核心用法
last30days 是一个多模式 AI 研究技能，专注于挖掘过去 30 天内互联网上的热门话题、技术趋势和市场动态。用户可通过自然语言指令触发三种工作模式：
1. 单次研究模式（默认）：输入任意主题，如 last30 AI video tools，自动聚合 Reddit、X、YouTube、TikTok、Instagram、Hacker News、Polymarket、GitHub、Perplexity 等平台的讨论数据
2. 监控列表模式（watch）：持续追踪竞品、关键词或话题，如 last30 watch my competitor every week
3. 简报模式（briefing）：生成结构化晨报，如 last30 give me my briefing
系统采用 AI Agent 评分机制，基于 upvotes、likes、真实资金流动（Polymarket）等指标对信息质量进行排序过滤。
显著优点
- 多源聚合：覆盖开发者社区（GitHub、HN）、社交媒体（X、TikTok）、预测市场（Polymarket）、视频平台（YouTube）等差异化信息源
- 信号降噪：AI 自动过滤低质量内容，按真实互动数据加权
- 知识沉淀：SQLite 数据库持久化存储研究历史，支持跨会话查询
- 灵活配置：支持 OpenAI、xAI、OpenRouter、Perplexity、Brave 等多厂商 API 密钥轮换
潜在缺点与局限性
- API 依赖：核心功能（Reddit、X）需付费 API 密钥，免费替代方案（Bird CLI、yt-dlp）覆盖不完整
- 中文支持弱：主要数据源为英文平台，中文社区（微博、知乎、小红书）未接入
- 时效性边界："30 天"为固定窗口，无法灵活调整时间范围
- 评分黑盒性："AI Agent 评分"具体算法未开源，用户难以验证排序公正性
适合人群
- 早期投资人和 VC 分析师（追踪技术趋势、市场情绪）
- 产品经理（竞品监控、用户反馈聚合）
- 内容创作者和营销人员（热点捕捉、选题灵感）
- 独立开发者和开源贡献者（GitHub 趋势、HN 技术讨论）
常规风险
- 数据隐私：研究历史存储于本地 SQLite，但部分查询需发送至第三方 API
- 信息茧房：算法评分可能强化主流观点，边缘创新信号被过滤
- 平台政策风险：Reddit、X API 条款频繁变更，可能导致功能突然中断
- 成本累积：高频使用 Perplexity、OpenRouter 等高级搜索会产生可观费用