Last 30 Days
输入主题即可并行扫描 Reddit、X、YouTube、TikTok、HN、Polymarket、GitHub 等平台，按真实互动排序证据，生成「过去 30 天人们到底在说什么」的舆情简报。
仓库：mvanhorn/last30days-skill
热度证据：58k star，趋势调研技能；58,044 star,时效性调研类技能标杆；GitHub 5.8 万星;aiskill.market 评测称它是『目录里最实用的客户/市场调研技能』(信号分 20K,评分 5/5)
五维评分
热度5/5
质量5/5
创新5/5
易用4/5
文档5/5
优秀点拆解
- 提示词当代码：11 条 LAW + 首行 badge 锚 + 陈旧克隆自检，把每个真实翻车案例写成前置断言和自查清单（如 LAW 3 禁 em-dash、LAW 4 禁 ## 小标题），显着压制模型输出漂移
- 失败案例即文档：每条规则附日期化灾难复盘（2026-04-18 公开版 0/8 回归、Kevin Rose 消歧失败等），配合 105KB CHANGELOG 与 docs/solutions/ 决策归档，是真实用户打磨出来的工程文档
- 宿主与引擎职责切分：LAW 7/11 规定宿主是规划者与裁判（--plan JSON、三命令发现协议），脚本只做并发抓取、评分、持久化，语义判断与机械执行各干所长
- 围墙花园组装 + 免费优先：16+ 来源适配器，Reddit/HN/Polymarket/GitHub 免密钥开箱即用，浏览器 cookie 直播读取不落盘，付费来源（ScrapeCreators 1 万免费调用等）按增量价值按需解锁
- 反 AI 味可检查契约：verbatim 社区评论织入（LAW 9）、RECOMMENDATIONS 信号加权而非提及计数、按宿主渲染能力分支的内联链接规则（LAW 8）
可复用的设计模式
- 把失败案例写成前置断言：规则前置 + 附日期的失败复盘注释，关键规则故意放在文件头部保证进入模型上下文
- 模型是规划者/裁判，脚本是执行者：用 mktemp + 引用 heredoc + trap 的 tmpfile 在宿主与引擎间传递 JSON 计划，规避命令行引号陷阱
- 双端渲染适配：按 env 变量（CLAUDECODE）确定性判定宿主渲染能力，内联链接 vs 纯标签分支，适配跨平台分发
- 健康检查前置：doctor 四态审计 + TTL 缓存 + --postmortem 归因，区分『来源安静』与『来源坏了』，避免配置故障误报成无内容
适用场景
见客户/CEO 前备会：了解目标人物过去 30 天的真实动态（推文、GitHub PR、社区口碑）竞品对比与产品调研：X vs Y 专用模板输出社区情绪、优缺点、Head-to-Head 表格突发新闻与趋势追踪：全局/领域发现模式输出按增长排序的话题 + 播客/X 文章双内容角度内容选题与 Prompt 生态学习：RECOMMENDATIONS 信号加权推荐，公司招聘信号分析（--hiring-signals）
边界与注意：非英语主题覆盖差（平台英文主导，需 Brave 后端且 X/YouTube 仍缺失）；冷门话题可能诚实空态；无付费密钥时 TikTok/Instagram 等来源缺失；首次配置向导较重（约 30 秒 + cookie 授权）；单次运行前台等待 3-5 分钟，不适合高频轻量查询
完整拆解分析文档
本页为摘要版，完整精读分析（核心机制、逐条优秀点拆解、写作过程）见本地 Markdown 文档：
analysis/last30days-skill.md