last30days-skill

Q: 研究结果默认存在哪？

默认 ~/Documents/Last30Days/（Windows 为 C:/Users/ /Documents/Last30Days/），可用 LAST30DAYS_MEMORY_DIR 或单次 --save-dir 覆盖。

一句话让 AI 扒遍全网近30天，给你有据可查的总结

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 5811 🐛 待处理 24 👀 关注 218

GitHub ↗

GitHub 星标 ★ 66431

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源免费，无在线服务，需自行部署

项目预览

last30days-skill 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队mvanhorn

GitHubhttps://github.com/mvanhorn/last30days-skill

定价模式🏷️完全免费

价格说明开源免费，无在线服务，需自行部署

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai-prompts,ai-skill,bluesky,claude,claude-code,clawhub,deep-research,hackernews,instagram,openclaw,polymarket,recency,reddit,research,social-media,tiktok,trends,twitter,web-search,youtube

GitHub 星标★ 66431

上线时间2026-01-23 00:00:00

代码更新2026-11-01

仓库体积52.7 MB

本站数据更新2026-11-03

维护状态活跃

收录时间2026-09-12

浏览次数1

项目介绍

last30days-skill 是一个面向 AI Agent 的深度研究技能包，核心解决「让 AI 快速掌握某个话题最近动态」的问题。它把 Reddit、X、YouTube、Hacker News、Polymarket 以及普通网页等多个来源的近期内容统一抓取、筛选和整合，再由大模型合成一份有事实依据、带时间新鲜度的摘要。相比让模型凭记忆瞎编，它强调「近 30 天」的时效性和来源可追溯，适合做趋势追踪、舆情观察、投资情绪判断或竞品动态调研。项目以 Python 实现，提供提示词与技能定义，可接入 Claude Code、OpenClaw 等 Agent 框架，让智能体在对话中直接调用这套研究流程，输出结构化、可引用的结论，而不是泛泛而谈。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-12 · 当前星标 ★ 66431

技术标签

ai-prompts ai-skill claude claude-code clawhub

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：命令行工具 7 步

环境要求

支持 Agent Skills 的宿主环境（Claude Code、Codex、Cursor、Copilot、Gemini CLI、OpenClaw 等 50+
使用 npx 方式安装需本机具备 npx / Node.js 环境
直接使用引擎脚本需 Python 3（命令为 python3），并在项目仓库目录内执行
claude.ai 网页版需下载 last30days.skill 文件后上传，Claude Desktop 需下载对应平台 .mcpb 包

安装与启动步骤

1Claude Code 安装

在 Claude Code 内先添加 marketplace 再安装插件；这是推荐方式，之后可通过 marketplace 自动更新。
```
/plugin marketplace add mvanhorn/last30days-skill
/plugin install last30days
```
2通用 Agent 宿主安装

适用于 Codex、Cursor、Copilot、Gemini CLI 等 Agent Skills 宿主；-g 为用户级全局安装，去掉则只对当前项目生效。
```
npx skills add mvanhorn/last30days-skill -g
```
3其他宿主安装

OpenClaw 用 clawhub 安装；Grok 用 Build CLI 加 marketplace 后安装；也可上传 .skill 或拖入 .mcpb 包。
```
clawhub install last30days-official
```
4配置密钥

运行交互式安装脚本，逐个提示已知的 key，直接空输入可跳过；零配置下 Reddit、HN、Polymarket、GitHub 已可用。
```
skills/last30days/scripts/setup-keychain.sh
```
5预检查写入路径

在仓库目录内运行 preflight，查看本次研究会写入哪些文件，确认保存位置和命令参数无误。
```
python3 skills/last30days/scripts/last30days.py --preflight
```
6跑一次研究

把引号里的话题换成你要查的内容；--emit=json 输出机器可读结果，需要内部原始结构时才加 --json-profile=raw。
```
python3 skills/last30days/scripts/last30days.py "AI coding agents" --emit=json
```
7趋势发现与累积

无具体话题时用 --discover 获取榜单，注意它与位置话题和 --drill 互斥；加 --store 可把结果持久化到 SQLite。
```
python3 skills/last30days/scripts/last30days.py --discover "AI agents" --store
```

关键配置

配置项	必填	说明	示例
`LAST30DAYS_MEMORY_DIR`	否	研究文件保存目录，默认 ~/Documents/Last30Days/（Windows 为 C:\Users\<you>\Documents\Las	`/your/path/Last30Days`
`--save-dir`	否	单次运行指定保存目录，每次产出 <slug>-raw[-suffix].md	`--save-dir /your/path`
`--save-suffix`	否	为同一话题的多个版本加后缀区分（如按客户区分）	`--save-suffix=clientA`
`--output`	否	把渲染结果输出到精确路径，格式由 --emit 决定	`--output /your/path/report.json`
`--emit`	否	选择输出格式，json 为稳定带版本的 agent profile	`--emit=json`
`LAST30DAYS_LIBRARY_CONTEXT`	否	设为 off 可关闭新研究自动显示「From your library」上下文的被动注入	`off`

如何确认成功

运行 /last30days 查一个话题能返回带来源的近期摘要；或跑 --preflight 能正常打印本次写入计划即表示可用。

常见问题

Q：需要 API Key 才能用吗？

A：不需要。Reddit、HN、Polymarket、GitHub 零配置即可用；跑一次后安装向导可在 30 秒内解锁 X、YouTube、TikTok、arXiv、Techmeme 等来源。

Q：怎么更新到新版本？

A：Claude Code 用 claude plugin update last30days@last30days-skill；通用宿主用 npx skills update last30days -g；claude.ai 与 Claude Desktop 需重新下载并重新上传或拖入。

Q：研究结果默认存在哪？

A：默认 ~/Documents/Last30Days/（Windows 为 C:\Users\<you>\Documents\Last30Days\），可用 LAST30DAYS_MEMORY_DIR 或单次 --save-dir 覆盖。

Q：--discover 能和话题一起用吗？

A：不能。发现模式与位置话题、--drill 互斥；它有宿主判定的三命令协议和直接引擎的一步式两种形式。

Q：怎么查我以前研究过什么？

A：用 /last30days search my library for MCP servers，或 python3 skills/last30days/scripts/last30days.py library search "MCP servers"，离线且结果按话题与日期分组。

注意事项

README 声明 skills/last30days/SKILL.md 是最新命令与安装行为的权威来源，遇到不一致以它为准。
上面的 python3 命令需在项目仓库目录内执行，脚本相对路径为 skills/last30days/scripts/last30days.py。
--publish 是显式选择加入，发布内容默认公开，确认后再用；Atom 订阅需自行把输出目录托管到静态站点。
更多每客户端包装脚本、自定义同类 subreddit 与实验性 beta 通道见 CONFIGURATION.md。

核心亮点

聚合 Reddit、X、YouTube、HN、Polymarket 等 6+ 来源，覆盖社交、技术、预测市场多维度
强调近 30 天时效性，避免大模型用陈旧记忆回答热点问题
以 Agent Skill 形式提供，可直接接入 Claude Code 等框架，落地门槛低

不足之处

依赖各平台接口与抓取稳定性，来源变动或限流时效果会打折扣
作为提示词/技能型项目，深度定制和二次开发空间相对有限

适用场景

追踪某技术话题最近一个月的社区讨论与争议
调研某产品/公司在社交平台和预测市场上的近期口碑与预期
为投资或选题快速生成带来源的近期舆情摘要

替代项目

GPT Researcher、Perplexity 开源替代方案（如 Morphic）

上一篇：OpenViking

下一篇：grepai