夜雨聆风你好，这里是郭震AI实验室！
今天刷 GitHub Trending，我第一眼看到的是 mvanhorn/last30days-skill。
它不是一个传统搜索引擎，也不是普通提示词合集，而是一个给 AI Agent 用的研究技能：你给它一个主题，它去最近 30 天的 Reddit、X、YouTube、Hacker News、Polymarket、GitHub 和网页里找信号，再合成一份可读的简报。
项目地址：https://github.com/mvanhorn/last30days-skill
我今天核对时，它在 GitHub 上约 30.9k stars，并且出现在 GitHub Trending 今日榜首，页面显示 1,111 stars today。License 是 MIT，最近的正式 Release 是 v3.3.0，发布时间是 2026-05-17。
我觉得它值得单独写，不是因为 star 多。
而是因为它抓住了一个内容创作者、研究员、产品经理和 AI 工具玩家都会遇到的痛点：信息不是不够，而是太散、太快、太难判断真实热度。
1 它解决的不是“搜索”，而是最近 30 天的真实信号
普通搜索更像是在找网页。
但很多 AI 工具的真实反馈，第一时间并不在正式博客里，而是在 Reddit 评论、X 线程、YouTube 长视频、Hacker News 争论、GitHub PR 和 issue 里面。
/last30days 的思路是：把这些分散来源交给 Agent 同时查，再让模型把它们压成一份简报。
这对我们做 AI 资讯、工具测评、竞品分析很有用，因为它看的是“最近大家真的在说什么”，不是只看某篇新闻通稿。
它的 README 里给了一个很直白的定位：Reddit upvotes、X likes、YouTube transcripts、Polymarket odds、GitHub 动向，这些都是不同类型的人群信号。
换句话说，它想做的不是“搜到更多链接”，而是让 Agent 帮你判断：哪些讨论值得看，哪些只是噪音。
2 怎么上手：先别急着全装，先做轻量核验
官方给了几种安装方式。
Claude Code 可以走 plugin marketplace；Codex、Cursor、Copilot、Gemini CLI 等 Agent Skills host，可以用 npx skills add mvanhorn/last30days-skill -g。
我这次没有在当前环境里做完整安装和长任务运行。原因很简单：这类工具真正跑起来会涉及浏览器登录态、API key、可选数据源和本地配置。我不想把“能列出 skill”包装成“已经完整实测所有来源”。
我做的是最小验证：用 npx skills add https://github.com/mvanhorn/last30days-skill --list 拉取并列出可用技能。结果能识别出 last30days，说明这个仓库作为 Agent Skill 包的入口是通的。后续如果真要跑完整研究任务，再按自己的工具链安装到 Codex、Claude Code 或 Cursor 里。
3 我最建议拿它做这三件事
第一件事，是做 AI 资讯选题。
比如你每天要判断“今天 AI 圈真正值得讲什么”，它比单纯刷新闻更接近真实讨论现场。
第二件事，是做人物或项目的最近动态研究。
README 里提到的 GitHub person-mode 很有意思：当主题是一个人时，它可以切到作者维度，看这个人最近在 GitHub 上真的 ship 了什么。
第三件事，是做工具对比。
比如 “OpenClaw vs Hermes vs Paperclip” 这种问题，普通搜索很容易变成几篇介绍文堆叠；但最近 30 天的社区反馈、PR、release、争论点，反而更能说明谁在被真实使用。
对公众号来说，这种能力很直接：它可以变成选题池、脚本提纲、工具对比表、会议前背景简报。
你不用把它想成一个完美答案机，先把它当成“社群雷达”更准确。
4 但它不是零成本魔法，配置边界要看清
这里我必须泼一点冷水。
README 写得很清楚：Reddit、Hacker News、Polymarket、GitHub 这些可以先跑；但 X、YouTube、TikTok、Instagram、Threads、Pinterest、Perplexity Sonar、Brave Search 等来源，很多都需要额外工具、登录态、API key 或付费额度。
这不算缺点，反而是这类工具的现实边界。
你想要跨平台、近实时、带互动数据的研究结果，就绕不开不同平台的访问权限。关键是别一上来把所有源都接满，先用免费源跑通，再慢慢增强。
还有一点要注意：社群热度不等于事实真相。
一个 Reddit 高赞评论，可能很有启发，也可能只是情绪；一个 X 热帖，可能是第一手爆料，也可能是误传。所以它适合作为研究加速器，不适合替代最后的事实核查。
我的建议是：凡是要写进文章、做成判断、影响商业决策的内容，最后都回到原始链接、官方文档、GitHub release 或可复现命令里确认一遍。
这也是我这次只写“项目拆解 + 轻量命令核验”的原因。
5 今晚最现实的试法
如果你想试，我建议不要一上来就问一个特别大的问题。
先拿一个明确主题，比如“最近 30 天大家怎么评价某个 AI 编程工具”，只开默认免费源，看看它能不能给出比普通搜索更有价值的简报。
然后再逐步接入 X、YouTube、Web Search、Perplexity 等增强来源。
如果是公众号助手，就要求它给标题、摘要、正文结构、配图建议和发布文案。
如果是代码助手，就要求它给改动摘要、验证结果、风险点和下一步建议。
你会发现，这套方法比“复制一个很长的提示词”更稳。
因为你不是在借别人的产品外壳，而是在搭自己的工作流骨架。
最后总结一下
一句话判断：
system_prompts_leaks 值得收藏，但不要照抄。
它最适合做 AI 产品、Agent 工作流、知识库助手、提示词工程的人看。
需要注意的是：它不是安装型项目，价值不在运行，而在拆结构。具体内容的来源、授权和适用边界，也要自己判断。
别把它当提示词答案。
把它当结构样本，反而更有用。
如果这篇文章对你有帮助，欢迎点赞、转发和在看。
也可以顺手给原项目点一个 star。
我们下篇再见。
