什么是Last30days
Last30days 是一个面向“近 30 天话题研究”的工具，核心思路不是去做泛泛的资料汇总，而是把最近一个月里各个平台上正在发生的讨论、推荐、争议和趋势集中拉出来看。它覆盖 Reddit、X、YouTube、TikTok、Instagram、Hacker News、Polymarket 以及公开网页内容，适合用来快速判断一个主题当下到底在热议什么、哪些观点反复出现、哪些信息只是噪声。对于想追踪新工具、产品、创作者、公司或某个行业热点的人来说，这种时间窗口很明确的研究方式，比传统搜索更接近“现在的人们到底在说什么”。
从工作方式看，Last30days 并不只是抓取标题列表。证据显示，它会先解析用户意图，区分你是在找推荐、追新闻、做一般研究，还是希望了解某类提示词与实践；随后按主题去不同来源中提取内容，并把平台特有的信息一起纳入，例如 Reddit 的帖子与高赞评论、X 的帖子互动、YouTube 的视频与转录片段、TikTok 和 Instagram 的字幕或文案、Hacker News 的讨论，以及 Polymarket 的预测市场赔率。这意味着它输出的结果更像一份“跨平台近况简报”，不仅能看到结论，也能看到结论背后的讨论信号。
这个工具的另一个特点，是强调把分散的社交噪音整理成可读的研究结果。文档里专门要求在综合阶段更看重 Reddit、X、YouTube、TikTok 这类带有互动或传播信号的数据，同时把网页搜索当作补充背景，而不是主角；如果同一条信息在多个平台同时出现，还会被视为更强的证据。对于开发者、分析师、内容从业者或重度信息消费者来说，这样的设计比较实用：它不替你做最终判断，但能缩短从“到处搜”到“形成脉络”的时间。
核心功能特点
- 围绕最近 30 天展开主题研究，可按推荐、新闻、提示词或通用理解等不同意图组织检索。
- 同时汇总 Reddit、X、YouTube、TikTok、Instagram、Hacker News、Polymarket 与公开网页内容，减少单一平台视角。
- 不只看标题和链接，还会纳入高赞评论、视频转录、短视频字幕、预测赔率等上下文信息。
- 在综合结果时强调跨平台重复出现的信号，并区分高互动社交内容与网页资料的权重。
- 支持将研究简报保存到本地目录，在 agent 模式下可直接输出完整报告并自动落盘。
适用场景
最直接的使用场景，是对某个新工具、新产品或某位创作者做近况摸底。比如你想知道一个 AI 工具最近 30 天到底是被夸什么、被吐槽什么，或者某家公司发布新动作后，社区真实反应是兴奋、怀疑还是观望，Last30days 能把社交平台上的讨论与外部网页资料放在一起看。尤其当主题本身具有明显的 X 账号、品牌身份或社区存在时，这种跨平台汇总能帮助读者更快分辨官方叙事、用户反馈和外围解读之间的差异。
它也适合做“推荐类”研究。证据包里明确提到，当用户输入的是“best”“top”“recommended”这类需求时，工具会优先提取具体名称，而不是给一堆空泛建议。对于开发者或工具重度用户来说，这一点很关键：你不是只想知道某个方向“值得关注”，而是想知道过去一个月里到底有哪些产品、项目或方案被反复提及、是谁在推荐、讨论热度集中在哪些来源。相比人工在多个平台反复检索，这种整理方式更适合拿来做选型前的初筛。
另一个典型场景是追踪动态话题和舆情变化。由于它把时间范围限定在近 30 天，并且把 Polymarket 的赔率变化也纳入参考，所以不仅适合看“发生了什么”，也适合看“大家认为接下来可能怎样”。这对于科技新闻观察、市场情绪追踪、社区热点扫描都很有帮助。若你需要把研究过程嵌入自动化流程，还可以用 agent 模式直接生成完整报告并保存到本地，适合连续监测某个主题、品牌或行业关键词，而不必每次手动整理材料。