/last30days 評測：53K 星 Claude Code Skill，把 15 個社群平台 30 天討論收斂成研究簡報

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

TL;DR：/last30days 是一個掛在 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等 50 多種 AI 工作環境下的開源研究 Skill，作者 Matt Van Horn 以 MIT 授權釋出，目前在 GitHub 累積超過 5.3 萬顆星、4600 多個 fork。它做的事情很單一：你輸入一個主題（人名、公司、產品、技術、爭議事件），它同時去 Reddit、X、YouTube、TikTok、Hacker News、Polymarket、GitHub、arXiv、Techmeme、LinkedIn 等 15 個以上平台抓最近 30 天的討論，按群眾互動（投票、按讚、觀看、實際下注金額）排序後，由 LLM 收斂成一份附引用的簡報。如果你做內容、做盡職調查、做技術選型，這個工具能取代你翻 RSS 與社群平台的體力活；如果你只是想找一份萬能 Prompt 模板，它不是這個用途。

不是 Prompt 產生器：研究簡報才是它的本職

很多介紹文把 /last30days 寫成「把 Reddit 與 X 的討論彙整成 Prompt 的小工具」，這個描述窄到誤導。實際走一次官方 README 與 Skill 設定檔，會看到非常不同的定位：它是一座多平台、由群眾互動訊號評分的並行搜尋引擎，產出是附來源引用的研究簡報（brief），不是 Prompt 模板。Prompt 只是這個簡報的一種可能用法。

官方倉庫 mvanhorn/last30days-skill 的開場標語是「searches people, not editors」，對照 Google 由編輯與 SEO 排序的邏輯，這個工具明確把排名權交給 Reddit upvote、X like、YouTube 觀看、TikTok 互動、Polymarket 實際下注金額。README 的說法是：「A Reddit thread with 1,500 upvotes is a stronger signal than a blog post nobody read」。

Pin

從分類看，它屬於 2026 年開始成形的 Agent Skill 這一代，不是單純的命令列腳本，而是一份宣告檔讓 Claude Code、OpenAI Codex、Cursor、Copilot、Gemini CLI 等宿主理解並呼叫。同一份程式碼可以在 Claude Code 以 plugin 載入，也可以透過 npx skills add 裝到 50 多個相容宿主，背後的引擎是同一套 Python 3.12 程式碼。

15 個以上來源，不只 Reddit 與 X

很多人把它簡化成「Reddit + X 聚合器」，但實際支援的來源清單長得多。把官方「Sources, scored by the people」表格拆開來看：

Pin

把這張表當採購清單會看錯重點。真正的設計意圖是「同一個主題在不同平台會說出不同的真話」，Reddit 給你酸民真相、YouTube 字幕給你專家訪談結論、Polymarket 給你市場用錢押出的機率、HN 給你開發者共識。工具把這些原本互不相通的牆內花園，透過你自己的 Key 與 cookie 串起來，再用一個 LLM 評審 synthesizer 把「同一個故事」跨來源合併成一份簡報。

怎麼裝才不踩雷：marketplace、npx skills、manual 三條路

網路上流傳的安裝指令常是 git clone … ~/.claude/skills/last30days，這條路其實是官方文件裡的「Manual (developer)」路徑，給想改原始碼的人用。一般使用者有三條更穩的路：

• Claude Code（官方推薦）：在 Claude Code 裡執行 /plugin marketplace add mvanhorn/last30days-skill，再 /plugin install last30days。好處是 marketplace 會幫你處理版本更新，plugin 快取會在新 release 發布時自動刷新。
• 跨宿主通用路：執行 npx skills add mvanhorn/last30days-skill -g。-g 是全局安裝，跨專案可用；不加 -g 則裝在當前專案的 ./.skills/。這條路相容 Codex、Cursor、Copilot、Gemini CLI、Windsurf、Cline、Continue、Roo、Aider Desk、OpenCode、Goose 等 50 多個宿主。
• Manual 開發者路：git clone 後用 ln -s 把 skills/last30days 軟連到 ~/.claude/skills/last30days。優點是改完原始碼立即生效，缺點是要自己 pull 更新。

此外還有 claude.ai 網頁版（上傳 .skill 檔）、Claude Desktop（拖曳 .mcpb）、OpenClaw（clawhub install last30days-official）三條較冷門的路徑，分別在 claude.ai 網頁、桌面版 MCP、OpenClaw 宿主下使用。Windows 桌面版的 .mcpb 目前還在等平台 manifest 收尾。

安裝完先做兩件事。第一件是跑 python3 skills/last30days/scripts/last30days.py --preflight，這個乾跑模式會列出你的設定來源、瀏覽器 cookie 計畫、預計寫入路徑，不會真的讀 cookie、寫檔或發研究請求，是安裝後的健康檢查。第二件是跑 /last30days 時加 --diagnose，它會實際探測每個來源的授權狀態（哪把 Key 過期、哪個 cookie 失效、哪個 CLI 不在 PATH 上）。

BYOK 與隱私邊界：「在本機跑」不等於「運算不外送」

README 寫得很直接的「No tracking. No analytics. Your research stays on your machine」，這句話是真的，但需要拆兩層才不會誤解。第一層是 儲存層：研究產出（Markdown、HTML、JSON 簡報）的確落在你本機的 ~/Documents/Last30Days/，沒有帳號伺服器收這些檔案，也沒有埋分析 SDK。第二層是 處理層：要讓 LLM 把 15 個來源的零碎內容收斂成一份簡報，你輸入的主題、以及各來源抓回來的貼文與留言，會送到你設定的雲端 LLM 與資料源 API，這是 BYOK（Bring Your Own Key）的必然代價。

這條邊界重要，是因為許多介紹文會把 /last30days 講成「裝個 OpenAI Key 就能用」。對照 Skill 設定檔 skills/last30days/SKILL.md 的 frontmatter，primaryEnv 其實是 SCRAPECREATORS_API_KEY（處理 TikTok、Instagram、Threads、Pinterest、LinkedIn、YouTube 留言這條抓取鏈的主要付費資料源），OPENAI_API_KEY 只是 optionalEnv 清單裡的其中一個選項，跟 XAI_API_KEY、OPENROUTER_API_KEY、PERPLEXITY_API_KEY、PARALLEL_API_KEY、BRAVE_API_KEY 並列。換句話說，工具沒有綁定單一模型供應商，synthesizer 可依你手上有的 Key 切換 OpenAI、xAI、OpenRouter、Perplexity 或 Parallel。

實際的 Key 與成本結構大致是這樣：Reddit、Hacker News、Polymarket、GitHub、StockTwits 完全免 Key；arXiv、Techmeme、Digg 的 CLI 在首跑時自動安裝、同樣免費；X 可以靠瀏覽器登入 cookie 免費抓，或設 XAI_API_KEY；YouTube 靠 yt-dlp 免費；Bluesky 只要 app password。付費段落在 ScrapeCreators（免費額度 1 萬次後 PAYG）、Perplexity 與 OpenRouter（PAYG）、Brave Search（每月 2 千次免費）。Key 可以放在 ~/.config/last30days/.env，也可以在 macOS 存進系統 Keychain（service name last30days-<KEY>），後者比純文字 .env 安全得多，是建議路徑。

隱私風險這樣看：你研究的主題、抓回來的貼文片段，會經過你選的 LLM provider。如果你的主題涉及商業盡職調查、當事人個資、還沒公開的產品代號，這些欄位會離開你的機器送到 OpenAI／xAI／OpenRouter 等伺服器，跟你自己用 ChatGPT 的隱私邊界是一樣的。要更保守可以選 OpenRouter 上提供零保留條款的模型，或把 SCRAPECREATORS_API_KEY 這類資料源 Key 拆到只有抓取層、不進 synthesizer，但這需要對架構動手術，不是設定開關。

幾種主題類型，效果差很大

/last30days 對主題的具體度非常敏感。把官方 README 與社群使用回饋整理一下，效果由強到弱大致是這樣的：

• 人名側寫（例如 /last30days Peter Steinberger）效果最直接。工具會先解析這個人的 X 帳號、GitHub 帳號、被討論的 subreddit，再並行抓最近 30 天的動態，包括加入哪家公司、最近 merge 幾個 PR、社群對他作品的評價、上過哪些 podcast。這些資訊散在 X、YouTube 字幕、GitHub commit、Reddit 討論裡，Google 拼不起來，LinkedIn 更不會有。
• 工具對比（例如 /last30days OpenClaw vs Hermes vs Paperclip）也很強。它會把每個工具的 GitHub star、PR 速度、release 頻率、社群評價拉成同一張表，並用一句話給出差異化定位（誰是執行層、誰是記憶層、誰是組織層）。star 數是即時拉 GitHub API，不是抄舊部落格。
• 爭議事件（例如 /last30days Kanye West 或某個最近爆發的公關危機）能整合論述兩端，同時呈現贊助商切割、輿論批評、粉絲相挺、Polymarket 對賠率的判斷，比單看新聞媒體的單一視角立體得多。
• 投資與趨勢研究（例如 /last30days what's exploding in AI agents?）會切到 discovery 模式，掃 Reddit 分類、HN 頭條、Digg AI 1000 排行榜，再用你的宿主 LLM 評審提名、過濾垃圾、給出 5 到 10 個速度排序的主題，每個附跨來源數字與動量標籤。
• 抽象或過寬主題（例如只輸入「AI」）效果最弱，雜訊多、cluster 難合併、brief 會發散。把主題下得越窄、越帶對比或人名，產出差異越明顯。

從 v3 到 v3.18（2026 上半年）這半年，社群貢獻者加了幾個關鍵能力：arXiv 與 Techmeme 兩條免 Key 來源、Digg AI 1000 故事 cluster（不需要 X cookie 就有）、重建後的 X 搜尋（FROM 與 ABOUT 兩條 lane 分開排序，讓當事人自己發的文與別人討論他的文不會混在一起）、LinkedIn 與 StockTwits 自動觸發、XSS 與 cookie 暫存檔權限的資安硬化、以及 doctor 健康檢查指令（一次跑所有來源、告訴你哪把 Key 過期哪個 cookie 失效）。175 個 merged PR 裡有 122 個來自 52 名外部貢獻者，這個節奏說明它不是一個高★但停滯的明星專案，而是真正在持續迭代的活專案。

誰適合用，誰可以先跳過

適合的人包括：每週要做內容選題、競品分析、技術選型的內容工作者與產品經理；需要在一場會議或一通開發者電話前快速掃過對方最近 30 天動態的業務與開發者；做投資或主題研究、想看真實群眾訊號而不是公關稿的分析師；以及需要在多個封閉平台之間比價、比口碑、比已知缺陷的採購者。對這些人來說，把「開 20 個瀏覽器分頁翻 Reddit/X/YouTube」這件 90 分鐘的事收斂成一次 /last30days 呼叫，是它的核心價值。

可以先跳過的人也很明確。如果你只用繁體中文主題、在乎的圈層在 PTT、Dcard、Threads 台灣圈，它的來源清單幫不上忙，雖然 CJK tokenization 有處理中文來源（小紅書、部分華語圈 X 帳號），但 UI 沒有繁中、也沒有 PTT/Dcard 這類在地源。如果你期待的是「按一個鍵就給我一份包山包海的現成 Prompt 模板」，這也不是它的本職，它給的是有引用、可追溯的簡報，要再把簡報轉成 Prompt 是你或宿主 LLM 的事。如果你的合規環境禁止任何資料外送雲端 LLM，BYOK 模型不適用，/last30days 基本上不能跑出有意義的結果。

跟手動翻社群、丟給 ChatGPT 的差別

「我自己翻 Reddit 跟 X 就好」是最常見的替代方案，但這個替代有兩個缺陷。第一是覆蓋廣度：人肉翻帖很少能同時顧到 Reddit、X、YouTube 字幕、Polymarket 賠率、HN、TikTok 互動，而這些平台互不相通。README 的比喻是 ChatGPT 有 Reddit 授權但碰不到 X 與 TikTok、Gemini 有 YouTube 但沒有 Reddit、Claude 原生連一個都沒有。第二是訊號合併：同一個事件（某產品發表、某人離職、某危機公關）會在不同平台被討論，工具會把「無線音樂節公告（Reddit）＋票價討論（TikTok）＋現場反應（X）」合併成一個 cluster，而不是三條獨立項目。

「直接把問題丟給 ChatGPT 或 Claude」是另一個常見替代，差異在時效與引用。通用 LLM 的訓練資料預設是過去的、不會主動去拉最近 30 天的 Reddit 長串與 X 留言；就算有聯網搜尋，也多半走 Google/Bing 結果，不會去翻 Reddit 留言與 X 討論。/last30days 的 brief 每個論點都附出處與互動數（1500 upvotes、653K 觀看、$66K 交易量），你可以點回去查證，這是搜尋引擎結果頁給不出來的。

另一個跟同類「AI 研究工具」的差異是授權與透明度。它 MIT 開源、整份引擎可自查、84% 測試覆蓋率門檻寫進 pyproject.toml（fail_under = 84），不像多數競品是閉源 SaaS。ScrapeCreators 與 Apify 這類閉源資料源是依賴層、可以替換或停用，主引擎不依賴它們也能跑（會退化成 web-only 模式）。如果你做的研究需要對外說明方法論（記者、分析師、學術），MIT 程式碼＋附引用簡報比閉源魔球容易交代。

已知限制與成本結構

• 付費源是隱藏成本。ScrapeCreators 是 primaryEnv，要解鎖 TikTok／Instagram／Threads／Pinterest／LinkedIn／YouTube 留言就會用到它，1 萬次免費額度耗盡後走 PAYG。Brave Search 每月 2 千次免費、Perplexity 與 OpenRouter 都是 PAYG。如果你只靠 Reddit＋HN＋Polymarket＋GitHub，可以完全零成本，但來源組合會受限。
• 平台 ToS 與反爬風險。X、TikTok、Instagram 對自動化抓取的態度持續收緊，工具靠瀏覽器 cookie 擷取這類內容，使用者要自己承擔帳號風險。README 的安全更新段落有提到 cookie 暫存檔權限 lockdown、HTML 渲染層的 stored-XSS 修補、OpenSSF Scorecard 與 build provenance attestation 等供應鏈硬化，但這些是程式碼安全，不是平台 ToS 保護傘。
• 單次研究耗時與 token 成本變動大。實際時間取決於來源數、查詢擴展強度、LLM synthesizer 模型；token 成本取決於你選的 BYOK 模型。官方文件沒有給固定「幾秒完成」的承諾，別照任何介紹文的秒數字面理解。
• 品質受 cookie 與 Key 狀態影響。X 過期 cookie、ScrapeCreators 額度用罄、Brave 額度用完，都會讓某條來源回傳薄薄的結果，這時 --diagnose 與 doctor 健康檢查指令是除錯工具。
• Xiaohongshu 需要當地服務。要查小紅書得自架 x-mcp 瀏覽器 plugin 或 xiaohongshu-mcp 服務，工具會自動探測 http://localhost:18060，這道自架門檻偏高。

安裝後第一次跑：建議的入門流程

• 先開原始來源 (Reddit、HN、Polymarket、GitHub) 試水溫。這四個免 Key、免 cookie，能驗證安裝是否正確。例如 /last30days OpenAI Codex 或 /last30days Claude Code，看看簡報結構是否符合預期。
• 需要 X 討論時再開 cookie。用自己平常登入 x.com 的瀏覽器 session 複用即可，不必再申請 API（X API 近年免費額度極度受限）。cookie 落在 macOS Keychain 或受保護的暫存檔，不要把這類 session 放共用機器。
• 主題下得越具體，brief 越有用。「AI agents」這種寬主題會回雜訊；「OpenClaw vs Hermes vs Paperclip」這種對比型、「Peter Steinberger」這種人名型、「Kanye West」這種事件型，效果明顯更好。
• 加 --emit=html 產出可分享的獨立簡報。HTML 模式會把所有引用、互動數、來源 cluster 包成一份自足檔案，方便寄給同事或附在內部報告裡；JSON 模式（--emit=json）則給機器可讀的版本化結構，方便接工作流。
• 長期追蹤同一主題加 --store。這會把每次研究結果寫進本地 SQLite，再搭配 scripts/watchlist.py 跑排程（可選 Slack／webhook 通知）與 scripts/briefing.py 產日／週摘要。

把它放回 TechMoon 介紹過的相關脈絡看會更清楚：它跟 OpenClaw Skills Registry 屬於同一個 Agent Skill 生態（一個是 Skill 目錄，一個是 Skill 實作）；跟 Refly Agent Skills Builder 是互補關係（Refly 幫你把工作流包成 Skill，/last30days 是已經包好的研究 Skill）；跟 AI YouTube Transcript 這類單一來源擷取器相比，/last30days 是把多個單一來源工具的職責整合到同一個並行引擎；如果你看過 awesome-gpt-image-2 這類結構化 Prompt 模板庫，/last30days 產出的 brief 可以直接餵給模板庫裡的生產 Prompt 用。

結論：值得裝，但要清楚它解的問題

把全篇幅收斂成一句話：/last30days 解的問題不是「幫我寫 Prompt」，而是「我沒時間每天翻 15 個平台的最近討論，但這些討論又是決策關鍵訊號」。在這個問題上，5.3 萬顆星、MIT 授權、Python 3.12 + 84% 測試覆蓋、52 名社群貢獻者、最近一個月還在持續 push 的活躍度，這幾項客觀指標撐得起「目前這個生態裡最值得裝的研究型 Skill」這個判斷，前提是你接受 BYOK 模型與平台 cookie 的隱私代價，並把付費源的額度納入成本評估。

如果你屬於前面列的「適合的人」任一類，安裝這個工具的 ROI 很可能在第一次跑完就回收。如果你的場景偏在地（PTT、Dcard）、偏單一平台（只需要 Reddit）、或合規環境不能外送雲端 LLM，那把它放觀察清單即可，等來源清單補上在地平台或你有合適的 BYOK 模型時再進場。它不是萬能工具，但解的問題夠具體、夠常見，值得放進任何重度 Claude Code／Codex 使用者的工具腰帶。

常見問題

一定要 OpenAI API Key 才能用嗎？ 不一定。Skill 設定檔的 primaryEnv 其實是 SCRAPECREATORS_API_KEY，OPENAI_API_KEY 只是可選 LLM provider 之一。你可以用 xAI、OpenRouter、Perplexity、Parallel 任一個替代。Reddit、HN、Polymarket、GitHub 完全免 Key。

支援繁體中文嗎？ 引擎有 CJK-aware 斷詞能處理中文來源（例如小紅書、部分華語 X 帳號），但 UI 沒有繁中介面，也沒有 PTT、Dcard、Threads 台灣圈等在地來源。對英文技術圈、國際人物、跨境產品主題最有效。

我的資料會被送到哪裡？ 簡報檔案儲存在你本機的 ~/Documents/Last30Days/，引擎沒有埋遙測與分析 SDK。但你輸入的主題、各來源抓回來的貼文與留言，會送到你設定的雲端 LLM 與資料源 API（ScrapeCreators、Perplexity、OpenRouter、Brave、xAI 等）。隱私邊界等同於你自己用這些 LLM 服務。

這樣抓 X、TikTok、Instagram 不會違反平台 ToS 嗎？ 工具靠你自己登入的瀏覽器 cookie 擷取這類內容，並透過 ScrapeCreators 等第三方資料源。X、Meta 對自動化抓取的態度持續收緊，使用者要自行承擔帳號風險與當地法規。官方 README 的安全更新段落處理的是程式碼層（cookie 暫存檔權限、HTML 渲染 XSS、供應鏈掃描），不是平台 ToS 保護傘。

跟 ChatGPT 內建搜尋、Perplexity 差在哪？ 通用 LLM 的搜尋多走 Google/Bing，不會主動翻 Reddit 留言串、X 長串、YouTube 字幕；/last30days 是多源並行 + 跨來源 cluster 合併 + 互動訊號評分，每個論點都附互動數與出處。Perplexity 是它的其中一個資料來源（可選），不是競爭對手。

產出格式有哪些？ 預設 Markdown 簡報；--emit=html 產出可分享的獨立 HTML；--emit=json 給機器可讀的版本化結構，方便接 agent 工作流。長期追蹤同一主題可加 --store 寫進本地 SQLite，再搭配 watchlist 與 briefing 腳本產日／週摘要。

作者與維運者是誰？ 作者 Matt Van Horn（GitHub: mvanhorn），v3 引擎架構由 j-sperling 打造，截至 v3.18.0 已有 52 名社群貢獻者、175 個 merged PR，活躍度高。MIT 授權、無追蹤、無分析、2700+ 測試。