mcpField
L
last-30-days-research

last-30-days-research

github.com/mohitagw15856生产力1.5k38 次安装5 天前更新
代码仓库

关于 last-30-days-research

这是一个 Claude Skill，可跨 Reddit、X 和更广泛的网页来源研究近期观点。它按交叉验证、证据和可信度组织结果，避免把单次提及当作结论。

主要功能

  1. 01搜索 Reddit、X 和网页
  2. 02设置 7、30 或 90 天范围
  3. 03按指定角度聚焦研究
  4. 04比较跨平台信号
  5. 05列出来源与可信度

适用场景

  1. 01了解近期开发者对产品的看法
  2. 02查找某项功能的常见抱怨
  3. 03比较社区对竞品工具的观点

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/mohitagw15856/pm-claude-skills --skill last-30-days-research

安装后在 Claude Code 中输入/last-30-days-research确认已加载。

详细介绍

过去 30 天的研究

问题

Google 搜出来的都是塞满 SEO 内容的“最佳榜单”，由从未用过相关产品的人在六个月前写成。真正诚恳的看法藏在 Reddit 帖子、X 回复和小众社区里，但在各个平台上追查这些信息会耗掉你一整个下午。这项技能会替你完成追查。

必需输入

输入必需备注
主题是工具、趋势、功能、产品、活动、公司——任何有名称的事物
日期范围否默认为过去 30 天。可改为过去 7 天或过去 90 天
角度否例如“重点关注开发者的看法”或“专门寻找对定价的抱怨”

输出结构

输出是一份结构化研究报告，包含以下部分，并严格按照此顺序提供：

## Last 30 Days Research: [Topic]
Research window: [Date 30 days ago] → [Today's date]

---

## What People Agree On
[Consensus points that appear across multiple platforms — most reliable signal]

## Where People Disagree
[Active debates, contrasting views — include which side has more weight]

## Pain Points That Keep Coming Up
[Recurring complaints and frustrations — strongest signal of real problems]

## Positive Signals
[What people genuinely praise — not PR, but unprompted appreciation]

## Most Interesting Takes
[Contrarian, unexpected, or surprisingly insightful comments worth noting]

## Sources
[Links to the most useful threads/posts found — 5–10 links with brief labels]

## Signal Confidence
[High / Medium / Low — with a one-line rationale based on data volume and consistency]

每个部分都应包含实质性内容，而非占位符。如果某部分没有发现（例如没有发现积极信号），请明确说明，不要留空或捏造内容。

Claude 的指示

步骤 1 — 计算日期范围

确定今天的日期，再减去 30 天，得出研究开始日期。格式：YYYY-MM-DD。每条搜索查询都要明确使用这些日期。

步骤 2 — 搜索 Reddit

至少执行三次以 Reddit 为目标的网页搜索：

site:reddit.com "[topic]" after:[30-days-ago-date]
site:reddit.com "[topic]" 2025
reddit.com "[topic]" discussion OR thread OR comments

对于每条结果：阅读帖子标题、顶层评论以及任何高赞回复。记录关键观点和 URL。

如果主题有常见同义词或缩写，请用这些词进行额外搜索（例如“Claude Code”、“claude.code”和“Anthropic coding tool”）。

步骤 3 — 搜索 X/Twitter

至少执行两次以 X 为目标的网页搜索：

site:twitter.com OR site:x.com "[topic]" after:[30-days-ago-date]
"[topic]" site:x.com -is:retweet

注意：通过网页搜索 X 有一定局限。如果结果较少，可补充搜索已知会讨论该主题领域的特定账号（例如科技记者、领域专家）。

步骤 4 — 扩大网页搜索范围

至少执行两次更广泛的搜索，查找文章、博客文章和评论：

"[topic]" review OR opinion OR experience [month] [year]
"[topic]" vs OR alternative OR comparison [month] [year]

目标来源：Hacker News、Substack、dev.to、个人博客、产品社区。避免新闻稿和厂商撰写的内容。

步骤 5 — 跨平台交叉印证

撰写报告前，回顾收集到的所有内容，并应用交叉印证规则：

如果同一观点独立出现在 Reddit 和 X 上，就将其视为强信号——它很可能属实。

只在某个平台上出现一次的观点只是一个数据点，而非结论。请据此调整各部分的权重。

步骤 6 — 撰写报告

填写输出结构的每个部分。遵循以下规则：

  • 大家认同的观点：只纳入你在 2 个以上平台或多个独立帖子中看到的观点。这些是最可靠的发现。
  • 意见分歧之处：指出不同阵营。“有人认为 X，另一些人认为 Y——根据点赞数／互动量，X 阵营似乎声音更大。”
  • 痛点：具体描述。“性能问题”过于笼统。“免费套餐的冷启动时间超过 4 秒”才有用。
  • 积极信号：必须是未经引导的赞扬，不能来自产品营销或赞助内容。
  • 最有趣的观点：至少 2 条，最多 5 条。尽可能引用原话或贴近原意地转述。
  • 来源：附上实际 URL。为每条来源添加简短标签（例如“Reddit 帖子：‘有人从 X 换到 Y 吗？’”）。
  • 信号置信度：根据以下标准评为高／中／低：
    • 高 = 10 个以上来源，各平台信号一致
    • 中 = 5–10 个来源，存在一些不一致
    • 低 = 少于 5 个来源，或信号高度分散
步骤 7 — 交付前检查

输出报告前，请确认：

  • 报告中的每条主张都能追溯到研究过程中找到的实际来源（而非既有知识）
  • 搜索确实应用了日期范围，而非忽略了它
  • 来源部分没有捏造或幻觉生成的 URL
  • 信号置信度评级反映实际数据量，而非乐观估计

质量检查

  • 至少执行了 3 次 Reddit 搜索，并应用了日期筛选条件
  • 至少执行了 2 次 X/Twitter 搜索
  • 至少执行了 2 次更广泛的网络搜索
  • 应用了跨平台佐证原则（同一观点出现在多个平台上 = 更强的信号）
  • 痛点部分包含具体、明确的细节，而非模糊的泛泛之谈
  • 来源部分包含真实 URL（非捏造），并已在研究过程中核实
  • 已评定信号置信度，并说明理由
  • 如果某个部分没有发现，应明确说明，而不是省略或凑内容
  • 未将供应商撰写的内容或新闻稿视为独立信号
  • 已搜索该主题的同义词和其他名称

反模式

  • 不要将 SEO 博客文章或供应商撰写的内容视为社区信号——只统计独立来源
  • 不要在未应用日期筛选条件的情况下报告发现——将已有知识与近期搜索结果混在一起，会产生过时且无法核实的说法
  • 不要捏造或猜测 URL——来源部分中的每个链接都必须在研究过程中检索到
  • 不要将单条提及报告为一项“发现”——一项发现需要至少两个独立来源相互佐证
  • 找到的可信来源少于 5 个时，不要将信号置信度评为高——这会误导读者，使其高估输出的可信度

示例触发短语

  • “过去 30 天里，人们对 Cursor AI 有什么看法？”
  • “研究一下大家近期对 Vercel 的评价”
  • “Arc 浏览器关闭一事过去 30 天的情况”
  • “大家目前对 Supabase 的观感如何？”
  • “开发者最近对 Claude Code 有什么看法？”
  • “研究一下过去 30 天里关于 [主题] 的情况”
  • “为 [产品] 提供一份信号报告”
  • “大家在 Reddit 和 Twitter 上如何看待 [趋势]？”

评论

支持 Markdown