Transcript
00:00:00Cloud Code 存在研究调查方面的痛点，而这个开源 GitHub 仓库解决了这个问题。
00:00:05它叫“Last 30 Days”，能帮你解决每次想让 Cloud Code
00:00:08搜索资料时面临的困境。
00:00:10我们要么依赖网络搜索——本质上就是高级版的谷歌搜索，
00:00:14要么就得使用深度研究（Deep Research），但这需要耗费 5、10、15、20 分钟，
00:00:19调用成百上千个子 Agent，并消耗数百万个 token。
00:00:23相反，Last 30 Days 技能提供了一个绝佳的中间地带，
00:00:26我们可以用它抓取大量不同的平台，
00:00:28从而摸清用户的真实看法与情绪，
00:00:31而不只是看新闻标题或 SEO 排名靠前的文章。
00:00:35对任何使用 Cloud Code 做研究的人来说，这都是一款完美工具，
00:00:38所以一定要看完本期视频。
00:00:40Last 30 Days 技能是一个开源 GitHub 仓库，已获得 5.5 万个 Star。
00:00:44它曾登顶 GitHub 当日趋势榜榜首，
00:00:47其核心功能就是允许 Cloud Code
00:00:49抓取所有主流社交媒体平台。
00:00:52比如 Reddit、Hacker News、Polymarket、GitHub、YouTube、TikTok、Instagram，
00:00:57全部囊括。它会主动出击，获取你所需的信息。
00:01:00再强调一次，我们能在这里获取普通网络搜索无法拿到的真实用户情绪，
00:01:04接着它会将所有信息归纳总结，为你生成一份报告。
00:01:07生成的报告长这样。
00:01:08我当时问 Cloud Code 的是：
00:01:10大家对 Cloud Opus 5 有什么看法？
00:01:12左边是使用 Last 30 Days 技能生成的报告，
00:01:15右边则是 Cloud 结合传统联网搜索的结果。
00:01:17首先，看看 Cloud 结合传统联网搜索的输出，我们得到了什么？
00:01:22基本上就是你在谷歌搜索“大家怎么看 Opus 5”时，
00:01:27能搜到的主流文章摘要。
00:01:30所以它不一定错，但它没有深入一层
00:01:33去看看大家在 Twitter 或 Reddit 上实际都在讨论些什么，
00:01:37对吧？
00:01:38它并没有深入到所谓的“基层”声音。
00:01:41而如果我们看看 Last 30 Days 的报告，
00:01:43你会发现我们的搜索范围要宽广得多，
00:01:45看看具体的来源数据就一目了然了。
00:01:49这份报告分析了 22 个 Reddit 帖子，
00:01:52包含 13 条 X 帖子、14 个 YouTube 视频、26 个 TikTok、13 个 Instagram Reels、
00:01:5716 篇 Hacker News 报道、25 个 GitHub 项目以及 Polymarket 上的数据。
00:02:02信息量非常惊人。
00:02:04因此它能告诉我们的，又是那些
00:02:07关于大众真实想法极具细节的内容。
00:02:10比如它提到了该主题在 Instagram
00:02:12和 TikTok 等短视频领域的表现。
00:02:14它还总结出“大家目前的讨论框架是什么”，
00:02:18主要是说“Opus 5 的成本只有 Fable 5 的一半”。
00:02:21它还指出了评论区里的负面情绪，而不只是主帖内容。
00:02:24只阅读 Reddit 帖子的标题是一回事，
00:02:27去看看评论区在说什么则是另一回事，比如：
00:02:30大家赞同原帖的观点吗？
00:02:33还是说底下已经吵翻天了？
00:02:35最后，它还会告诉我们专业测评方面
00:02:37的整体舆情偏向。
00:02:48综合这一切，通过这个 Last 30 Days 技能，
00:02:51你能获得深刻得多的洞察。
00:02:57再深入讲解一下，使用 Last 30 Days 技能时，
00:03:00这份前端报告只是它收集到的所有信息的一小部分高度凝练。
00:03:08在你看到的报告背后，它还会生成一个 Markdown 文件。
00:03:11那是一个篇幅更长的详细摘要。
00:03:13你可以在这里看到它的原始格式，
00:03:16里面更详细地记录了它在各个平台上搜集到的内容。
00:03:23不仅如此，
00:03:23它还会收集所有数据并存入一个 JSON 文件中，
00:03:27比如所有的逐字稿、所有评论等等。
00:03:30这就是我们在这里看到的内容。
00:03:32里面的数据量非常庞大，对吧？
00:03:34有海量的数据供你进一步筛选分析。
00:03:37在深入了解这个技能的更多细节之前，
00:03:39插播一条赞助商广告——也就是我自己。
00:03:42在 Chase AI+ 社区中，
00:03:44我刚刚发布了 Cloud Code 大师课。
00:03:46这是实现从零基础蜕变为 AI 开发者最棒的途径，
00:03:49特别是如果你没有技术背景的话。
00:03:52课程聚焦于实际应用场景。
00:03:53而且内容会持续更新。
00:03:55所以如果你想提升自己的 AI 技能，
00:03:58但又不太清楚该从何入手，
00:04:00强烈建议你来看看我们的课程。
00:04:02置顶评论里有课程链接。
00:04:04期待在课程里见到你。
00:04:05看完刚才那些，
00:04:06这个 30-day 技能的核心增值价值
00:04:08就非常显而易见了。
00:04:09那就是信息来源。
00:04:10这些来源是你使用开箱即用的 Cloud Code
00:04:12未必能看到的。
00:04:14它的覆盖面非常广。
00:04:15除了像 Reddit、
00:04:17YouTube 和 Hacker News 这些大型平台外，
00:04:19你还能抓取 LinkedIn、Pinterest、Bluesky。
00:04:22可以说应有尽有。
00:04:23其中有些来源配置起来非常简单。
00:04:25当你安装这个技能时，
00:04:27只需运行一行指令。
00:04:28我稍后会演示。
00:04:29系统就会自动为你全部配置完毕。
00:04:31完全不需要 API 密钥，
00:04:32我们也不用支付任何费用。
00:04:34而其他一些来源则需要特定的依赖项。
00:04:36同样，当你运行该技能时，
00:04:38Cloud Code 会引导你完成安装。
00:04:39最后，确实有少数平台
00:04:42需要 API 密钥，
00:04:43比如 X（即 Twitter）。
00:04:44是的，你需要一个 xAI 的 API 密钥
00:04:49才能真正抓取 Twitter 数据。
00:04:50话虽如此，价格并不算贵。
00:04:53Twitter 确实是这里面成本最高的一项。
00:04:55在我运行的每一次测试中，
00:04:56平均每次费用大概在 10 美分左右。
00:04:59另外需要提醒大家注意的是，
00:05:01像 TikTok 和 Instagram Reels 这类平台，
00:05:04需要使用来自 Scrape Creators 的 API 密钥。
00:05:08不过，当你运行并安装这个技能时，
00:05:11它将会
00:05:12为你配置好
00:05:14一个类似于带有补贴的账户
00:05:16赠送你几千次免费调用额度。
00:05:20即使你每天都在使用，
00:05:21基本上可以免费运行
00:05:22长达半年时间，
00:05:23而无需向 Scrape Creators 支付任何费用。
00:05:25所以它的搭建其实非常简单，
00:05:28而且能让你获取海量数据。
00:05:30在仓库本身中，
00:05:31也详细拆解了
00:05:31哪些数据源需要什么配置以及各自的成本。
00:05:35在进入安装和实操演示之前，
00:05:36我们先讲讲它的工作原理。
00:05:38简单来说，你只需要
00:05:40在 Cloud Code 中
00:05:42调用这个技能。
00:05:43你可以输入斜杠指令 /last-30-days
00:05:45或者直接用自然语言说“使用 30 天技能”。
00:05:46然后给它一个主题。
00:05:48就像我刚才演示的例子那样，
00:05:49我说：
00:05:50“大家对 Cloud Opus 5 有什么看法？”
00:05:52接着，它会把你写的粗糙 Prompt，
00:05:55无论写得多么简单，
00:05:56进行优化和精炼。
00:05:58随后它会全面铺开，
00:06:00开始检索所有这些不同的平台。
00:06:02正如这里所述，它非常智能。
00:06:03如果你说：
00:06:05“帮我搜索关于 Kanye West 的讨论”，
00:06:07它知道应该去哪些 Subreddit 版块
00:06:09查找，
00:06:10以及哪些 Twitter 账号是相关的。
00:06:12然后并行搜索所有这些渠道。
00:06:14所以整个过程其实非常迅速。
00:06:16接下来它会进行深度挖掘。
00:06:17正如我所说，我们不仅看帖子的标题，
00:06:20还会细看评论区。
00:06:21在此基础上，它会对信息进行排序，
00:06:22并归纳整理出一份简报。
00:06:24如果在不同平台上反复出现同一种观点，
00:06:27它就会赋予该观点高得多的权重。
00:06:29不会因为偶尔一两条偏颇的 Reddit 评论
00:06:31而带偏整体结论。
00:06:32报告会明确告诉你：
00:06:34“这是重点关注事项，”
00:06:35“这是获得高赞的评论。”
00:06:36它就像在说：“如果在 Reddit、
00:06:38Twitter
00:06:38和 YouTube 上都看到了这个说法，
00:06:39那这件事大概率是真的很有参考价值。”
00:06:41至于安装，在 Cloud Code 中极其简单。
00:06:43只需要一行代码。
00:06:44代码可以在 GitHub 仓库中找到，
00:06:46我会把链接放在简介栏里。
00:06:48此外，这个仓库对其他类型的
00:06:49Agent 工具也做了相当深入的适配。
00:06:51所以如果你使用的是其他工具，
00:06:53比如 Codex、Cursor 等等，
00:06:54集成起来都非常方便。
00:06:56它甚至还教你如何在
00:06:57claude.ai 网页版上使用它。
00:06:59现在大家已经明白了它的功能、
00:07:00工作原理以及如何安装，
00:07:02下面我们来进行一段快速的实操演示。
00:07:03好的，使用这个技能非常直观。
00:07:05就像调用其他技能一样，我们只需
00:07:06输入 /last-30-days 指令，
00:07:09或者直接使用自然语言描述。
00:07:11接着，输入我们的 Prompt 即可。
00:07:13这里输入的 Prompt 是：“调查一下
00:07:15大家对 last 30 days 技能
00:07:16有什么评价”。
00:07:18大家刚才也看到了那些可用的
00:07:21丰富数据源。
00:07:22如果我不添加任何参数标记
00:07:24或附加限制信息，
00:07:25只要它认为相关，
00:07:26就会综合调用所有平台。
00:07:28当然你也可以
00:07:29缩小搜索范围。
00:07:31比如我可以指定：
00:07:31“我想了解关于 last 30 days 的讨论，
00:07:33但只查询 Reddit”
00:07:34或者只搜索 Twitter
00:07:35或者只搜索 YouTube。
00:07:36所以在这一点上它非常灵活。
00:07:38记住，如果你不知道
00:07:40自己有哪些选项
00:07:42来使用这项技能，
00:07:44Claude Code 是知道的。
00:07:45既然它下载了这个技能，
00:07:46它就了解这项技能。
00:07:47它基本上可以向你传授最佳实践，
00:07:49如果想做的内容未涵盖在
00:07:50它也可以教你最佳实践。
00:07:52所以当我直接运行它时，
00:07:53它其实并不会向我
00:07:54询问任何问题或类似的内容。
00:07:55完全不需要来回沟通。
00:07:56它只会调用该技能
00:07:57并开始工作，
00:07:58并行运行一堆 agent
00:08:00去覆盖
00:08:00所有不同的平台。
00:08:02为了实际执行搜索，
00:08:03它会运行一个确定的 Python 脚本
00:08:06来抓取所有数据。
00:08:07所以在五分钟之后，
00:08:08这就是它返回的结果。
00:08:09它在开头给我们提供了一句总结，
00:08:11说这个仓库的增长速度
00:08:13快到了炒作帖子都赶不上的地步。
00:08:14它还给出了实时的具体数据。
00:08:16它指出了贯穿
00:08:17这一切的核心主线，
00:08:19即它解决了泛泛的 AI 调研问题。
00:08:22它还展示了
00:08:23其他人是在哪些平台讨论这个话题的，
00:08:25比如 YouTube 和 Twitter。
00:08:26它总结了关键模式，
00:08:27这是提炼自调研结果的，
00:08:28然后它还按平台进行了细分。
00:08:31比如 Reddit 上有 5 个帖子，
00:08:32Twitter 上有 22 个，等等。
00:08:35接着它向我们展示了
00:08:36在哪里可以找到原始结果。
00:08:38也就是原始的 Markdown 文件。
00:08:39如果你想要原始的 JSON，
00:08:41也可以向它索取。
00:08:43作为对比，
00:08:43作为对比，让我们看看会得到什么结果
00:08:44当我们给它提供基本上
00:08:45完全相同的提示词，
00:08:47但明确告诉它：
00:08:48“不要使用 30-day 技能”时，会得到什么。
00:08:50这就是它通过纯网络搜索
00:08:51给我们的报告。
00:08:52再说一次，它并没有错，
00:08:54只是要浅显得多。
00:08:55我们无法真正获取到
00:08:56用户情绪等信息。
00:08:57即使当它提到
00:08:58人们在夸赞什么时，
00:08:59内容也相当笼统，
00:09:00因为它没有去看具体的评论，
00:09:01也没有去看逐字稿
00:09:03之类的东西，
00:09:04这意味着在 Claude Code 里
00:09:06使用网络搜索来回答
00:09:07日常的随机问题
00:09:08在 Claude Code 内部使用并没有错。
00:09:10我们没必要对所有事
00:09:12都使用 last 30 days。
00:09:13事实上，建议你不要这么做，
00:09:15因为这项操作消耗挺大的。
00:09:17但我认为这真正为我们带来的，
00:09:19是介于网络搜索——
00:09:22那种比较浅层的搜索——
00:09:23与直接进行“嘿，
00:09:24/deep-research 这种动态工作流、
00:09:25调用 3,000 个
00:09:27子 agent 之间的一种选择。
00:09:29它正是介于两者之间。
00:09:30特别是，
00:09:31甚至可以说
00:09:31在分析用户情绪方面，
00:09:32它可能比
00:09:32深度研究（deep research）表现更好。
00:09:35正如大家刚才所见，
00:09:36使用起来非常简单。
00:09:38安装只需一行命令。
00:09:39唯一可能会卡住你的地方，
00:09:41就是当你尝试连接
00:09:43特定的数据源时。
00:09:44不过话说回来，使用 Claude Code 时，
00:09:46只需丢出这个仓库链接，
00:09:47它就会引导你完成
00:09:48你所需要的具体配置。
00:09:49说实话，
00:09:50唯一会花钱的
00:09:52就是 X/Twitter 那部分。
00:09:54作为参考，
00:09:55我每次使用这个，
00:09:55就像我之前说的，
00:09:56大概需要 10 美分
00:09:58左右。
00:09:59老规矩，
00:09:59欢迎在评论区告诉我
00:10:00你们对这期视频的看法。
00:10:01如果你想学习
00:10:03我的 Claude Code 大师课，
00:10:04学习我的 Claude Code 大师课。
00:10:05链接就在
00:10:05置顶评论中。
00:10:07我们下期再见！