核心用法
last30days 是一个社区情报聚合工具，通过单一命令调用即可同时检索 Reddit、X（Twitter）、YouTube、TikTok、Instagram、Hacker News、Polymarket 预测市场及 GitHub 的公开讨论数据。用户只需输入主题（如 nvidia earnings reaction 或 AI video tools），工具自动完成多源搜索、内容去重、聚类排序，并输出带引用的合成简报。
显著优点
1. 多源实时聚合：覆盖 8 个平台，尤其擅长捕捉 Reddit 深度讨论、X 实时反应、YouTube 视频转录、Polymarket 预测赔率等单一工具难以同时获取的信号。
2. 结构化输出：自动生成「What I learned」叙事摘要、「KEY PATTERNS」要点列表及带统计的页脚，支持 --emit=compact 快速阅读或保存完整原始数据到本地 Markdown。
3. 智能预处理：通过 WebSearch 预解析 X 账号、GitHub 用户/仓库、Reddit 子版块等，显著提升人物/产品类主题的检索精度（Step 0.55 预研流程）。
4. 竞品对比模式：内置 COMPARISON 查询类型，可并行执行多实体检索，输出并排对比表格（Head-to-Head）及「Quick Verdict」社区共识总结。
5. 预测市场整合：Polymarket 数据直接以百分比赔率形式融入叙事，为新闻话题提供「真金白银」的量化预期。
潜在局限
- 依赖外部 API 与令牌：X 搜索需用户自备 AUTH_TOKEN/CT0 或 xAI API 密钥；TikTok/Instagram 需 ScrapeCreators API 密钥（10,000 次免费后按量计费）。无密钥时对应平台自动降级为零结果。
- 中文内容覆盖有限：主要优化英文社区检索，中文讨论（微博、小红书等）未接入，中文主题可能返回稀疏。
- 实时性受平台限制：Reddit 公共 API 偶有访问波动，极端情况下依赖 ScrapeCreators 备份；YouTube 依赖本地 yt-dlp，受 IP 速率限制影响。
- 合成质量依赖模型：最终摘要由宿主模型（Claude 等）生成，若未严格遵循 SKILL.md 的「LAW」格式约束，可能出现标题自创、多余 Sources 区块等格式漂移（v3.0.7+ 已引入结构锚点缓解）。
适合人群
- 投资者与分析师：快速获取标的公司（如 NVDA）的社区情绪与预测市场赔率。
- 产品经理与创始人：追踪竞品口碑、功能对比及真实用户痛点。
- 内容创作者与营销人：捕捉 viral 话题、热梗及跨平台叙事趋势。
- 研究人员与记者：验证新闻线索的多源交叉印证，获取一手引用。
常规风险
- 隐私与合规：工具本身只读公开数据，但用户需自行保管 API 密钥（写入
~/.config/last30days/.env），避免意外泄露到版本控制。 - 幻觉与误引：若模型未严格执行「LAW 8」（内联链接引用），可能生成无法溯源的「社区说法」；建议关键论断二次核对原始 Markdown 存档。
- 成本累积：TikTok/Instagram 搜索在免费额度后按 ScrapeCreators 定价计费，高频使用需监控用量。