正在打开每日关注
正在打开每日关注
用 Agent 并行检索近30天多平台信号，按真实互动排序并合成为研究简报。
打破 AI 信息差 每天刷 X、Reddit、YouTube、GitHub、Hacker News，最浪费时间的就是信息太碎：同一个热点重复刷，真正有价值的新东西却藏在不同平台里。 很多内容你看到的时候，可能已经是几周前的旧讨论。 分享一个最近在用的开源神器：Last 30 Days 它的核心也很直接：只研究最近 30 天，全网真正正在讨论什么。 · 自动搜索 Reddit、X、YouTube、TikTok、Hacker News、GitHub 等平台最近一个月的内容 · 结合点赞、评论、互动这些真实信号，优先筛出真正有人关注的话题 · 自动归纳最近什么开始升温、哪些工具突然变火、哪些观点反复出现 · 做产品研究时，可以直接看最近一个月真实用户都在夸什么、吐槽什么 · 做自媒体时，可以直接拿它找最近正在起量的选题和新玩法 · 最后是整理成一份可以直接继续交给 AI 使用的研究结果 用法也很简单，直接给它一个主题，比如：/last30days AI Video 它就会把最近 30 天相关的新工具、新玩法、社区讨论和趋势变化一起扒出来。 GitHub：https://t.co/0pIKcK0JRq 信息差时代，真正值钱的不是知道得多，而是更早知道什么正在发生。 感兴趣的朋友可以自己研究一下～ DYOR
是什么
这是 mvanhorn/last30days-skill 提供的开源 AI Agent Skill：以最近30天为窗口，并行检索 Reddit、X、YouTube、TikTok、Hacker News、GitHub、Polymarket 等来源，按点赞、评论、upvote、互动或资金/赔率排序，由 AI agent judge 合成为带引用的研究简报。元数据显示它使用 Python，拥有 60,076 stars，创建于 2026-01-23，最近提交于 2026-08-26。
架构与核心设计 主线是来源采集与时间过滤 → 互动/相关性评分 → 跨源综合，把不同 API、密钥和登录态的平台接到同一 Agent 流程。README 还描述 BYOK、浏览器会话、首轮 setup、Codex 的 renderer-aware citations，以及发现模式和可继续追问的 follow-up。
关键洞察 值得借鉴的是把社区注意力当作排序信号，并让结果成为下一次 Agent 调用的输入；这让趋势发现、产品研究、人物调研和工具比较共享同一研究管线。
边界与风险 互动量不等于事实或代表性，热门观点可能放大偏见；覆盖依赖 API、密钥、登录态和外部 CLI。README 已截断，未说明的实现不宜推断；高风险结论仍需核对原文、日期和独立证据。