last30days-skill 测评：跨平台话题研究助手适合谁？优缺点与替代品

last30days-skill 是一款主打「跨平台话题研究」的 AI Agent Skill，它把 Reddit、X、YouTube、Hacker News、Polymarket 和普通网页的信息聚合在一起，再生成一份带来源的总结。结论是：它适合做横向调研的快速起手式，不适合替代深度访谈和一手数据。

从 GitHub Trending 的描述来看，它不是一个独立产品，更像 Claude 或其他 Agent 平台的「技能插件」。它的核心思路是——当你需要了解一个话题最近 30 天的讨论时，让 AI 自动替你跑一圈。

它默认接入了多个平台：社交讨论选 Reddit 和 X，长视频解说看 YouTube，技术圈观点看 Hacker News，预测市场数据来自 Polymarket，最后再用搜索引擎兜底。对中文用户来说，英文来源偏多，中文社区覆盖需要自己补。

产品定位与核心能力

主要做的事有三件：拉取多个来源的近期内容，过滤噪音和重复帖，再生成一段带引用链接的总结。比起自己手动开十几个标签页，它把「信息收集 → 提炼」两步压缩成了几步对话。

比较适合这几类人：做选题策划的内容创作者，需要每天扫一圈行业动态的产品经理，关注新工具和开源项目的开发者，以及写市场调研初稿的研究人员。

如果你需要的是深度学术文献、付费数据库的一手资料，或者要对某个结论做事实核查，这类工具都帮不上忙。它的价值在于发现线索，不在于背书结论。

最大的优点是省时间。其次是覆盖面广，同一个话题能在不同社区看到不同声音，降低单平台偏见。输出通常带来源链接，也方便回溯。

适用场景、限制与选择建议

限制也比较明显：依赖 API key 和外部数据源，遇到平台限流会直接缺一块；对非英语话题覆盖一般；所谓的 grounded summary 仍可能遗漏或误读，需要人工再过一遍。

项目本身以开源形式存在，没有订阅费，但运行它需要你配置大模型 API、社交平台 token 等，实际成本取决于调用频率和大模型选型，建议先按小预算试用。

想做类似事情，可以考虑几条路径：用 Perplexity 或同类 AI 搜索做单轮问答；用 LangChain、Dify 等框架自己搭一个聚合 Agent；或者直接在常用搜索工具里加时间过滤手动做。

建议从你最熟悉的英文话题开始，先看它抓回了哪些来源、总结是否漏掉关键人物，再决定要不要纳入日常工作流。功能演示和最新说明以仓库 README 为准。

简单判断：它是一台「调研起手式加速器」，不是结论背书机器。把它当雷达用，别当结论用，才是它最稳的使用方式。