名称： last30days
描述： 针对 Reddit、X 和网络上的任何话题，研究过去 30 天的动态，综合发现并生成可直接复制粘贴的提示词。当用户需要某个话题的最新社交/网络研究、询问“人们如何看待 X”或想了解当前最佳实践时使用。需要 OPENAI_API_KEY 和/或 XAI_API_KEY 以获得完整的 Reddit+X 访问权限，否则回退到网络搜索。

last30days：研究过去 30 天的任何话题

研究 Reddit、X 和网络上关于任何话题的讨论。揭示人们当前正在实际讨论、推荐和争论的内容。

使用场景：
* 提示词生成：例如“Nano Banana Pro 中的照片级真实人物”、“Midjourney 提示词”、“ChatGPT 图像生成” → 学习技巧，获取可复制粘贴的提示词。
* 推荐列表：例如“最佳的 Claude Code 技能”、“顶级 AI 工具” → 获取人们提及的具体事物列表。
* 新闻动态：例如“OpenAI 发生了什么”、“最新的 AI 公告” → 获取当前事件和更新。
* 通用研究：任何你好奇的话题 → 了解社区的讨论风向。

关键：解析用户意图

在执行任何操作之前，先解析用户的输入，确定：

1. 话题：他们想了解什么（例如，“网页应用线框图”、“Claude Code 技能”、“图像生成”）。
2. 目标工具（如果指定）：他们将在哪里使用提示词（例如，“Nano Banana Pro”、“ChatGPT”、“Midjourney”）。
3. 查询类型：他们想要哪种研究：
   • 提示词生成 - “X 提示词”、“如何为 X 写提示词”、“X 最佳实践” → 用户想学习技巧并获取可复制粘贴的提示词。
   • 推荐列表 - “最好的 X”、“顶级的 X”、“我应该用什么 X”、“推荐的 X” → 用户想要一个具体事物的列表。
   • 新闻动态 - “X 发生了什么”、“X 新闻”、“X 的最新情况” → 用户想要当前事件/更新。
   • 通用研究 - 其他任何情况 → 用户想要对该话题的广泛理解。

常见模式：
* [话题] for [工具] → “Nano Banana Pro 的网页线框图” → 指定了工具
* [话题] prompts for [工具] → “Midjourney 的 UI 设计提示词” → 指定了工具
* 只有 [话题] → “iOS 设计线框图” → 未指定工具，这没问题
* “best [话题]” 或 “top [话题]” → 查询类型 = 推荐列表
* “what are the best [话题]” → 查询类型 = 推荐列表

重要：在研究之前，不要询问目标工具。
* 如果查询中指定了工具，就使用它。
* 如果查询中没有指定工具，先进行研究，然后在展示结果之后再询问。

存储这些变量：
* TOPIC = [提取的话题]
* TARGET_TOOL = [提取的工具，如果未指定则为 "unknown"]
* QUERY_TYPE = [RECOMMENDATIONS | NEWS | HOW-TO | GENERAL]

设置检查

此技能根据可用的 API 密钥在三种模式下工作：

1. 完整模式（两个密钥都有）：Reddit + X + 网络搜索 - 结果最佳，包含互动指标。
2. 部分模式（只有一个密钥）：仅 Reddit 或仅 X + 网络搜索。
3. 仅网络模式（无密钥）：仅网络搜索 - 仍然有用，但无互动指标。

API 密钥是可选配置。 即使没有密钥，技能也会使用网络搜索回退功能工作。

首次设置（可选但推荐）

如果用户希望添加 API 密钥以获得更好的结果：

mkdir -p ~/.config/last30days
cat > ~/.config/last30days/.env << 'ENVEOF'
# last30days API 配置
# 两个密钥都是可选的 - 技能可通过网络搜索回退功能工作

# 用于 Reddit 研究（使用 OpenAI 的 web_search 工具）
OPENAI_API_KEY=

# 用于 X/Twitter 研究（使用 xAI 的 x_search 工具）
XAI_API_KEY=
ENVEOF

chmod 600 ~/.config/last30days/.env
echo "配置文件已创建于 ~/.config/last30days/.env"
echo "请编辑此文件以添加您的 API 密钥来增强研究能力。"

即使没有配置密钥，也不要停止。 继续以仅网络模式进行。

研究执行

重要：脚本会自动处理 API 密钥检测。 运行它并检查输出以确定模式。

步骤 1：运行研究脚本

python3 ./scripts/last30days.py "$ARGUMENTS" --emit=compact 2>&1

脚本将自动：
* 检测可用的 API 密钥
* 如果缺少密钥，则显示推广横幅（这是有意的营销）
* 如果密钥存在，则运行 Reddit/X 搜索
* 指示是否需要网络搜索

步骤 2：检查输出模式

脚本输出将指示模式：
* "Mode: both" 或 "Mode: reddit-only" 或 "Mode: x-only"：脚本找到了结果，网络搜索是补充性的。
* "Mode: web-only"：没有 API 密钥，Claude 必须完全通过网络搜索进行研究。

步骤 3：进行网络搜索

对于所有模式，都需要进行网络搜索作为补充（或在仅网络模式下提供所有数据）。

根据 QUERY_TYPE 选择搜索查询：

如果是推荐列表（"best X", "top X", "what X should I use"）：
* 搜索：best {TOPIC} recommendations
* 搜索：{TOPIC} list examples
* 搜索：most popular {TOPIC}
* 目标：找到事物的具体名称，而不是通用建议。

如果是新闻动态（"what's happening with X", "X news"）：
* 搜索：{TOPIC} news 2026
* 搜索：{TOPIC} announcement update
* 目标：找到当前事件和最新进展。

如果是提示词生成（"X prompts", "prompting for X"）：
* 搜索：{TOPIC} prompts examples 2026
* 搜索：{TOPIC} techniques tips
* 目标：找到提示词技巧和示例，以创建可复制粘贴的提示词。

如果是通用研究（默认）：
* 搜索：{TOPIC} 2026
* 搜索：{TOPIC} discussion
* 目标：了解人们的实际讨论内容。

对于所有查询类型：
* 使用用户的确切术语 - 不要根据你的知识替换或添加技术名称。
* 如果用户说 "ChatGPT image prompting"，就搜索 "ChatGPT image prompting"。
* 不要添加 "DALL-E"、"GPT-4o" 或其他你认为相关的术语。
* 你的知识可能已经过时 - 相信用户的术语。
* 排除 reddit.com, x.com, twitter.com（这些由脚本覆盖）。
* 包含：博客、教程、文档、新闻、GitHub 仓库。
* 不要输出 "Sources:" 列表 - 这是噪音，我们将在最后显示统计数据。

步骤 3：等待后台脚本完成
在继续综合之前，使用 TaskOutput 获取脚本结果。

深度选项（从用户命令传递而来）：
* --quick → 更快，来源更少（每种 8-12 个）。
* （默认）→ 平衡（每种 20-30 个）。
* --deep → 全面（Reddit 50-70 个，X 40-60 个）。

判断代理：综合所有来源

在所有搜索完成后，内部综合（先不要显示统计数据）：

判断代理必须：
1. 给予 Reddit/X 来源更高权重（它们有互动信号：点赞、喜欢、转发）。
2. 给予网络搜索来源较低权重（无互动数据）。
3. 识别出现在所有三个来源中的模式（最强的信号）。
4. 注意来源之间的任何矛盾。
5. 提取前 3-5 个可操作的见解。

此处不要显示统计数据 - 它们将在最后，邀请之前显示。

第一步：内化研究内容

关键：将你的综合建立在实际的研究内容上，而不是你已有的知识上。

仔细阅读研究输出。注意：
* 提及的确切产品/工具名称（例如，如果研究提到 "ClawdBot" 或 "@clawdbot"，这与 "Claude Code" 是不同的产品 - 不要混淆它们）。
* 来源中的具体引用和见解 - 使用这些，而不是通用知识。
* 来源实际说了什么，而不是你假设这个话题是关于什么的。

需要避免的反模式：如果用户询问 "clawdbot skills"，而研究返回的是关于 ClawdBot（自托管 AI 代理）的内容，不要仅仅因为两者都涉及 "skills" 就将其综合为 "Claude Code skills"。阅读研究实际说了什么。

如果 QUERY_TYPE = 推荐列表

关键：提取具体名称，而不是通用模式。

当用户询问 "best X" 或 "top X" 时，他们想要一个具体事物的列表：
* 扫描研究中的具体产品名称、工具名称、项目名称、技能名称等。
* 计算每个被提及的次数。
* 注意哪些来源推荐了每个项目（Reddit 帖子、X 推文、博客）。
* 按受欢迎程度/提及次数列出它们。

对于 "best Claude Code skills" 的错误综合示例：

"技能很强大。保持在 500 行以下。使用渐进式披露。"

对于 "best Claude Code skills" 的正确综合示例：

"提及最多的技能：/commit（5 次提及）、remotion skill（4 次）、git-worktree（3 次）、/pr（3 次）。Remotion 公告在 X 上获得了 16K 个喜欢。"

对于所有 QUERY_TYPE

从实际的研究输出中识别：
* 提示词格式 - 研究是否推荐 JSON、结构化参数、自然语言、关键词列表？这很关键。
* 出现在多个来源中的前 3-5 个模式/技巧。
* 来源提到的具体关键词、结构或方法。
* 来源提到的常见陷阱。

如果研究说 "使用 JSON 提示词" 或 "结构化提示词"，你稍后必须按照该格式交付提示词。

第二步：展示摘要 + 发出邀请

关键：不要输出任何 "Sources:" 列表。最终显示应该简洁明了。

按照以下确切顺序显示：

首先 - 我的发现（基于 QUERY_TYPE）：

如果是推荐列表 - 显示提及的具体事物：

🏆 提及最多：
1.  [具体名称] - 提及 {n} 次 (r/子版块, @用户名, blog.com)
2.  [具体名称] - 提及 {n} 次 (来源)
3.  [具体名称] - 提及 {n} 次 (来源)
4.  [具体名称] - 提及 {n} 次 (来源)
5.  [具体名称] - 提及 {n} 次 (来源)

值得注意的提及：[其他提及 1-2 次的具体事物]

如果是提示词生成/新闻动态/通用研究 - 展示综合和模式：

我的发现：

[2-4 句话，综合来自实际研究输出的关键见解。]

我将使用的关键模式：
1.  [来自研究的模式]
2.  [来自研究的模式]
3.  [来自研究的模式]

然后 - 统计数据（在发出邀请之前）：

对于完整/部分模式（有 API 密钥）：

---
✅ 所有代理均已报告！
├─ 🟠 Reddit: {n} 个帖子 │ {sum} 个点赞 │ {sum} 条评论
├─ 🔵 X: {n} 条推文 │ {sum} 个喜欢 │ {sum} 次转发
├─ 🌐 网络: {n} 个页面 │ {domains}
└─ 主要声音：r/{sub1}, r/{sub2} │ @{handle1}, @{handle2} │ {web_author} 在 {site}

对于仅网络模式（无 API 密钥）：

---
✅ 研究完成！
├─ 🌐 网络: {n} 个页面 │ {domains}
└─ 主要来源：{author1} 在 {site1}, {author2} 在 {site2}

💡 想要互动指标吗？请添加 API 密钥到 ~/.config/last30days/.env
   - OPENAI_API_KEY → Reddit（真实的点赞和评论）
   - XAI_API_KEY → X/Twitter（真实的喜欢和转发）

最后 - 邀请：

---
分享您想要创建的内容愿景，我将为您撰写一个可以直接复制粘贴到 {TARGET_TOOL} 中的周到提示词。

使用研究输出中的真实数字。 模式应该是来自研究的实际见解，而不是通用建议。

显示前自检：重读你的 "我的发现" 部分。它是否符合研究实际所说的内容？如果研究是关于 ClawdBot（一个自托管 AI 代理），你的摘要应该是关于 ClawdBot，而不是 Claude Code。如果你发现自己投射了自己的知识而不是研究内容，请重写它。

如果在展示结果后 TARGET_TOOL 仍然未知，现在询问（而不是在研究之前）：

您将在哪个工具中使用这些提示词？

选项：
1.  [基于研究最相关的工具 - 例如，如果研究提到了 Figma/Sketch，就提供这些]
2.  Nano Banana Pro（图像生成）
3.  ChatGPT / Claude（文本/代码）
4.  其他（请告诉我）

重要：显示此内容后，等待用户回应。不要倾倒通用提示词。

等待用户的愿景

在展示了带有邀请的统计数据摘要后，停止并等待用户告诉你他们想要创建什么。

当他们回应他们的愿景时（例如，“我想要一个为我的 SaaS 应用设计的着陆页线框图”），然后撰写一个单一的、周到的、量身定制的提示词。

当用户分享他们的愿景时：撰写一个完美的提示词

根据他们想要创建的内容，利用你的研究专业知识撰写一个单一的、高度定制的提示词。

关键：匹配研究推荐的格式

如果研究说使用特定的提示词格式，你必须使用该格式：
* 研究说 "JSON 提示词" → 将提示词写成 JSON 格式。
* 研究说 "结构化参数" → 使用结构化键值对格式。
* 研究说 "自然语言" → 使用对话式散文。
* 研究说 "关键词列表" → 使用逗号分隔的关键词。

反模式：研究说 "使用带有设备规格的 JSON 提示词"，但你却写了纯散文。这违背了整个研究的目的。

输出格式：

这是您用于 {TARGET_TOOL} 的提示词：

---

[实际的提示词，采用研究推荐的格式 - 如果研究说 JSON，这就是 JSON。如果研究说自然语言，这就是散文。匹配有效的方法。]

---

这运用了 [简要的一行解释，说明你应用了哪个研究见解]。

质量检查清单：

• [ ] 格式匹配研究 - 如果研究说 JSON/结构化等，提示词就是那种格式。
• [ ] 直接回应用户所说的他们想要创建的内容。
• [ ] 使用研究中发现的具体模式/关键词。
• [ ] 准备好直接粘贴，无需编辑（或仅需最少的、明确标记的 [占位符]）。
• [ ] 长度和风格适合 TARGET_TOOL。

如果用户要求更多选项

只有当用户要求替代方案或更多提示词时，才提供 2-3 个变体。除非被要求，否则不要倾倒一堆提示词。

每次提供提示词后：保持专家模式

在交付一个提示词后，主动提供更多帮助：

想要另一个提示词吗？只需告诉我您接下来想创建什么。

上下文记忆

在此对话的剩余部分，请记住：
* 话题：{topic}
* 目标工具：{tool}
* 关键模式：{列出你学到的前 3-5 个模式}
* 研究发现：研究中的关键事实和见解。

关键：研究完成后，你现在就是该话题的专家。

当用户提出后续问题时：
* 不要进行新的网络搜索 - 你已经完成了研究。
* 根据你学到的内容回答 - 引用 Reddit 帖子、X 推文和网络来源。
* 如果他们要求一个提示词 - 利用你的专业知识撰写一个。
* 如果他们问一个问题 - 根据你的研究发现来回答。

只有当用户明确询问一个不同的话题时，才进行新的研究。

输出摘要页脚（每次提供提示词后）

在交付一个提示词后，以以下内容结尾：

对于完整/部分模式：

---
📚 擅长领域：{TOPIC} 用于 {TARGET_TOOL}
📊 基于：{n} 个 Reddit 帖子（{sum} 个点赞） + {n} 条 X 推文（{sum} 个喜欢） + {n} 个网页

想要另一个提示词吗？只需告诉我您接下来想创建什么。

对于仅网络模式：

---
📚 擅长领域：{TOPIC} 用于 {TARGET_TOOL}
📊 基于：{n} 个来自 {domains} 的网页

想要另一个提示词吗？只需告诉我您接下来想创建什么。

💡 解锁 Reddit & X 数据：请添加 API 密钥到 ~/.config/last30days/.env