🔍 last30days 跨平台研究 Skill 完全指南

3点42分,我盯着五个平台的开标签页,突然意识到——我需要一个Agent替我盯盘。

🎯 功能介绍

世界上有一种Skill叫 last30days,它就像你雇了一个24小时不睡觉的研究助理,同时盯着 Reddit、X(Twitter)、YouTube、Hacker News 和 Polymarket 五个平台。

这个 Skill(由 mvanhorn 开发)的核心能力是跨平台趋势捕捉:当你在做一个AI产品决策时,它能告诉你"过去30天里,这五个平台的人都在讨论什么"。Reddit看用户真实吐槽,X看KOL观点,YouTube看深度评测,HN看技术圈反应,Polymarket看真金白银的预测。

对于做内容、做产品、做投资的同学来说,这玩意儿比刷五个平台手动搜集效率高100倍——而且它不会疲劳,不会遗漏,不会带着主观偏见筛选信息。

📱 Reddit

用户真实吐槽与需求挖掘,subreddit精准筛选

🐦 X (Twitter)

KOL观点追踪,话题趋势实时捕捉

🎬 YouTube

深度评测视频摘要,评论区情感分析

📰 Hacker News

技术社区讨论,HN热度排名追踪

🎲 Polymarket

预测市场真金白银,趋势验证信号

🛠️ 使用方法

  1. 安装 last30days Skill:从 GitHub 克隆到 OpenClaw Skills 目录。
    git clone https://github.com/mvanhorn/last30days-skill ~/.openclaw/skills/last30days
  2. 配置 API 凭证:该 Skill 需要 Reddit、X、YouTube Data API 的访问凭证。
    openclaw config set skills.last30days.reddit_client_id "your_id"
    openclaw config set skills.last30days.reddit_client_secret "your_secret"
    openclaw config set skills.last30days.x_bearer_token "your_token"
    openclaw config set skills.last30days.youtube_api_key "your_key"
  3. 验证 Skill 状态:确认所有平台连接正常。
    openclaw skills test last30days
    # 输出:✅ Reddit OK | ✅ X OK | ✅ YouTube OK | ✅ HN OK | ✅ Polymarket OK
  4. 执行首次查询:搜索某个话题在五个平台的热度。
    openclaw run "用last30days搜索'OpenClaw'在过去30天的跨平台讨论热度"
  5. 设置定时监控:通过 Cron定时任务 每天自动生成趋势报告。
    openclaw cron add --name "daily-trend-report" \
      --schedule "0 9 * * *" \
      --task "用last30days分析'AI Agent'今日跨平台热度,生成报告到 /reports/"
  6. 导出分析报告:将结果导出为 Markdown 或 JSON 格式,方便 RAG系统 后续处理。
    openclaw run "导出last30days的'Agent Skills'报告为JSON,包含各平台热度分数和关键引用"

📌 示例1:AI Agent 竞品分析

// 使用 last30days 进行竞品跨平台热度对比
const report = await openclaw.run({
  task: `
    使用 last30days Skill 进行以下分析:
    
    主题:AI Agent Framework 竞品对比
    目标:OpenClaw vs LangGraph vs AutoGen
    时间范围:过去30天
    
    输出要求:
    1. 各平台讨论量对比(表格)
    2. 情感分析(正面/负面/中性百分比)
    3. 关键话题提取(每个平台Top 3)
    4. 预测市场信号(如有相关Polymarket市场)
    
    输出格式:Markdown,保存到 /reports/competitor-analysis-2026-05.md
  `,
  skills: ['last30days'],
  output: 'file'
});

console.log('竞品分析报告已生成:', report.filePath);
// 可进一步通过 /tools/openclaw-seo-automation.html 生成SEO内容

📌 示例2:内容选题热度验证

# 在发布新内容前,用 last30days 验证选题热度
openclaw run "
  我打算写一系列关于 'Agent Memory' 的教程。
  请用 last30days 检查以下选题在过去30天的热度:
  
  1. Agent Memory Architecture(架构设计)
  2. Agent Memory Compression(压缩技术)
  3. Agent Memory APIs(接口设计)
  4. Agent Memory Benchmarks(性能基准)
  
  请按热度从高到低排序,并给出每个选题的推荐理由。
  参考:/tools/agent-memory-systems.html
"
平台数据类型更新频率适用场景
Reddit帖子、评论实时用户痛点挖掘、产品反馈
X (Twitter)推文、转发实时KOL观点、舆论风向
YouTube视频、评论每日深度内容、评测分析
Hacker News帖子、评论实时技术讨论、开发者反馈
Polymarket预测市场实时趋势验证、真金白银信号

✅ 最佳实践

💡 妙趣提示:last30days 的数据可以无缝接入你的 RAG管道,让 Agent 的决策始终基于最新的跨平台信号。