last30days: aktuelle Recherche mit Fokus auf öffentliche Diskussionen

Alles Wissenswerte über mvanhorn/last30days-skill: eine Skill und ein lokales Engine, mit denen ein Agent ein Thema in sozialen, technischen und Marktquellen innerhalb eines kurzen Zeitfensters recherchieren kann.

---

Was last30days ist

last30days ist eine KI-Agenten-Skill, verteilt als SKILL.md-Spezifikation zusammen mit einer Python-Engine. Bei einer Anfrage wie /last30days <Thema> versucht sie, die relevanten Entitäten aufzulösen - Konten, Repositories, Communities und Kanäle -, sucht parallel und fasst einen nach Relevanz, Interaktion und Aktualität geordneten Bericht zusammen.

Das Projekt grenzt sich von redaktionellen Suchmaschinen ab: Seine Bewertung soll Interaktionssignale wie Reddit-Votes, X-Interaktionen, YouTube-Transkripte und -Kommentare, Hacker-News-Gespräche, GitHub-Aktivität und Polymarket-Quoten kombinieren. Es ersetzt keine Primärquelle und macht Popularität nicht zu Wahrheit; es ist eine Entdeckungs- und Priorisierungsschicht für aktuelle Belege.

Die minimale Installation verspricht konfigurationsfreien Zugriff auf Reddit, Hacker News, Polymarket und GitHub. Um die Abdeckung zu erweitern, stellt der Nutzer Schlüssel, Browser-Sitzungen oder lokale Dienste bereit. Das README listet unter anderem X, YouTube, TikTok, Instagram, LinkedIn, Bluesky, arXiv, Techmeme, Perplexity, Xiaohongshu und Websuche.

Der Ursprung: vom Verfolgen der KI-Nachrichten zu einer Recherche-Engine

Das Repository wurde am 23. Januar 2026 erstellt. Sein Schöpfer ist Matt Van Horn (mvanhorn): Das GitHub-Profil identifiziert ihn als Mitgründer von June und eines Unternehmens, das später zu Lyft wurde, und schreibt den Bau von Engine-Version 3 j-sperling zu.

Der Darstellung im README zufolge baute Van Horn das Projekt, um mit der KI-Entwicklung Schritt zu halten: Er war der Meinung, dass Reddit- und X-Gespräche schneller voranschritten als Trainingsdaten, und brauchte eine Möglichkeit, sie zu erfassen, ohne Tab für Tab zu durchsuchen. Das Beispiel der Spannung mit nativen Produkten ist explizit: Der Text argumentiert, dass Google, ChatGPT, Gemini und Claude einen partiellen und unterschiedlichen Zugang zu geschlossenen Plattformen haben; der Vorschlag ist nicht eine einzelne überlegene Suchmaschine, sondern ein Agent, der getrennte Quellen mithilfe der eigenen Schlüssel und Sitzungen des Nutzers verbindet.

Die erste überprüfbare Hacker-News-Einreichung erfolgte am 26. Januar 2026: 7777777phil stellte eine Claude-Skill zur Recherche von Reddit und X der letzten dreißig Tage vor. Der Start erzielte 2 Punkte und keine Kommentare, ein unauffälliger Beginn im Vergleich zum späteren Wachstum des Repositorys.

Philosophie und Prinzipien

• Aktualität vor historischer Anhäufung: Die Abfrage geht von einem Zeitfenster von dreißig Tagen aus, auch wenn sich der Bereich konfigurieren lässt.

• Soziale und Marktsignale, nicht nur SEO: Die Engine bewertet Interaktion, Relevanz und Aktualität; Polymarket fügt Quoten hinzu, keinen Faktennachweis.
• Synthese mit Nachvollziehbarkeit: Die Spezifikation verlangt Berichte mit Daten und Quellenangaben, und der JSON-Modus hat einen versionierten Vertrag.
• Lokale Ausführung und explizite Degradation: Das README erklärt, dass die Analyse auf dem Rechner des Nutzers verbleibt und dass das System ohne Schlüssel Quellen reduziert, statt vollständige Abdeckung zu behaupten.
• Trennung von Skill und Engine: CONCEPTS.md unterscheidet die Skill, die dem Agenten sagt, was zu tun ist, von der Python-Engine, die die Arbeit ausführt und die Ergebnisstruktur zurückgibt.

Dies sind erklärte Absichten und Verträge des Projekts, keine unabhängige Bestätigung der Qualität jedes einzelnen Berichts.

Wie es funktioniert

Der dokumentierte technische Ablauf besteht aus sieben Schritten: ein Thema entgegennehmen, die zugehörigen Entitäten auflösen, parallele Abfragen starten, Ergebnisse nach Interaktion ordnen, dasselbe Ereignis über Quellen hinweg gruppieren, einen zitierten Bericht synthetisieren und den Kontext für Anschlussfragen bewahren.

In der Dokumentation überprüfte Nutzungsmuster:

/last30days "AI coding agents"
/last30days OpenClaw vs Hermes vs Paperclip
python3 skills/last30days/scripts/last30days.py --discover "AI agents"
python3 skills/last30days/scripts/last30days.py "AI coding agents" --emit=json
python3 skills/last30days/scripts/last30days.py --preflight

--preflight zeigt Konfiguration, geplante Quellen und geplante Schreibvorgänge, ohne zu recherchieren oder Cookies zu lesen. --discover dient dazu, Themen ohne einen Ausgangspunkt zu entdecken; --emit=json liefert die strukturierte Ausgabe. Um Recherchen zu wiederholen, speichert --store Ergebnisse in SQLite, und die Skripte watchlist.py und briefing.py ermöglichen geplante Überwachung sowie tägliche oder wöchentliche Zusammenfassungen. Es gibt außerdem eine lokale Suche über frühere Berichte sowie die Erstellung einer HTML-Bibliothek und eines Atom-Feeds aus gespeicherten Berichten.

Die aktuelle Version, v3.18.4 (28. Juli 2026), behob den Tag-Veröffentlichungsablauf in der CI sowie ein Timeout-Problem bei vergleichenden YouTube-Suchen. Das README gibt mehr als 2.700 Tests und Python 3.12 oder höher an; die von GitHub gemeldeten Hauptsprachen sind Python, Go, Shell und HTML.

Offizieller und halboffizieller Status

Das Projekt kann als Plugin über seine eigene Claude-Code-Marktplatzquelle mit /plugin marketplace add mvanhorn/last30days-skill und /plugin install last30days installiert werden. Das belegt ein Claude-Code-Plugin-Format, ist aber kein Nachweis für eine Befürwortung oder Zertifizierung durch Anthropic.

Es gibt halboffizielle, plattformübergreifende Verteilungsintegrationen: Das README dokumentiert ein natives Manifest für Codex, ein Plugin für Grok und einen gemeinsamen Installationsweg über npx skills add in Codex, Cursor, GitHub Copilot, Gemini CLI und mehr als fünfzig Hosts des offenen Agent-Skills-Formats. Für Grok besagt die Dokumentation, dass sein Eintrag auf den Plugin-Marktplatz von xAI verweist. Bei OpenClaw wird clawhub install last30days-official angegeben.

In der Praxis machen es die Manifeste, die .skill-Pakete für claude.ai und das .mcpb-Paket für Claude Desktop leicht, das Projekt über Umgebungen hinweg zu verteilen. Es wurde keine Quelle eines Anbieters gefunden, die es zum offiziellen Standard erklärt oder seine Ergebnisse zertifiziert; es ist daher treffender, es als ein weitverbreitet integriertes Projekt zu betrachten denn als ratifizierten Standard.

Das Ökosystem

Repositories des Autors

Eine Suche im Konto von mvanhorn ergab zwei Projekte, die thematisch und autorenseitig nahestehen, aber keine Abhängigkeiten von last30days sind:

• mvanhorn/cli-printing-press - ein Werkzeug zur Erzeugung agentenorientierter Kommandozeilenschnittstellen; 4.334 Sterne und 461 Forks.
• mvanhorn/printing-press-library - eine als offiziell erklärte Bibliothek von Schnittstellen, die von Printing Press erzeugt werden; 1.878 Sterne und 555 Forks.

Innerhalb des Hauptrepositorys sind die zugehörigen Bausteine das Verzeichnis skills/last30days, die Engine scripts/last30days.py, die Manifeste für Claude, Codex und Grok, das MCP-Paket in mcp/, die Testsuite tests/ und die GitHub-Actions-Automatisierungen. Das sind Komponenten desselben Repositorys, keine eigenständigen Repositories.

Ports, Forks und Community-Erweiterungen

• Jesseovo/last30days-skill-cn - eine unabhängige chinesische Adaption zur Recherche von acht großen chinesischen Internetplattformen über dreißig Tage; 1.318 Sterne und 155 Forks. Es ist der sichtbarste gefundene nicht-englische Port.
• hwwn/last30days-skill-cn - ein weiterer Port für China; seine Beschreibung nennt Weibo, Zhihu, Bilibili, Douyin, Xiaohongshu, V2EX, Juejin und Xueqiu. Die Suche ergab 3 Sterne und 1 Fork.
• levineam/lastXdays-skill - eine Erweiterung, die das Zeitintervall konfigurierbar macht und angibt, auf dem ursprünglichen Projekt zu basieren; 44 Sterne und 8 Forks.
• kunhai1994/xhs-research - eine auf Xiaohongshu-Recherche fokussierte Skill, die angibt, auf last30days und xpzouying/xiaohongshu-mcp zu basieren; 37 Sterne und 2 Forks.
• Unter den direkt gefundenen Forks hatte addyosmani/last30days-skill 46 Sterne und 9 Forks, und bradautomates/last30days-skill, 9 Sterne und 4 Forks.

Das README selbst erwähnt Xquik-dev/tweetclaw als optionale OpenClaw-Erweiterung für Aktionen auf X, etwa Veröffentlichen und Überwachen, und stellt klar, dass es keine Abhängigkeit oder Empfehlung des Projekts ist. Die vorstehenden Zahlen sind eine Messung der GitHub-API vom 1. August 2026; sie belegen weder Unterstützung noch Kompatibilität.

Zahlen zum Repository

Messung: 1. August 2026, GitHub-API und -Seite.

Metrik	Wert
Sterne	56.610
Forks	4.944
Echte Abonnenten	208
Commits	1.160
Von der API angegebene offene Issues	84
Branches / Tags	67 / 43
Hauptsprache	Python
Lizenz	MIT
Erstellung	23. Januar 2026
Letzte Veröffentlichung	v3.18.4, 28. Juli 2026

Die von der API zurückgegebenen Hauptbeitragenden waren mvanhorn (447 Beiträge), tmchow (341), 23241a6749 (40), j-sperling (37) und iliaal (28). Die Commit-Zahl stammt von der GitHub-Seite. open_issues_count kann offene Pull Requests enthalten; tatsächlich zeigte die Seite 61 Issues und 23 Pull Requests. Das Feld watchers_count in der allgemeinen Antwort spiegelt die Sternezahl, weshalb subscribers_count hier als tatsächliche Abonnentenzahl angegeben wird.

Wie man beiträgt

Der Prozess ist in CONTRIBUTING.md dokumentiert:

1. Python 3.12 oder höher mit uv sync --group dev einrichten.
2. uv run pytest ausführen.
3. Die Änderung umsetzen und Tests aktualisieren oder hinzufügen.
4. Bei Bedarf ein Changelog-Fragment in changelog.d/ hinzufügen.
5. Die Pull-Request-Vorlage ausfüllen, mit Zusammenfassung, Tests, Changelog, Agentenerklärung und Bezug zum Projekt.

Das Projekt bittet darum, CHANGELOG.md sowie die Versionen in pyproject.toml, SKILL.md, Manifesten oder uv.lock nicht direkt zu bearbeiten; die Continuous Integration steuert diese Änderungen. Die Maintainer verwenden eine Release-Vorbereitungsaktion, die einen Pull Request mit synchronisierten Versionen erstellt und beim Zusammenführen in main veröffentlicht. Der Sicherheitsleitfaden verbietet das Hochladen echter Schlüssel, Cookies, Tokens oder .env-Dateien.

Wie die Community reagierte

Die überprüfbare Resonanz verbindet Akzeptanz mit konkreten Korrekturwünschen, nicht mit breitem Konsens auf Hacker News:

• In Hacker News 47783940 beschreibt ein Kommentar von piotraleksander last30days und context-mode als die zwei nützlichsten Skills in einer OpenClaw-Installation. Er nutzte es für einen wöchentlichen Social-Listening-Bericht seiner Agentur. Der übergeordnete Thread, eine Frage zur OpenClaw-Nutzung, verzeichnete 342 Punkte; diese Meinung ist eine persönliche Erfahrung und keine Bewertung der Engine.
• Das Projekt erhielt vier direkte Hacker-News-Einreichungen, alle klein: 46764597 von 7777777phil erzielte 2 Punkte und 0 Kommentare; 46963949 von NOpderbeck, über eine API für aktuelle Recherche, erzielte 2 Punkte und 2 Kommentare; 48440334 von pykello, 2 und 0; und 49130905 von ms7892, 3 und 0. Das sind Sichtbarkeitsanker, kein Beleg für eine breite Diskussion.
• Im Issue #532 bat ein Nutzer, der sich als Follower bezeichnet, um eine Website, RSS oder ein Verzeichnis bereits erstellter Berichte. Der Ansatz ist Begeisterung für die Idee, die letzten dreißig Tage zu aggregieren, verbunden mit einer konkreten Bitte, die Ergebnisse zugänglicher zu machen, ohne das gesamte System auszuführen.

• Die wichtigste Kritik betrifft Sicherheit und Installation. In #513 berichtete asheem22, dass der Hermes-Scanner das Paket mit 50 Funden als gefährlich einstufte; er wies insbesondere auf imperative Anweisungen in SKILL.md und das Auslesen von Umgebungsvariablen für Schlüssel hin. Das Issue wurde am 7. Juli nach 8 Kommentaren geschlossen und mit Pull Request #768 verknüpft. Es ist ein der Analyse des Meldenden zugeschriebener Hinweis, kein unabhängiges Audit.
• Ebenfalls weiterhin offen ist #362 von homototus mit 4 Kommentaren: Es berichtet, dass der Validator von Claude Code einen Skills-Pfad in plugin.json ablehnte. Der Nutzer schlug eine Korrektur vor und testete sie lokal. Der Einwand ist operativ und konkret, keine Abwertung der Recherchefunktion.

last30days im Vergleich zu anderen Ansätzen

Ansatz	Überprüfbare Übereinstimmung	Überprüfbarer Unterschied
levineam/lastXdays-skill	Es ist eine Claude-Code-Skill, die explizit auf last30days basiert.	Sie macht die Anzahl der Tage konfigurierbar; es wurde keine Spezifikation gefunden, die eine Gleichsetzung der gesamten Quellenabdeckung erlaubt.
Jesseovo/last30days-skill-cn	Sie recherchiert ein Dreißig-Tage-Fenster und fasst fundierte Berichte zusammen.	Sie ist auf acht chinesische Plattformen ausgerichtet, während das Original eine Kombination aus globalen Netzwerken, Hacker News, Polymarket und GitHub dokumentiert.
kunhai1994/xhs-research	Es ist eine Recherche-Skill, die angibt, auf last30days aufzubauen.	Sie konzentriert sich auf Xiaohongshu und stützt sich zudem auf xiaohongshu-mcp; last30days stellt sie als optionale Quelle innerhalb eines größeren Sets dar.
Xquik-dev/tweetclaw	Beide lassen sich mit OpenClaw integrieren und berühren X.	TweetClaw wird für das Veröffentlichen, Antworten und Überwachen von Aktionen auf X genannt; last30days recherchiert und synthetisiert und erklärt es nicht zur Abhängigkeit.

Der passende Vergleich erfolgt nach Umfang: last30days eignet sich, wenn Signale aus mehreren Quellen zu einer aktuellen Recherche zusammengeführt werden sollen. Regionale Ports oder plattformspezifische Werkzeuge können besser geeignet sein, wenn die Zielquelle eng begrenzt ist.

Anwendungsfälle und wem dieses Repository helfen kann

Analysten, Produktteams und Personen, die ein sich schnell wandelndes Thema verfolgen, können /last30days <Thema> oder --discover ausführen, um aktuelle Gespräche aus Reddit, Hacker News, GitHub, Polymarket und den zusätzlich konfigurierten Quellen zu sammeln. Die Engine löst Entitäten auf, fragt parallel ab, gruppiert dasselbe Ereignis über Quellen hinweg und liefert eine zitierte Synthese; --preflight erlaubt es, die geplanten Quellen und Schreibvorgänge vor der Recherche zu prüfen, und --emit=json erleichtert die Einbindung der Ausgabe in einen anderen Arbeitsablauf.

Redaktionsteams, Agenturen und Verantwortliche für regelmäßige Überwachung können Recherchen mit --store in SQLite speichern, frühere Berichte durchsuchen und watchlist.py oder briefing.py nutzen, um Nachfassaktionen sowie tägliche oder wöchentliche Zusammenfassungen vorzubereiten. Die HTML-Bibliothek und der Atom-Feed dienen dazu, gespeicherte Berichte zu veröffentlichen, wenn der Nutzer sich dafür entscheidet. Um die Abdeckung zu erweitern, sind je nach Quelle Schlüssel, Cookies oder lokale Dienste nötig; diese Zugangsdaten sollten isoliert werden, und Interaktionssignale sollten vor ihrer Umwandlung in redaktionelle Aussagen erneut mit den Originalquellen abgeglichen werden.

Ressourcen

• Repository: https://github.com/mvanhorn/last30days-skill
• Dokumentation und Installation: https://github.com/mvanhorn/last30days-skill#install
• Offizielle Skill: https://github.com/mvanhorn/last30days-skill/tree/main/skills/last30days
• Konfiguration: https://github.com/mvanhorn/last30days-skill/blob/main/CONFIGURATION.md
• Beitragsleitfaden: https://github.com/mvanhorn/last30days-skill/blob/main/CONTRIBUTING.md
• Pakete und Veröffentlichungen: https://github.com/mvanhorn/last30days-skill/releases
• Community und Issues: https://github.com/mvanhorn/last30days-skill/issues
• Gespräche: https://news.ycombinator.com/item?id=47783940, https://news.ycombinator.com/item?id=46764597, https://news.ycombinator.com/item?id=46963949, https://news.ycombinator.com/item?id=48440334, https://news.ycombinator.com/item?id=49130905

---

Hinweis: Dieser Artikel kombiniert das README, die Skill-Spezifikation, den Beitragsleitfaden, Issues, Releases, die GitHub-API und -Seiten sowie Hacker News, abgerufen am 1. August 2026. Zahlen und Integrationen ändern sich mit der Zeit.