一天暴涨2685星：这款AI研究工具，为普通人打破信息壁垒
为什么这个项目突然火了
昨天翻看 GitHub Trending，一个项目单日飙升 2,685 颗星，稳稳占据了当日榜首。
它就是 last30days-skill。
用一句话来概括：
你向它提任何问题，它会同时扫描 Reddit、X、YouTube、Hacker News、预测市场等 10 个平台，梳理最近 30 天的讨论，然后给你一份标明来源的综合报告。
我仔细研究了这个项目。
最深的感觉倒不是“技术多强”，而是：
它触碰了一个每个人都能体会到的困境——信息差。
它能做什么？
3 个典型场景，一看就懂。
场景 1：研究 prompt
你可以这样问：
/last30days prompting techniques for ChatGPT for legal questions
它会做三件事：
- 挖掘 Reddit、X 上过去 30 天的相关内容
- 挑出点赞最多的技巧和案例
- 输出一份综合报告，并附上可直接使用的 prompt
输出样例：
核心议题是“防幻觉”——多个来源提到律师因递交 ChatGPT 伪造的案例而被处罚。
关键 prompt 思路：
- 使用 Deep Research 模式，或直接上传原始材料作为事实依据
- 在 prompt 中加入“幻觉防御条款”
- 只询问程序性问题，不碰具体案例引用
- 让输出偏向“问题识别”而非“法律建议”
价值： 你不用靠猜测写 prompt，而是直接用社区验证过的最佳实践。
场景 2：捕捉热点
比如你想知道“AI 圈最近在聊什么”，可以问：
/last30days anthropic odds
它会扫描 X、YouTube、Hacker News、Polymarket，找出所有关于 Anthropic 的讨论与押注。
输出样例：
五角大楼的对峙目前最受关注——国防部长给 Anthropic 下达周五最后通牒，要求放弃对 AI 军事用途的限制，否则列入黑名单。
但预测市场的玩家认为这只是谈判姿态：
- Polymarket 上实际禁令的概率只有 22%
- Anthropic 拥有最强 AI 模型的概率：2 月 98%、3 月 61%
- IPO 时间仍不明朗：64% 会早于 OpenAI，但 95% 不会在 2026 年 6 月之前
价值： 你看到的不是二手新闻，而是有真金白银押注的市场数据，加上社区的实时讨论。
场景 3：产品调研
假设你想开发一门 AI 课程，却不知道大家关注什么。可以输入：
/last30days best claude code skills
它会告诉你：
🏆 最热门的技能（按提及次数排序）：
- Remotion 视频技能 - X 上 17.3K likes
- SkillsMP 市场 - 60-87K+ 技能目录
- awesome-claude-skills（GitHub）- 多个精选列表
- Superpowers - 27.9K stars
- HeyGen 头像技能 - 736 likes
价值： 知道什么技能最火，你就清楚了该学什么、该做什么内容。
为什么它比“随手搜一下”强
1. 多平台交叉验证
它不会只盯一个平台，而是同时检索 10 个信息源：
关键在于： 它不是简单堆砌，而是用算法进行交叉验证。
当一个主题在 Reddit、X、HN 都有高频讨论，它就很可能是真正的热点，而不是某个平台的回音室。
2. 质量评分体系
它会对每个结果打分，参考这些维度：
- 文本相关度（是不是真的切题）
- 互动热度（点赞、评论、转发）
- 信源权威性（大 V vs. 小号）
- 跨平台趋同度（多个平台都在谈）
- 时间衰减（越近越重要）
结果： 你得到的不是“最新”，而是“最新 + 最重要”。
3. 预测市场集成
这一点最为凌厉。
Polymarket 是什么？是一个让用户用真金白银押注事件发生概率的平台。
比如：
- “Anthropic 会在 6 月前 IPO 吗？” → 当前赔率 5%
- “Claude 会在 FrontierMath 达到 50% 分数吗？” → 当前赔率 48%
这意味着什么？
你不是在看“网友的看法”，而是在看“掏钱下注的人怎么想”。
4. 自动保存与知识库
v2.9.1 新增的功能：每次研究自动保存为 .md 文件，存到 ~/Documents/Last30Days/。
长远价值： 你积累的是一个个人研究档案。
比如你持续追踪“AI 视频工具”，三个月后，你就拥有一份完整的行业变迁记录。
用它发现机会的三个实例
实例 1：挖掘 Nano Banana Pro 的 prompt 技巧
我输入：/last30days nano banana pro prompting
发现：
- JSON prompt 是主流格式（不是纯文本）
- 5 元素公式：Subject + Composition + Action + Setting + Style
- 多角色场景需要给每个角色单独设置 JSON 块，避免“概念混淆”
随之而来的行动：
我用这些技巧写了一篇公众号文章，效率比以往高出 3 倍。
实例 2：追踪竞品动态
我把“OpenClaw”“ClaudeCode”加入观察列表，每周自动做一次研究。
发现：
- 用户最关心的功能是“邮件/日历自动化”（提及 8 次以上）
- 其次是“任务管理”（6 次）、“夜间编码 agent”（5 次）
随之而来的行动：
在内容创作中优先覆盖这些话题，因为我清楚这是用户真正关心的。
实例 3：捕捉病毒式趋势
我问：/last30days using ChatGPT to make images of dogs
发现：
Reddit 上有一个爆火的趋势：“把狗变成人”，相关帖子都有 600-900+ upvotes。
随之而来的行动：
我把这个趋势变成了一篇知乎回答，目前已有 200+ 赞同。
信息差的本质
研究完这个项目，我有一个感悟：
信息差的本质，不是“你知道别人不知道的事”，而是“你知道别人还没意识到的事”。
比如：
- 你知道 Nano Banana Pro 的 JSON prompt 技巧，别人还在敲纯文本
- 你知道 Polymarket 上 Anthropic IPO 的赔率，别人还在看二手新闻
- 你知道 Reddit 上“狗变人”的趋势，别人还在等公众号转载
这个工具的价值，就是让你提前 30 天掌握这些事。
普通人能用它做什么
1. 内容创作
- 提前发现热点趋势
- 找到社区验证过的最佳实践
- 用真实案例和数据支撑观点
建议： 每天花 5 分钟，向它提出一个你领域相关的问题。
2. 产品开发
- 发现用户真正在意的功能
- 定位竞品的弱点（用户抱怨什么）
- 跟踪技术风向，辅助技术选型
建议： 把竞品加入观察列表，每周研究一次。
3. 投资/副业判断
- 看 Polymarket 上的赔率（真金白银）
- 看社区讨论（情绪和预期）
- 看 HN 技术圈的观点（长期价值）
建议： 做决策前，先问它“people are saying about X”。
4. 学习与技能提升
- 找到某项技能的最佳实践
- 避开过时的教程和方法
- 知道该学什么（社区在用哪些工具）
建议： 学新工具前，先问它“best practices for X”。
AI 时代的信息优势
这个项目让我重新思考一个问题：
在 AI 时代，信息优势到底是什么？
过去，信息优势是“我知道你不知道的事”。
如今，AI 让信息获取成本逼近于零，信息优势变成了：
这个工具的意义，就是帮你构建这 4 种能力。
最后
看完这个项目，我做了三件事：
- 安装了它（https://github.com/mvanhorn/last30days-skill）
- 建立了观察列表（竞品、关注的技术、变现方向）
- 每天花 5 分钟研究一个问题
我的建议：
你不必立刻安装它。
但可以从今天开始培养一个习惯：
每次做决定前，先问问自己：“过去 30 天，社区都在讨论什么？”
然后，用任何你顺手的工具（Google、Reddit、X、知乎）去挖掘答案。
信息优势，从来不是靠某个工具，而是靠持续的好奇与追问。