The #1 Trending Github Repo Just SOLVED Claude's Search Problem
三句話摘要
Last 30 Days 是 Claude Code 的開源 skill，自動在多個社群平台爬取內容並分析用戶真實觀點，填補 Web Search（表面）與 Deep Research（耗時耗資源）之間的空缺。 Last 30 Days 是 Claude Code 研究流程中填補空缺的完美工具，既比 Web Search 深層、比 Deep Research 高效，成本也最低廉。 研究工具的最佳中間方案：Web Search 只抓 SEO 排名靠前的文章，Deep Research 需 5-20 分鐘與數百個子代理，Last 30 Days 在短時間內從多平台取得真實用戶聲音，特別是在捕捉社群情感上勝過 Deep Research。
重點整理
重點- 1
研究工具的最佳中間方案：Web Search 只抓 SEO 排名靠前的文章，Deep Research 需 5-20 分鐘與數百個子代理，Last 30 Days 在短時間內從多平台取得真實用戶聲音，特別是在捕捉社群情感上勝過 Deep Research。
- 2
多層次情報收集而非表面爬取：不只搜集文章標題，還深入評論區與轉錄文本，系統會將多平台重複出現的觀點標記為高可信度（被 Reddit、Twitter、YouTube 都提及代表真實共識），過濾掉單一噪音評論。
- 3
低成本的廣泛平台支援：覆蓋 Reddit、YouTube、TikTok、Instagram、Hacker News、GitHub、LinkedIn、Bluesky 等十多個來源，大多安裝後自動可用或完全免費，只有 Twitter/X 付費（平均 10 美分），TikTok 與 Instagram 有補貼帳號可免費試用 6 個月。
- 4
智慧搜尋邏輯與彈性配置：系統自動判斷應該爬取的子版塊與相關帳號，支援平行搜尋（快速），也允許用戶明確限定平台（如只查 Reddit 或只查 Twitter），Claude Code 會自動提供最佳實踐指導。
實用技巧與重點
乾貨- GitHub 星數：55,000（曾為日榜第一）
- 支援平台：Reddit、Hacker News、Polymarket、GitHub、YouTube、TikTok、Instagram、Twitter/X、LinkedIn、Pinterest、Bluesky
- 安裝：Claude Code 內執行一行代碼
- 調用方式：`/last 30 days` 或自然語言（如「use the 30 days skill」）
- 示例資料量（Opus 5 搜尋）：22 個 Reddit 執行緒、13 篇 Twitter 貼文、14 支 YouTube 影片、26 支 TikTok、13 條 Instagram 故事、16 條 Hacker News、25 個 GitHub 項目
- Twitter/X API 成本：約 10 美分/次
- TikTok/Instagram API：需 Scrape Creator，但新用戶獲補貼帳號（數千次免費呼叫，約 6 個月無需付費）
- 其他平台成本：大多免費
- 執行時間：約 5 分鐘
- 輸出格式：單行摘要、平台統計、關鍵模式、Markdown 報告、JSON 原始資料（含轉錄文本與評論）
結論
結論“Last 30 Days 是 Claude Code 研究流程中填補空缺的完美工具，既比 Web Search 深層、比 Deep Research 高效，成本也最低廉。”
完整解析
詳細Claude Code 使用者長期面臨研究難題：現有工具要嘛資訊淺層、要嘛成本過高。Web Search 本質上是包裝過的 Google 搜尋，主要呈現 SEO 排名靠前的文章，無法反映社群真實聲音；而 Deep Research 雖然深入全面，卻需要 5 到 20 分鐘、數百個平行子代理與數百萬 token 才能完成。Last 30 Days 這個已獲得 55,000 stars、曾登 GitHub 日榜首的開源專案，正好填補了這個中間地帶。
這個 skill 的設計理念是自動在多個社群平台爬取過去 30 天的相關討論，並不是淺層蒐集標題，而是進行深度情報分析。講者以「人們如何評價 Opus 5」為示例：右側的標準 Web Search 呈現主流新聞摘要（論述不錯但缺乏層次），左側的 Last 30 Days 報告則涵蓋 22 個 Reddit 執行緒、13 篇 Twitter 貼文、14 支 YouTube 影片、26 支 TikTok、13 條 Instagram 故事、16 條 Hacker News 項目與 25 個 GitHub 相關內容，資訊密度明顯高一個數量級。更關鍵的是，Last 30 Days 會深掘評論區（許多觀點藏在回覆裡而非原文），識別被多個平台重複提及的共識觀點（代表更高可信度），並過濾掉單一離群的噪音評論。
使用流程極其簡便：在 Claude Code 輸入 `/last 30 days` 加上問題（如「研究人們對 Last 30 Days skill 的看法」），系統會自動改進提示詞、智慧判斷應該爬取的相關子版塊與帳號，然後並行地去各平台搜集資料。如果想控制搜尋範圍，也可以明確指定（比如只查 Reddit 或只查 Twitter）。Claude Code 本身會基於已下載的 skill 提供最佳實踐建議。整個過程約 5 分鐘完成，最終輸出包括單行摘要、各平台統計、識別出的關鍵模式、完整的 Markdown 報告，以及所有轉錄文本與評論的 JSON 原始資料。
成本方面相當親民。大多平台（Reddit、Hacker News、GitHub）完全免費或已內建支援，無需 API 密鑰；TikTok 與 Instagram 雖需 Scrape Creator API，但新用戶會獲得補貼帳號，提供數千次免費呼叫，足以支撐 6 個月的日常使用；唯一需付費的是 Twitter/X，每次搜尋平均約 10 美分。這使得 Last 30 Days 成為性價比最優的中間方案：比 Web Search 深層、比 Deep Research 高效，尤其擅長捕捉跨平台的真實社群情感。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
