> ## Documentation Index
> Fetch the complete documentation index at: https://aisa.one/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Last 30 Days

> 面向自治 Agent 的 30 天多源研究能力：从 Reddit、X、YouTube、TikTok、Instagram、Hacker News、Polymarket、GitHub 和 grounded web search 生成带引用的排序聚类简报。

[在 GitHub 上查看 ->](https://github.com/AIsa-team/agent-skills/tree/main/last30days)

**跨社交网络的近期证据研究。** 一个 `AISA_API_KEY` 聚合八个平台加 grounded web search 的最近 30 天信号，然后将结果排序、聚类为带引用的简报，通常约 40 秒完成。

## 安装

如果还没有安装 AIsa CLI，请先安装：

```bash theme={null}
npm install -g @aisa-one/cli
```

然后安装该技能：

```bash theme={null}
aisa skills install last30days
```

## Agent 可以用它做什么？

<CardGroup cols={2}>
  <Card title="趋势扫描" icon="chart-line">
    “这个月社区对 OpenAI Agents SDK 的讨论是什么？”
  </Card>

  <Card title="竞品对比" icon="scale-balanced">
    “Claude Code vs Codex——谁更赢得开发者心智？”
  </Card>

  <Card title="发布反应" icon="rocket">
    “总结 Reddit、X 和 HN 上对 GPT-5 发布的反应。”
  </Card>

  <Card title="人物 / 实体跟踪" icon="user-magnifying-glass">
    “Peter Steinberger 最近在发布和讨论什么？”
  </Card>

  <Card title="市场信号" icon="arrow-trend-up">
    “比特币价格叙事——新闻、预测市场和社交情绪。”
  </Card>

  <Card title="面向 Agent 的结构化简报" icon="file-code">
    “返回 JSON clusters，供下游 Agent 继续行动。”
  </Card>
</CardGroup>

## 核心能力

* **一次调用覆盖八类来源** — Reddit、X/Twitter、YouTube、TikTok、Instagram、Hacker News、Polymarket 和 grounded web search（可选 GitHub token 扩展 GitHub 覆盖）
* **排序证据聚类** — 按主题聚合高价值发现，每条包含 URL、日期和互动统计
* **按来源拆解** — 汇总哪些平台正在推动信号
* **Markdown 或 JSON 输出** — 默认生成可读简报，也支持 Agent pipeline 使用的结构化 JSON
* **Deep mode** — `--deep` 扩大候选池，并运行更深入的排序流程
* **AIsa 原生规划** — 使用 AIsa API 进行查询规划、候选重排和语义聚类

## 快速开始

```bash theme={null}
export AISA_API_KEY="your-key"
```

### 运行扫描

```bash theme={null}
# 趋势扫描
bash "${SKILL_ROOT}/scripts/run-last30days.sh" "OpenAI Agents SDK"

# 竞品对比
bash "${SKILL_ROOT}/scripts/run-last30days.sh" "Claude Code vs Codex"

# 发布反应（deep profile）
bash "${SKILL_ROOT}/scripts/run-last30days.sh" "GPT-5 launch --deep"
```

输出是 Markdown 简报，包含查询计划、排序候选、语义聚类、按来源列出的条目（日期 / 互动 / URL）、运行详情和错误日志。

## 何时使用

* 针对趋势、产品或人物的近期社交证据
* 带社区情绪的竞品排序对比
* 发布反应总结或近期 shipping 动态
* 给下游 Agent 使用的结构化 JSON 简报

## 何时不该使用

* 没有近期证据需求的 timeless reference 问题
* 只需要单一官方来源、不需要社区信号的场景

## 环境要求

* Python 3.12+
* `AISA_API_KEY`（在 [aisa.one](https://aisa.one) 注册，新账户有 \$2 免费额度）
* POSIX shell
* 可选：`GITHUB_TOKEN`，用于扩展 GitHub 来源覆盖

## 开始使用

1. 在 [aisa.one](https://aisa.one) 注册（新账户有 \$2 免费额度）。
2. 从控制台生成 API key。
3. `export AISA_API_KEY="your-key"` 并安装技能：
   ```bash theme={null}
   npm install -g @aisa-one/cli
   aisa skills install last30days
   ```
4. 启动新的 Agent 会话，技能会自动加载。

## 相关

<CardGroup cols={3}>
  <Card title="Perplexity Search" icon="sparkles" href="/zh/agent-skills/perplexity-search">
    面向单查询研究的 grounded web answers。
  </Card>

  <Card title="Twitter Autopilot" icon="twitter" href="/agent-skills/twitter-autopilot">
    更深入的 X/Twitter 搜索、跟踪和发布。
  </Card>

  <Card title="YouTube Search" icon="youtube" href="/zh/agent-skills/youtube-search">
    面向视频主题的 YouTube SERP。
  </Card>
</CardGroup>