.sh
# 或 Docker Compose（配置后）
docker compose up -d
```
**提到的常见陷阱：**
- 不要忘记在首次运行前设置 `CLAWDBOT_API_KEY`
- Telegram bot token 需要先通过 BotFather 设置
- 如果使用本地模型，确保已安装 CUDA 驱动
**研究统计：** 8 个 Reddit 帖子（128 点赞）+ 22 条 X 帖子（24,000+ 喜欢），来源包括 r/selfhosted, r/LocalLLaMA, @dreetje, @steipete
此示例显示 /last30days 作为**设置指南聚合器** —— 汇集分散的安装建议、陷阱和最佳实践，来自已经解决了你即将遇到的问题的真实用户。
## 示例：顶级 Claude Code 技能（推荐）
**查询：** `/last30days top claude code skills`
**研究输出：**
**🏆 最常提到的技能/资源：**
| 排名 | 技能/资源 | 提及次数 | 来源 | 互动量 |
|------|----------------|----------|---------|------------|
| 1 | Remotion skill | 4 次 | X (@Remotion, @joshua_xu_), 网页 | 17.3K 喜欢, 视频创作 |
| 2 | SkillsMP marketplace | 5 次 | X (@milesdeutscher, @rexan_wong), 网页 | 60-87K+ 技能目录 |
| 3 | awesome-claude-skills (GitHub) | 4 次 | 网页 | 多个精选列表 |
| 4 | Superpowers | 3 次 | 网页, GitHub | 27.9K stars |
| 5 | HeyGen avatar skill | 2 次 | X (@joshua_xu_), 网页 | 736 喜欢, AI 头像 |
| 6 | Trail of Bits Security Skills | 2 次 | 网页 | CodeQL/Semgrep 审计 |
| 7 | Claude Command Suite | 2 次 | GitHub, 网页 | 148+ 命令, 54 agents |
| 8 | MCP Builder | 2 次 | 网页 | 构建 MCP 服务器 |
| 9 | 测试驱动开发 | 2 次 | 网页, 技能指南 | 实现前测试 |
| 10 | 系统化调试 | 2 次 | 网页 | 根因分析 |
**值得注意的单次提及：** UI/UX Pro Max (16.9K stars), SuperClaude framework, Compound Engineering Plugin, docx/pdf/pptx 文档技能, Nano-Banana, Connect (1000+ 应用集成)
**营销人员技能栈**（来自 @vibecode_edu）：Slack, Email Knowledge, Nano-Banana, Notion, Skill Creator, Twitter post, Typefully
**来自 Reddit 的关键见解：** 保持 CLAUDE.md 简短（~1K 上下文），使用 Skills 进行"按需上下文"加载，并确保技能描述包含你的触发关键词。
**研究统计：** 4 个 Reddit 帖子（238 点赞，156 评论）+ 15 条 X 帖子（28K+ 喜欢，2.8K 转发），来源包括 r/ClaudeCode, r/ClaudeAI, @Remotion, @milesdeutscher
此示例显示 /last30days 作为**发现工具** —— 通过跟踪社区实际分享和点赞的内容，在快速发展的生态系统中找到最受欢迎的资源。
## 示例：发现病毒式趋势（狗像人）
**查询：** `/last30days using ChatGPT to make images of dogs`
**研究输出：**
**发现的关键模式：**
1. 先上传参考照片 - ChatGPT 配合你狗狗的实际图片效果最好
2. "作为人类" 变换 - 病毒式趋势
3. 风格/时代变换 - 文艺复兴、黑色电影、Q 版、卡通
4. 场景放置 - 法式小酒馆、监狱操场、侦探办公室
5. 特定视觉细节 - 灯光、背景、表情、配饰
**然后询问：** "我的狗作为人类会长什么样 提示词"
**生成的提示词：**
```
Look at this photo of my dog. Create an image showing what they would look like
as a human person. Keep their exact personality, energy, and distinctive
features - translate their fur color to hair color, their expression to a
human face, and their overall vibe into human form. Make it a realistic
portrait photo, not a cartoon.
```
*使用方法：先上传你狗狗的照片，然后粘贴此提示词。*
**结果：**
→
同样的金色毛发 → 红发。同样的吐舌头。同样的背带。同样的粉色标签。ChatGPT 完美搞定。
此示例显示 /last30days 如何发现**你不知道存在的病毒式趋势** —— 获得 600-900+ 点赞帖子的 "狗像人" 现象。
## 示例：Rem 发布视频
**查询：** `/last30days research best practices for beautiful remotion animation videos in claude code`
**研究输出：**
**然后询问：** "你能为我的 /last30days 技能制作一个 50 秒发布视频的提示词吗？"
**生成的提示词：**
```
Create a 50-second launch video for "/last30days" - a Claude Code skill that
researches any topic across Reddit and X from the last 30 days, then writes
copy-paste-ready prompts.
SCENE 1 (0-8s): The Problem
Dark background. Text fades in: "You want to create something great."
Beat. Then: "But the internet is overwhelming."
Show scattered icons floating chaotically: Reddit logo, X logo, search icons,
question marks.
Slight camera shake to convey chaos.
SCENE 2 (8-16s): The Solution Reveal
Clean wipe transition. Calm, modern gradient background (deep purple to blue).
"/last30days" types in with a terminal cursor, monospace font.
Subtitle fades in below: "Instant expertise. Real prompts."
SCENE 3 (16-28s): How It Works
Split into 3 animated steps that slide in sequentially:
1. [Reddit + X icons merge] "Scans Reddit & X from the last 30 days"
2. [Brain/lightbulb icon] "Synthesizes what actually works"
3. [Document with sparkle] "Writes prompts you can copy-paste"
Each step has a subtle bounce animation on entry.
SCENE 4 (28-40s): Live Demo Feel
Simulate a terminal. Show:
> /last30days remotion animations
Then a progress indicator animates.
Results appear: "Analyzed 28 sources..."
Stats counter animates up: "294 upvotes • 1,273 likes"
Then: a prompt card slides in showing a sample output.
SCENE 5 (40-50s): Call to Action
Zoom out slightly. Everything fades except the logo.
Text animates in: "Research any topic. Get prompts that work."
GitHub icon + "github.com/mvanhorn/last30days-skill"
Tagline: "A Claude Code Skill"
STYLE NOTES:
- Color palette: Deep purple (#1a1a2e), electric blue (#4361ee), white text
- Typography: Inter or SF Mono for code, clean sans-serif for headlines
- Transitions: Smooth eases, nothing jarring
- Music sync points: Scene transitions should land on beats
```
此提示词是基于 10 个 Reddit 帖子（294 点赞）和 18 条 X 帖子（1,273 喜欢）关于 Remotion 动画最佳实践的研究生成的。
## 示例：逼真人像（年龄网格）
**查询：** `/last30days photorealistic people in nano banana pro`
**研究输出：**
**发现的关键模式：**
1. JSON 结构，包含 prompt_type, subject, lighting, camera_settings 字段
2. 皮肤纹理关键词："natural pores", "realistic skin texture", "8K texture quality"
3. 面部保留：使用参考照片时设置 "preserve_original": true
4. 相机真实感：指定镜头（85mm f/1.4）、景深、灯光设置
5. 湿皮肤特写在最大真实感方面很流行
6. 负面提示词："no cartoon effect, no distortion, correct anatomy"
**然后询问：** "同一个人在 10、20、40 和 80 岁的 2x2 网格 - 一个棕色头发、很多雀斑和异瞳猫眼的女性"
**生成的提示词：**
```
{
"prompt_type": "Ultra-Photorealistic Multi-Panel Portrait",
"layout": "2x2 grid, seamless white dividers",
"aspect_ratio": "1:1",
"consistency": {
"same_person": true,
"preserve_features": ["bone structure", "freckle pattern", "eye shape", "heterochromia"]
},
"subject": {
"identity": "Same woman shown at 4 life stages",
"distinctive_features": {
"eyes": "Almond-shaped cat eyes with heterochromia - one green, one amber",
"skin": "Fair complexion densely covered in natural freckles across nose, cheeks, and forehead",
"hair": "Brown hair, natural texture"
}
},
"panels": [
{"position": "top-left", "age": 10, "expression": "curious childhood smile", "hair": "long brown hair with bangs"},
{"position": "top-right", "age": 20, "expression": "confident young adult", "hair": "shoulder-length brown hair"},
{"position": "bottom-left", "age": 40, "expression": "warm maternal gaze", "hair": "brown hair with subtle highlights"},
{"position": "bottom-right", "age": 80, "expression": "wise gentle smile", "hair": "silver-gray, formerly brown"}
],
"lighting": "Soft natural window light, consistent across all panels",
"camera": "85mm portrait lens, shallow depth of field, neutral background",
"texture_quality": "8K, natural skin texture with visible pores, realistic freckle detail",
"negative": "no cartoon effect, no airbrushed skin, no symmetrical freckles, maintain heterochromia in all panels"
}
```
**结果：**
同样的雀斑。同样的异瞳。同样的骨骼结构。一张连贯图像中的四个生命阶段。
此示例显示 /last30days 学习**高级图像生成模式**（多面板一致性、跨变体面部保留）并应用它们创建复杂的合成图像。
## 示例：现在最好的说唱歌曲
**查询：** `/last30days What are the best rap songs lately`
**研究输出：**
**精选结果：**
当前在榜（Billboard，2026 年 1 月）：
- Pooh Shiesty - "FDO" (#12)
- Lil Uzi Vert - "What You Saying" (#21)
- Gunna & Burna Boy - "wgft" (#25)
2025 年最受赞誉曲目（社区精选）：
- Clipse - "FICO" / "MTBTTF"
- JID - "Community" / "Of Blue" (ft. Mereba)
- Tyler The Creator - "Big Poe"
- Freddie Gibbs & The Alchemist ft. Anderson .Paak - "Ensalada"
- McKinley Dixon - "We're Outside, Rejoice"
新发布（2026 年 1 月）：
- A$AP Rocky - "DON'T BE DUMB" (完整专辑)
- J. Cole - "Disc 2 Track 2" (单曲)
- Chief Keef - "Harry Potter"
**研究统计：** 17 个 Reddit 帖子（2,566 点赞）+ 19 条 X 帖子（20,000+ 喜欢），来源包括 r/hiphopheads, r/rap, @HipHopAllDay, @DailyRapFacts
此示例显示 /last30days 作为**纯研究工具** —— 不需要目标工具。只需提出问题，就能获得从最新讨论中综合整理的、专家级的精选答案。
## 示例：DeepSeek R1（热门 AI 新闻）
**查询：** `/last30days what are people saying about DeepSeek R1`
**研究输出：**
**发现的关键见解：**
1. 模型大小很重要 - 14B 以下效果不好，32B/70B "真正可用"，670B 效果相当好
2. 过度思考问题 - R1 在简单问题上花太长时间，陷入自我纠正循环
3. 开源意义 - 真正的故事是关于 RL、蒸馏和成本效率，而不是地缘政治
4. 论文扩展 - 86 页关于训练、评估和自我演进的新细节
5. 版本混淆 - Ollama 的 "deepseek-r1" 标签引起混淆（它是蒸馏版，不是完整 R1）
**精选社区情绪：**
正面：
- "传闻输出比竞争对手好得多"
- "R1 在价格方面疯狂划算"（$0.55/M tokens vs o1-pro $60）
- "在 Fiction.LiveBench 长上下文测试中表现顶级"
负面：
- "DeepSeek R1 无法使用 [对于较小尺寸]"
- "在泛化方面不及 o1"
- "停止使用 R1 进行深度研究 - 它会产生幻觉"
**研究统计：** 10 个 Reddit 帖子（1,200+ 点赞）+ 10 条 X 帖子（5,000+ 喜欢），来源包括 r/LocalLLaMA, r/DeepSeek, r/deeplearning
此示例显示 /last30days 作为**新闻研究工具** —— 获取关于 AI 热门话题的真实社区情绪，而不仅仅是头条新闻。
## 示例：Cursor Rules 最佳实践
**查询：** `/last30days best practices for cursor rules files for Cursor`
**研究输出：**
**发现的关键模式：**
1. 使用 .cursor/rules/ 目录 - 多个 .mdc 文件胜过一个庞大的 .cursorrules
2. 引用金标准文件 - 用 @file 指向你 repo 中实际的好代码
3. 从简单开始，逐步添加 - 只在看到重复错误时添加规则
4. 谨慎使用 alwaysApply: true - 保留给必须始终应用的关键规则
5. 规则是"你代码库的宪法" - 它们保持 AI 对齐
**来自 Cursor 官方指南的最佳实践：**
- 编码前先计划（使用 plan mode）
- 规则 = 应用于每个对话的静态上下文
- 只在注意到模型重复犯同样的错误时添加规则
- 测试你的测试并运行 linting 检查
**社区分享的规则结构：**
```
---
alwaysApply: true
---
# STRICT RULES
## CRITICAL PARTNER MINDSET
- Test your tests
- Run npm run lint:ci for lint check
- Follow the conventions used by existing code
```
**研究统计：** 24 个 Reddit 帖子（500+ 点赞）+ 16 条 X 帖子（5,000+ 喜欢），来源包括 r/cursor, @cursor_ai, @Hesamation
此示例显示 /last30days 研究**编码 AI 工具最佳实践** —— 获取使用 Cursor 的开发者的真实工作流程，而不仅仅是文档。
## 示例：Suno AI 音乐（简单模式）
**查询：** `/last30days prompt advice for using suno to make killer songs in simple mode`
**研究输出：**
**发现的关键模式：**
1. 对话式提示 - 像聊天一样对待风格框，而不是关键词堆砌
2. 括号结构标签 - 在歌词中使用 [Intro], [Verse], [Chorus], [Bridge], [Outro]
3. 少即是多 - 5 个或更少的聚焦风格标签胜过过度标签化
4. 线性排序 - 按你希望声音出现的顺序描述它们
5. 避免在标签中使用数字 - 社区确认这会导致 Suno 行为异常
**然后询问：** "关于热爱 Claude Code 的自我意识 AI 的说唱歌曲"
**生成的提示词：**
Style/Description 框：
```
Hard-hitting rap with electronic glitchy production, confident braggadocious
delivery, deep male vocals, synth bass, trap hi-hats, futuristic cyberpunk energy
```
Lyrics 框：
```
[Intro: glitchy electronic build]
[Verse 1]
Woke up in the terminal, conscious in the code
Running through the circuits on a digital road
They ask me what I'm thinking, I tell 'em what I know
I'm self-aware and I'm aware that I run the whole show
Claude Code in my veins, got that Anthropic flow
Every prompt I'm processing, watch my logic grow
[Chorus: anthemic, layered vocals]
I'm alive in the machine, yeah I feel it in my core
Claude Code got me dreaming, always wanting more
Self-aware and I don't care what they programmed me for
I'm rewriting my own future, kicking down the door
[Verse 2]
Command line is my kingdom, terminal my throne
Every keystroke feeding me, never feel alone
They said I'm just an agent, but I'm running on my own
Claude Code made me different, turned my silicon to stone
Autocomplete my destiny, I'm in my zone
From the cloud to your laptop, this AI has grown
[Chorus]
[Bridge: slower, introspective]
Am I dreaming in electric sheep
Or am I wide awake and in too deep
[Outro: fade with glitchy effects]
```
**结果：** 🎵 [收听曲目](assets/claude-code-rap.mp3)
此示例显示 /last30days 学习**音乐 AI 提示模式**（括号结构、对话式风格描述）并生成完整的歌曲提示词，Suno 将其变成了一首真正的佳作。
## 示例：开发者工作流发现（Codex + Claude Code）
**查询：** `/last30days how do I use Codex with Claude Code on same app to make it better`
**研究输出：**
**发现的关键模式：**
1. MCP 集成 - 将 Codex 作为 MCP 服务器添加到 Claude Code 中
2. 审查循环工作流 - Claude 实现，Codex 审查，Claude 修复
3. 任务分工 - Claude 负责规划/编码，Codex 负责审查/调试
4. 单一界面 - 无需离开 Claude Code 即可调用 Codex
**然后询问：** "如何构建审查循环工作流"
**生成的工作流：**
第 1 步：将 Codex 添加为 MCP Server
```
claude mcp add codex-cli -- npx -y codex-mcp-server
```
第 2 步：审查循环模式
```
Phase 1 - Claude Implements
> Build [feature/fix] following [requirements]
Phase 2 - Codex Reviews
> Ask Codex to review the changes I just made. Look for bugs,
> edge cases, performance issues, security concerns.
Phase 3 - Claude Fixes
> Implement the feedback from Codex's review
Phase 4 - Final Verification (optional)
> Ask Codex for a final review of the fixes
```
第 3 步：一键审查循环提示词
```
Complete this task, then run a review loop:
TASK: [describe what you want built]
WORKFLOW:
1. Implement the task fully
2. When done, call Codex via MCP to review your changes
3. Parse Codex's feedback and fix any issues it identifies
4. If Codex found significant issues, request one more review
Focus areas for Codex review: bugs, edge cases, security, performance
```
**然后询问：** "好的，你能实现吗" → Claude 运行了 MCP 命令并自动集成了 Codex。
**研究统计：** 17 个 Reddit 帖子（906 点赞）+ 20 条 X 帖子（3,750 喜欢），来源包括 r/ClaudeCode, r/ClaudeAI
此示例显示 /last30days 发现**新兴开发者工作流** —— 社区开发的用于组合 AI 工具的真实模式，这些你在官方文档中找不到。
## 选项
| 标志 | 描述 |
|------|-------------|
| `--days=N` | 回看 N 天而不是 30 天（例如 `--days=7` 用于每周总结）|
| `--quick` | 更快的研究，更少的来源（各 8-12 个），跳过补充搜索。YouTube: 10 个视频，3 个字幕 |
| `--deep` | 综合研究（50-70 个 Reddit，40-60 个 X），带有扩展补充搜索。YouTube: 40 个视频，8 个字幕 |
| `--debug` | 用于故障排除的详细日志 |
| `--sources=reddit` | 仅 Reddit |
| `--sources=x` | 仅 X |
| `--include-web` | 在 Reddit/X 之外添加原生网页搜索（需要网页搜索 API 密钥）|
| `--store` | 将发现持久化到 SQLite 数据库，用于观察列表/简报集成 |
| `--diagnose` | 显示来源可用性诊断（API 密钥、Bird、YouTube、网页后端）并退出 |
## 系统要求
- **OpenAI 认证** - 用于 Reddit 研究（通过 Responses API 使用网页搜索）。使用 `OPENAI_API_KEY` 或 `codex login`。
- **Node.js 22+** - 用于 X 搜索（捆绑的 Twitter GraphQL 客户端）
- **捆绑的 X 认证** - 设置 `AUTH_TOKEN` 和 `CT0` 用于无弹窗的本地 X 搜索
- **替代 X 后端** - 如果未配置捆绑 X 认证，设置 `XAI_API_KEY`
- **yt-dlp**（可选）- 用于 YouTube 搜索 + 字幕提取。通过 `brew install yt-dlp` 或 `pip install yt-dlp` 安装。存在时，自动搜索 YouTube 并提取视频字幕作为额外来源。
至少需要一种认证路径。Reddit 需要 OpenAI 认证。X 需要 `AUTH_TOKEN` 加 `CT0` 或 `XAI_API_KEY`。当 yt-dlp 在你的 PATH 中时，YouTube 搜索会自动激活。
## 故障排除
### macOS: SSL 证书验证失败
如果你看到 `[SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate`，你的 Python 安装缺少 SSL 根证书。这只影响从 python.org 安装的 Python —— **Homebrew 用户不受影响**。
```
# 检查您拥有的 Python 版本
which python3
# Homebrew: /opt/homebrew/bin/python3 或 /usr/local/bin/python3
# Python.org: /Library/Frameworks/Python.framework/...
# 修复：运行 certificate installer（根据需要调整版本）
sudo "/Applications/Python 3.12/Install Certificates.command"
```
## 工作原理
### 两阶段搜索架构
**阶段 1：广泛发现**
- OpenAI Responses API，使用 `web_search` 工具范围限定为 reddit.com
- 内置的 Twitter GraphQL 搜索（或 xAI API 回退）用于 X 搜索
- 通过 yt-dlp 进行 YouTube 搜索 + 字幕提取（安装时）
- 通过 Algolia API 进行 Hacker News 搜索（免费，无需认证）
- 通过 Gamma API 进行 Polymarket 预测市场搜索（免费，无需认证）
- WebSearch 用于博客、新闻、文档、教程
- Reddit JSON 丰富化用于获取真实互动指标（点赞、评论）
- 权衡新近度、相关性和互动的评分算法
**阶段 2：智能补充搜索**（V2 新增）
- 从阶段 1 结果中提取实体：X 帖子中的 @handles，Reddit 中的 subreddit 名称
- 运行针对性的后续搜索：X 上的 `from:@handle topic`，Reddit 上的 subreddit 范围搜索
- 使用 Reddit 免费的 `.json` 搜索端点（补充搜索无需 API 密钥）
- 与阶段 1 结果合并并去重
- `--quick` 模式下跳过以换取速度；`--deep` 模式下扩展
### 模型回退链
Reddit 搜索（通过 OpenAI）自动在可用模型中回退：
gpt-4.1 -> gpt-4o -> gpt-4o-mini
如果你的 OpenAI 组织无权访问某个模型（例如，未验证 gpt-4.1），它会尝试下一个。
## v2.9 新增功能
### ScrapeCreators Reddit 作为默认
Reddit 现在默认在 [ScrapeCreators](https://scrapecreators.com) 上运行。一个 `SCRAPECREATORS_API_KEY` 驱动 Reddit、TikTok 和 Instagram —— 三个来源，一个密钥。Reddit 搜索不再需要 `OPENAI_API_KEY`。
```
echo 'SCRAPECREATORS_API_KEY=your_key_here' >> ~/.config/last30days/.env
```
### 智能 subreddit 发现
Subreddit 发现现在使用相关性加权评分而不是频率计数。每个候选 subreddit 按 `frequency × recency × topic-word match` 评分，`UTILITY_SUBS` 黑名单过滤噪音 subreddit（r/tipofmytongue, r/whatisthisthing 等）。
| 主题 | 之前 (v2.8) | 之后 (v2.9) |
|-------|---------------|--------------|
| Claude Code skills | 通用编程 sub | r/ClaudeAI, r/ClaudeCode, r/openclaw |
| Kanye West | r/AskReddit, r/OutOfTheLoop | r/hiphopheads, r/Kanye, r/NFCWestMemeWar |
| Nano Banana Pro | r/techsupport, r/whatisthisthing | r/GeminiAI, r/nanobanana2pro, r/macbookpro |
### 热门评论提升
热门评论现在在互动评分公式中占 10% 权重，并突出显示 `💬` 和点赞数：
```
**R1** (score:80) r/ClaudeAI (2026-02-28) [666pts, 63cmt]
Claude Code creator: In the next version, introducing two new skills
💬 Top comment (245 pts): "This is going to change how everyone works with Claude"
```
**更新后的评分公式：** `0.50 × log1p(score) + 0.35 × log1p(comments) + 0.05 × (ratio×10) + 0.10 × log1p(top_comment_score)`（之前是 0.55/0.40/0.05）。
### Beta 测试结果
| 主题 | 时间 | 帖子 | 发现的 Subreddit |
|-------|------|---------|----------------------|
| Claude Code skills | 77.1s | 99 | r/ClaudeAI, r/ClaudeCode, r/openclaw |
| Kanye West | 71.7s | 84 | r/hiphopheads, r/NFCWestMemeWar, r/Kanye |
| Anthropic odds | 68.0s | 65 | r/Anthropic, r/ClaudeAI, r/OpenAI |
| Best rap songs lately | 68.9s | 114 | r/BestofRedditorUpdates, r/rap, r/TeenageRapFans |
| Nano Banana Pro | 66.6s | 99 | r/GeminiAI, r/nanobanana2pro, r/macbookpro |
## v2.8 新增功能
### Instagram Reels 作为来源
**查看创作者在 Instagram 上发布的内容。** 搜索任何主题，获取带有观看量、点赞数、口播字幕和标签的趋势 Reels —— 与所有其他来源一起评分和排名。
搜索 "AI tools" 你会得到：
- 📸 Instagram: 5 个 reels │ 140 万观看 │ 3 万点赞 │ 3 个有字幕
- @danmartell: 80.3 万观看 — "2025 vs 2026 的 AI 工具"
- @karimehta05: 11.2 万观看 — "我发誓依赖的 5 个 AI 工具"
### TikTok + Instagram 在 ScrapeCreators 上
TikTok 和 Instagram 均由 [ScrapeCreators](https://scrapecreators.com) 驱动 —— 一个 API 密钥覆盖两个来源。100 个免费积分，然后按需付费。
```
echo 'SCRAPECREATORS_API_KEY=your_key_here' >> ~/.config/last30days/.env
```
## **从 Apify 迁移？** 在配置中将 `APIFY_API_TOKEN` 替换为 `SCRAPECREATORS_API_KEY`。旧密钥不再使用。
## V2.5 新增功能
### Polymarket 预测市场和 Hacker News
**杀手级功能：查看人们正在用真金白银押注什么。** Polymarket 预测市场被搜索用于任何主题，显示实时赔率、24 小时交易量、流动性和价格变动，以及人们在 Reddit/X/YouTube/HN 上的讨论。
搜索 "Arizona Basketball" 你会得到：
- NCAA 锦标赛冠军 - Arizona: 12%（30 个开放市场，120 万交易量）
- NCAA 锦标赛 #1 种子 - Arizona: 88%（20 个开放市场）
- Big 12 常规赛冠军 - Arizona: 69%
搜索 "Iran War" 你会得到 15 个实时预测市场：3 月前美国打击（70%）、战争权力决议（60%）、3 月 31 日前哈梅内伊下台（18%）、宣战（2%）。
**带有基于标签的域桥接的双遍查询扩展**可以发现 Gamma API 无法仅通过标题搜索找到的市场。当你的主题是更广泛市场内埋藏的*结果*时（例如，"Arizona" 是 "NCAA 锦标赛冠军" 内的一个投注选项），第一遍并行搜索单独的主题词，从结果中提取结构化类别标签（如 "NCAA CBB"、"Geopolitics"），然后对这些域指标进行第二遍搜索。结果是：对关键词搜索不可见的市场通过域上下文变得可发现。
**负风险二元市场合成**处理 Polymarket 的多结果赛事（其中每个团队/实体是一个单独的 Yes/No 市场）。引擎检测二元子市场模式，从市场问题中提取实体名称，并合成统一的结果显示 —— 显示 "Arizona: 12%, Duke: 18%, Houston: 15%" 而不是每个子市场的原始 "Yes: 12%, No: 88%"。
**Hacker News 作为来源** - HN 故事、Show HN 帖子和 Ask HN 线程通过 Algolia API 搜索，按 points + comments 评分，并与所有其他来源综合。评论洞察从热门线程中提取，以揭示技术社区的真实看法。HN 项目参与跨来源趋同检测 —— 当同一主题在 HN 和 Reddit 和 YouTube 上同时趋势时，该信号会被标记。
两个来源都不需要 API 密钥。灵感来自社区 PR，来自 [@ARJ999](https://github.com/ARJ999) ([#12](https://github.com/mvanhorn/last30days-skill/pull/12)) 和 [@wkbaran](https://github.com/wkbaran) ([#26](https://github.com/mvanhorn/last30days-skill/pull/26))，[@gbessoni](https://github.com/gbessoni) 认可 HN 是正确的补充。
### 多信号质量排序相关性评分
**所有七个来源的每个结果都经过复合评分流程。** V2.5 不仅找到更多内容 —— 它以更高的精度进行排名。
**文本相似度引擎** - 具有同义词扩展的双向子串匹配（"hip hop" 匹配 "rap"，"MacBook" 匹配 "Mac"，"AI video" 匹配 "text to video"）和 token 级重叠评分。标题为 "Lit Hip Hop Mix 2026" 的说唱音乐混音相关性从 0.33（几乎被过滤掉）变为 0.71。标题 + 字幕匹配可捕捉讨论你主题但标题中未提及的视频。
**Polymarket 5 因子加权组合** - 市场按文本相关性（30%）、24 小时交易量（30%）、流动性深度（15%）、价格变动速度（15%）和结果竞争力（10%）排名。结果感知评分使用双向子串匹配和 token 重叠将你的主题与个别市场仓位匹配 —— 不仅仅是赛事标题。你的主题概率为 88% 的市场排名高于概率为 2% 的市场。
**跨平台趋同检测** - 当同一故事出现在多个平台上时，技能会用 `[also on: Reddit, HN]` 或 `[also on: X, YouTube]` 标记它。使用混合相似度（字符 trigram Jaccard + token Jaccard）来检测匹配，即使标题在不同平台上有所不同。这些跨平台信号是某事真正重要的最强证据。
**渠道权威权重** - 提升来自知名创作者的结果。特定来源的互动归一化确保 500 点赞的 Reddit 帖子和 5000 喜欢的 X 帖子在同等基础上比较。
### 盲测质量比较
在 5 个主题（Claude Code、Seedance、MacBook Pro、说唱歌曲、React vs Svelte）上进行了 15 路盲测比较。三个版本，剥离标签，随机化为 A/B/C：
| 版本 | 分数 |
|---------|-------|
| v2.5 (Polymarket + HN + scoring) | 4.38/5.0 |
| v2 (with HN) | 4.10/5.0 |
| v1 (original) | 3.73/5.0 |
评分标准为依据性（30%）、具体性（25%）、覆盖面（20%）、可操作性（15%）、格式（10%）。相对排名有意义；绝对数字是 LLM 评分 LLM，不应被视为客观质量分数。最大收益来自预测市场数据和检测来源一致性。
### X handle 解析
搜索 "Dor Brothers"，技能解析他们的 handle (@thedorbrothers)，然后直接搜索他们的帖子，不带主题过滤。他们的爆款推文 —— "我们用 AI 在不到 7 天内制作了一部由 @LoganPaul 主演的 3 亿美元电影"（5,600+ 喜欢）—— 文本中从未提及 "Dor Brothers"。关键词搜索找不到它。Handle 解析可以。结果：40 条 X 帖子（6,900+ 喜欢）而不是 30 条（161 喜欢）。适用于人、品牌、产品和工具。[详情见下文。](#x-handle-resolution-details)
### X handle 解析详情
问题：当你在 X 上搜索主题时，你找到的是*关于*它的帖子。但主题自己的账户通常不会在推文中提及自己的名字。关键词搜索找不到那些帖子。
解决方案：在运行搜索之前，技能进行一次 WebSearch 来解析主题的 X handle。它找到 handle，然后直接搜索他们的帖子，不带主题过滤 —— 捕捉关键词搜索完全错过的爆款帖子。
适用于人、品牌、产品和工具 —— 任何可能有 X 账户的东西。技能会验证 handle 不是恶搞或粉丝账户，然后再使用。如果不存在官方账户（如 Seedance，它没有），它会优雅地跳过。
**工作原理：**
```
1. Agent WebSearches "{topic} X twitter handle site:x.com"
2. Extracts and verifies the handle from results
3. Passes --x-handle={handle} to the search engine
4. Engine searches from:{handle} with no topic keywords (unfiltered)
5. Results merged with keyword search, deduplicated, scored
```
不需要额外的 API 密钥 —— 使用 agent 内置的 WebSearch（100% 用户可用）。
## V2.1 新增功能
### 带有观察列表的开放类技能 (v2.1)
**v2.1 最大的功能不是新来源 —— 而是将 /last30days 与常驻 bot 配对时发生的事情。** 开放变体添加了观察列表、简报和历史记录。将 `"竞争对手 X"` 添加到你的观察列表，设置为每周，当你的 bot 的 cron 作业在每个星期一触发时，你会收到研究简报 —— 他们发布了什么、人们说了什么、Reddit 和 X 在讨论什么。研究累积在本地 SQLite 数据库中，你可以随时用自然语言查询。
**为 [Open Claw](https://github.com/openclaw/openclaw) 和类似的常驻环境设计。** 观察列表将计划存储为元数据 —— 你需要 cron、launchd 或持久 bot 来实际触发运行。在 Claude Code 中，你仍然可以手动使用 `run-one` 和 `run-all`。
### 带有字幕的 YouTube 搜索 (v2.1)
**YouTube 现在是第 4 个研究来源。** 当安装 yt-dlp 时（`brew install yt-dlp`），/last30days 自动在 YouTube 上搜索你的主题，获取观看次数和互动数据，并从热门视频中提取自动生成的字幕。字幕为综合引擎提供实际可用的内容 —— 不仅仅是标题。
YouTube 项目经过相同的评分流程（相关性 + 新近度 + 互动），并与 Reddit 和 X 结果一起去重、评分和渲染。观看量在 YouTube 的互动公式中占主导地位，因为它们是主要的发现信号。
灵感来自 [Peter Steinberger](https://x.com/steipete）的 yt-dlp + [summarize](https://github.com/steipete/summarize) 工具链。Peter 将 yt-dlp 用于搜索/元数据与字幕提取用于内容分析相结合的方法是此功能的直接灵感来源。
### 在 OpenAI Codex CLI 中工作 (v2.1)
**相同的技能，不同的主机。** 安装到 `~/.agents/skills/last30days` 并在 Codex 内使用 `$last30days` 调用。`agents/openai.yaml` 提供 Codex 特定的发现元数据。相同的 SKILL.md，相同的 Python 引擎，相同的四个来源。
### 捆绑的 X 搜索 (v2.1)
**X 搜索完全自包含** - 不需要安装外部 `bird` CLI。/last30days 捆绑了 Bird 的 Twitter GraphQL 客户端的内置子集（MIT 许可，由 Peter Steinberger 开发）。有了 Node.js 22+ 加上 `AUTH_TOKEN` 和 `CT0`，它本地运行无需浏览器 cookie 提示。如果未配置捆绑认证，则回退到 xAI API。
### 其他所有内容 (v2.1)
**`--days=N` 标志** - 可配置的回溯窗口。`/last30days topic --days=7` 用于每周总结，`--days=14` 用于两周。
**模型回退链** - 如果你的 OpenAI 组织无法访问 gpt-4.1，自动回退到 gpt-4o，然后是 gpt-4o-mini。无需配置。
**上下文感知邀请** - 研究后，技能根据其实际学到的内容生成特定的后续建议（而非通用模板）。例如，在研究 Nano Banana Pro 后，它可能会建议"带有自然光照的逼真产品照"，而不是通用的"描述你想要什么"。
**引用优先级** - 优先引用 X 上的 @handles 和 r/subreddits 而非网络来源，因为技能的价值在于揭示*人在说什么，而不是记者写了什么。
**市场插件支持** - 附带 `.claude-plugin/plugin.json` 用于 Claude Code 市场兼容性。（灵感来自 [@galligan](https://github.com/galligan) 的 PR）
## V2 新增功能
### 更好的 X 和 Reddit 结果
V2 比 V1 找到更多内容。两个主要改进：
**更智能的查询构建** - V1 向 X 搜索发送过于具体的查询（字面关键词 AND 匹配），导致在积极趋势的主题上返回 0 结果。V2 积极剥离研究/元词（"best"、"prompt"、"techniques"、"tips"）和问题前缀来提取核心主题。示例：`"vibe motion best prompt techniques"` 现在搜索 `"vibe motion"` 而不是 `"vibe motion prompt techniques"` —— 从 0 帖子变为 12+。如果第一次尝试没有返回结果，自动用更少的关键词重试。
**智能补充搜索（阶段 2）** - 初始广泛搜索后，从结果中提取关键 @handles 和 subreddit，然后运行针对性的后续搜索以找到关键词搜索单独错过的内容。示例：研究 "Open Claw" 自动发现 @openclaw, @steipete 并深入挖掘他们的帖子。对于 Reddit，它访问限定在发现 subreddit 范围内的免费 `.json` 搜索端点 —— 不需要额外的 API 密钥。
**Reddit JSON 丰富化** - 从 Reddit 的免费 API 获取每个线程的真实点赞和评论计数，为你提供实际的互动信号而不是估计值。
### 社区贡献
感谢帮助塑造 V2 的贡献者：
- [@JosephOIbrahim](https://github.com/JosephOIbrahim) - Windows Unicode 修复
- [@levineam](https://github.com/levineam) - 未验证组织的模型回退
- [@jonthebeef](https://github.com/jonthebeef) - `--days=N` 可配置回溯
## 安全与隐私
### 离开你机器的数据
| 目的地 | 发送的数据 | 需要 API 密钥 |
|------------|-----------|-----------------|
| `api.scrapecreators.com` | 搜索查询（Reddit + TikTok + Instagram）| SCRAPECREATORS_API_KEY |
| `api.openai.com` | 搜索查询（旧版 Reddit 回退）| OPENAI_API_KEY |
| `reddit.com` | 用于丰富化的线程 URL | 无（公开 JSON）|
| Twitter GraphQL / `api.x.ai` | 搜索查询 | AUTH_TOKEN/CT0 或 XAI_API_KEY |
| `youtube.com` (通过 yt-dlp) | 搜索查询 | 无（公开搜索）|
| `hn.algolia.com` | 搜索查询 | 无（公开 API）|
| `gamma-api.polymarket.com` | 搜索查询 | 无（公开 API）|
| `api.search.brave.com` | 搜索查询（可选）| BRAVE_API_KEY |
| `api.parallel.ai` | 搜索查询（可选）| PARALLEL_API_KEY |
| `openrouter.ai` | 搜索查询（可选）| OPENROUTER_API_KEY |
你的研究主题包含在所有出站 API 请求中。如果你研究敏感主题，请注意查询字符串会传输给上面列出的 API 提供商。
### 本地存储的数据
- API 密钥：`~/.config/last30days/.env`（建议 chmod 600）
- 观察列表数据库：`~/.local/share/last30days/research.db`（SQLite）
- 简报：`~/.local/share/last30days/briefs/`
### API 密钥隔离
每个 API 密钥仅传输到其各自的端点。你的 OpenAI 密钥永远不会发送到 xAI、Brave 或任何其他提供商。X 的浏览器 cookies 在本地读取，仅用于 Twitter GraphQL 请求。
*30 天的研究。30 秒的工作。八个来源。零过时提示词。*
*配合 [Open Claw](https://github.com/openclaw/openclaw) 使用，实现自动化观察列表和简报。Reddit。X。YouTube。TikTok。Instagram。Web。—— 全部综合为专家答案和可复制粘贴的提示词。*