
Reddit 投票 + X 点赞 + 赔率下注:这个 Agent 技能搜的是「谁在讨论」
把 Reddit 赞数、X 点赞、YouTube 转写与 Polymarket 赔率并行搜完再让 Agent 综合,这个技能改的是「谁在讨论」而非「编辑推荐什么」。
相关标签
换一个人名去搜索,得到的往往是三年前的 LinkedIn 和几篇通稿;但这个人这周在 X 上跟谁争论、在哪个 subreddit 被骂、在 YouTube 访谈里说了什么,搜索引擎基本给不出来。这些内容散在十几个各自封闭的平台上,各有各的 API、token 和登录态。
last30days 这个 Agent 技能做的事,就是把这些平台拼起来一次搜完,再让 Agent 综合成一份有出处的简报。作者的说法很直白:Google 聚合的是编辑,它搜的是人。排序信号来自真实的互动——Reddit 的赞与评论、X 的点赞、YouTube 的完整转写、TikTok 的互动数据、Polymarket 的赔率(押的是真金白银和自认为的内幕)。多查询扩展、并行抓取之后,按互动量、相关性、新鲜度打分,并把同一件事在不同平台的说法合并成一个簇,而不是三条互相独立的链接。
它的起步成本压得很低:Reddit(含评论)、Hacker News、Polymarket、GitHub 零配置即可用;第一次运行后设置向导 30 秒内可加上 X、YouTube、TikTok、arXiv、Techmeme。安装路径也铺得很宽——Claude Code 走插件市场自动更新,Codex、Cursor、Copilot、Gemini CLI 等 50 多个 Agent Skills 宿主用 npx skills add mvanhorn/last30days-skill -g,Claude Desktop 提供 .mcpb 的 MCP 包,claude.ai 网页版可上传 .skill 文件,OpenClaw 走 clawhub。密钥支持 .env、环境变量,macOS 上还可存进系统 Keychain,按 .env > 环境变量 > Keychain 的优先级读取。
真正让它在同类工具里显得完整的是「长期使用」那一层。加 --store 后,发现会落到本地 SQLite,watchlist.py 可以做定时监控并把新发现推送到 Slack 或 webhook,briefing.py 出日报周报;library feed 把历史简报生成 index.html 和本地 Atom feed,library search 则是完全离线的确定性检索,能回答「我是不是查过 MCP servers」这种问题。结构化输出走 --emit=json,给出带版本号的 agent profile,另有 --discover "AI agents" 的发现模式——不给题目,直接产出一份排好序的选题简报。
今天发布的 v4.3.0 改动不算大,但都在要紧处:Polymarket 的实体话题会优先展示它最有意思的市场,描述性话题支持跨简单复数的匹配,部分结果的搜索必须上报并按流式截止时间设上限;公司维度的调研能识别出隐藏的招聘信号。在它之前,v4.2.0 给 Reddit 做了「分层免费」的改造,加了金丝雀与覆盖率评估。
数据边界写得比较清楚:默认全在本机跑,只有调用各家搜索 API 时才出去;配置了推理模型的 key 才会把主题与内容片段发去做相关性重排,不配则退回本地打分模型。MIT 许可,无追踪与分析。
这类工具的价值不在「又一个搜索」,而在于它把「有没有人真的在意」变成了可计算的分数。代价也很明确:平台越多,key 与浏览器登录态就越难维护,抓取类来源(TikTok、Instagram 等)还依赖第三方服务额度。想省事可以先只用四个免费源,等真的需要 X 与 YouTube 的语料再补密钥。
更多资讯
想看更多优质内容?
浏览所有资讯