当搜索从编辑排序变成人群投票:last30days 桥接十几个围墙花园
Google 搜不到的,人群能告诉你:last30days 用注意力做排序信号
你明天要见一个客户。你 Google了他的名字,第一条是 LinkedIn 主页,更新停留在 2023 年。第二条是公司官网的"关于我们"页面。第三条是一篇三年前的行业报道。你觉得你了解他了?
不,你只了解他的过去。他这个月在 X 上发了什么、Reddit 上被讨论了什么、YouTube 上哪个播客出现了他的观点、Polymarket 上有没有人押注他们公司被收购——这些 Google 都搜不到。不是 Google 技术不行,是这些平台都是围墙花园:Reddit 的评论不让 Google 索引,X 的帖子有登录墙,TikTok 的内容 Google 根本碰不到。
2026 年,一个叫 last30days-skill 的项目在 GitHub 上一天涨了 1062 颗星。它的作者 Peter Steinberger 给它的定位是:"AI agent-led search engine scored by upvotes, likes, and real money - not editors"。
翻译过来就是:用人群的注意力做排序信号的搜索引擎。
Google 排的是编辑,last30days 排的是人群
传统搜索引擎的排序逻辑是"有多少权威网站链接到这个页面"——本质上是编辑投票。Google PageRank 是这个逻辑,SEO 产业也是围绕这个逻辑建的。
last30days 的排序逻辑完全不同:
| 来源 | 信号 | 谁在投票 |
|---|---|---|
| upvote 数 | 真实用户用脚投票 | |
| X / Twitter | like + 转发 | 真实用户的即时反应 |
| YouTube | 播放量 + 评论 | 真实用户的注意力 |
| Hacker News | 点数 + 评论数 | 技术社区的共识 |
| Polymarket | 概率 | 真金白银下注的人 |
| TikTok | 互动率 | 年轻群体的注意力 |
| GitHub | PR 速度 + star 数 | 开发者的实际行为 |
这些信号有一个共同点:都是人群用注意力或钱包投出来的,不是编辑选出来的。一个 Reddit 帖子有 5000 upvote,意味着 5000 个真实的人觉得它有价值;一个 Polymarket 合约显示 96% 概率,意味着有人用真金白银押了 96% 的概率。
Google 的排序告诉你"权威来源觉得什么重要",last30days 的排序告诉你"实际人群觉得什么重要"。这两者经常不一致。
围墙花园的桥:BYO Keys
技术上,last30days 做的事看起来不可能:它同时搜索 Reddit、X、YouTube、HN、Polymarket、TikTok、Instagram、arXiv、Techmeme、GitHub、Digg 等十几个平台。每个平台都有自己的 API、自己的认证、自己的限流。
它的解法很聪明:Bring Your Own Keys。
Reddit、HN、Polymarket、arXiv 这些有公开 API 的平台,零配置就能用。X、YouTube、TikTok 这些需要认证的平台,last30days 提供一个 30 秒的设置向导,让你填入自己的 API key 或浏览器 session。你不是在用 last30days 的账号访问这些平台,你是在用你自己的身份访问。
这解决了一个法律和技术上的核心问题:没有任何单一服务能合法地同时访问所有平台的数据。但一个运行在你自己设备上的 agent,用你自己的 credentials 访问你本来就有权访问的平台,是完全合规的。last30days 不是搜索引擎,它是一个搜索协调器——它协调你已有的访问权限,让一个 AI agent 替你跨平台搜索、打分、综合。
一个 AI 法官做最终综合
搜索只是第一步。last30days 的真正价值在于综合:一个 AI agent judge 把十几个平台的搜索结果放在一起,按"人群注意力"打分,然后综合成一份简报。
这个流程是:
- 并行搜索:同时向所有配置好的平台发起查询
- 按平台打分:Reddit 按 upvote,X 按 like,Polymarket 按概率,YouTube 按播放量
- 跨平台归一化:把不同平台的分数映射到统一尺度
- AI 综合:agent judge 把高分内容综合成一份带引用的简报
最终你得到的不是一堆链接列表,而是一份"这个人在过去 30 天里做了什么、被怎么讨论、市场怎么看"的结构化简报。
使用场景:从销售电话到迪士尼旅行
作者列了几个实际使用场景:
- 会议准备:见一个 CEO 前,跑一次 last30days,读他过去 30 天的推文、播客访谈、Reddit 讨论。你走进会议室时,比他的助理还了解他最近在忙什么。
- 销售前调研:跑一次目标公司,看 Reddit 上用户在吐槽什么、Polymarket 上有没有人押他们被收购、X 上员工在讨论什么。你的销售话术会精准得多。
- 旅行规划:去迪士尼前跑一次,Reddit 上最新的"Genie+ 值不值"讨论、YouTube 上最新的排队攻略、TikTok 上的隐藏玩法,全在一页里。
- 技术选型:要选一个框架前跑一次,GitHub 的 PR 活跃度、Reddit 的用户反馈、HN 的技术讨论、Polymarket 上有没有人押它会被替代——比看任何评测文章都全面。
它为什么现在火
last30days 之所以在 2026 年才爆发,是因为三个条件刚好凑齐:
- Agent Skills 标准成熟:2025-2026 年,Agent Skills 开放标准让一个 skill 能跨 Claude Code、Codex、Cursor、Gemini CLI 等 50+ 平台运行。last30days 作为一个 skill,装一次到处可用。
- 平台 API 开放程度:Reddit、HN、Polymarket 都有公开 API,arXiv 和 GitHub 本来就开放。X 和 YouTube 虽然有墙,但浏览器 session 方案成熟了。
- LLM 综合能力:把十几个平台的碎片信息综合成一份连贯简报,需要强 LLM 的长上下文理解能力。2026 年的 Gemini 和 GPT-5 级别模型才真正够用。
三者缺一不可。2024 年做这个,agent 标准没有;2023 年做,LLM 综合能力不够。last30days 踩中了时间窗口。
更大的图景:搜索的范式转移
last30days 代表的不只是一个工具,而是搜索范式的转移:
- 旧范式:Google 爬全网 → PageRank 排序 → 给你 10 条蓝色链接
- 新范式:Agent 跨平台实时搜索 → 人群注意力打分 → AI 综合成简报
旧范式的优势是覆盖广、成本低;新范式的优势是实时性、人群信号、跨平台综合。两者不是替代关系,而是互补关系——Google 搜"什么是量子计算",last30days 搜"过去 30 天量子计算圈发生了什么"。
Google 搜不到的,人群能告诉你。这就是 last30days 存在的意义。
项目链接:mvanhorn/last30days-skill
安装:/plugin install last30days(Claude Code)或 npx skills add mvanhorn/last30days-skill -g
作者:Peter Steinberger