last30days-skill

从最近 30 天中研究任意主题。也可通过 “last30” 触发。数据来源包括 Reddit、X、YouTube 和 Web。成为该领域专家，并生成可直接复制粘贴的提示词。 (GitClassic)

last30days v2.1：从最近 30 天研究任意主题

在 Reddit、X、YouTube 和 Web 上研究任何主题。提取人们当前真正讨论、推荐和争论的内容。 (GitClassic)

⚠️ 关键：解析用户意图

在执行任何操作之前，需要从用户输入中解析：

TOPIC（主题）：用户想了解的内容（例如：“web app mockups”、“Claude Code skills”、“image generation”）
TARGET TOOL（目标工具）（如果指定）：用户将使用提示词的工具（例如：“ChatGPT”、“Midjourney”）
QUERY TYPE（查询类型）：用户希望进行的研究类型：
- PROMPTING（提示词）：如 “X prompts”、“prompting for X” → 学习技巧 + 获取可复制提示词
- RECOMMENDATIONS（推荐）：如 “best X”、“top X” → 获取具体列表
- NEWS（新闻）：如 “what’s happening with X” → 获取最新动态
- GENERAL（通用）：其他情况 → 获取整体理解

常见模式：

[topic] for [tool] → 指定了工具
[topic] prompts for [tool] → 指定了工具
仅 [topic] → 未指定工具
“best/top” → 推荐类查询

重要：在研究前不要询问目标工具。 (GitClassic)

需要存储的变量

TOPIC
TARGET_TOOL（未指定则为 “unknown”）
QUERY_TYPE

在调用工具前，必须向用户展示解析结果：

我将从 Reddit、X 和 Web 中研究 {TOPIC}，查找最近 30 天的讨论。

解析结果：
- TOPIC = {TOPIC}
- TARGET_TOOL = {TARGET_TOOL 或 "unknown"}
- QUERY_TYPE = {QUERY_TYPE}

研究通常需要 2-8 分钟（小众主题更久）。现在开始。

研究执行流程

Step 1：运行研究脚本（前台执行）

必须以前台方式运行（不可后台执行），超时时间为 5 分钟。 (GitClassic)

脚本会自动：

检测 API key
搜索 Reddit / X / YouTube
输出所有结果（包括 YouTube 转录）

输出包含三部分：

Reddit
X
YouTube

Step 2：补充 WebSearch

在脚本完成后执行 WebSearch，用于补充博客、教程、新闻等内容。 (GitClassic)

根据 QUERY_TYPE 选择查询方式：

推荐类：搜索“best {TOPIC}”等
新闻类：搜索“{TOPIC} news 2026”
提示词类：搜索“{TOPIC} prompts examples”
通用类：搜索“{TOPIC} 2026”

要求：

使用用户原始术语
排除 reddit / x（已覆盖）
包含博客、文档、GitHub

Judge Agent：综合分析

完成所有搜索后，进行内部综合分析：

Reddit / X 权重更高（有互动数据）
YouTube 权重高（有观看量、点赞、转录）
Web 权重较低
找出跨来源的共同模式
识别矛盾点
提取 3–5 个关键洞察 (GitClassic)

⚠️ 关键：基于“真实研究内容”

必须基于研究输出，而不是已有知识：

使用真实提到的产品名称
使用来源中的观点
避免“主观推测”

如果是推荐类查询（RECOMMENDATIONS）

必须提取具体名称：

示例（正确）：

/commit（5 次提及）
remotion skill（4 次）

而不是泛泛总结。 (GitClassic)

输出结构

第一部分：What I learned

基于研究输出总结：

What I learned:

Topic 1 — 内容（来自 Reddit/X）
Topic 2 — 内容
Topic 3 — 内容

KEY PATTERNS:
1. ...
2. ...
3. ...

第二部分：统计信息（必须精确计算）

---
✅ All agents reported back!
├─ 🟠 Reddit: {N} threads │ {N} upvotes │ {N} comments
├─ 🔵 X: {N} posts │ {N} likes │ {N} reposts
├─ 🔴 YouTube: {N} videos │ {N} views │ {N} with transcripts
├─ 🌐 Web: {N} pages (supplementary)
└─ 🗣️ Top voices: @{handle1}, r/{sub}
---

第三部分：引导用户

根据 QUERY_TYPE 给出下一步建议，例如：

提问
深入分析
生成 prompt

必须提供 2–3 个具体示例。 (GitClassic)

用户回复后的处理

根据用户意图执行：

提问 → 直接回答
深入 → 扩展分析
创建内容 → 生成 Prompt

Prompt 生成规则

必须：

符合研究中推荐的格式（如 JSON / 结构化）
可直接复制使用
使用研究中提到的关键词

输出格式：

Here's your prompt for {TARGET_TOOL}:

---

[Prompt 内容]

---

This uses ...

Prompt 之后的总结

---
📚 Expert in: {TOPIC} for {TARGET_TOOL}
📊 Based on: {统计数据}

Want another prompt? Just tell me what you're creating next.

安全与权限

该技能会：

使用 OpenAI API 搜索 Reddit
使用 X API 或 Cookie 搜索 X
使用 yt-dlp 获取 YouTube 数据
使用搜索 API 获取 Web 内容
存储数据到本地 SQLite (SkillsLLM)

不会：

不会发帖或点赞
不会访问用户账号
不会共享 API key
不会记录密钥
不会发送未授权数据 (SkillsLLM)

项目总结（原文含义）

这是一个用于：

实时趋势研究（30 天）
社区驱动洞察（Reddit/X）
自动生成 Prompt

的 AI Skill 工具。 (SourcePulse)

如果你下一步想深入，我可以帮你做一版更“架构级拆解”： 👉 它本质上是一个「RAG + 多源信号加权 + Prompt 编译器」系统，甚至可以直接改造成你在做的 AI 根因分析平台的一部分。

参考资料

last30days-skill
参考资料

last30days-skill 从最近 30 天研究任意主题