GitHub 的 last30days skill 才是 AI 研究的正確模型

GitHub 的 last30days skill 是 AI 研究更好的模型，因為它優先抓取即時的人類訊號，而不是過時的網頁內容。

GitHub 的 last30days-skill 應該成為 AI 研究工具的預設範式：先抓活的訊號，再把它們整理成有根據的摘要。這個倉庫的賭注很明確，它從 Reddit、X、YouTube、Hacker News、Polymarket、GitHub 和一般網頁蒐集資料，再依照互動和金錢訊號排序，而不是看頁面權重或編輯包裝。這很重要，因為 AI、產品、文化這些變動最快的主題，已經不能只靠搜尋結果理解。真正有用的是最近一個月的留言、討論串、逐字稿、提交紀錄和預測市場機率。

第一個論點

它比傳統搜尋更快抓到現實。Google 和靜態網頁搜尋是用來找頁面，不是用來量測當下的共識。這個倉庫的 README 直接點出差異：Google 在聚合編輯與索引，而 /last30days 在搜尋人。這不是修辭差別，而是方法論差別。一篇部落格可以很快被收錄，卻完全說不出現在使用者在抱怨什麼、開發者這週在交付什麼、社群已經否決了什麼。

它自己的使用案例更能說明問題。README 描述了一個會前研究流程：一般 Google 搜尋會先回來 2023 年的 LinkedIn 個人頁，但 /last30days 會抓到最近的推文、Podcast 逐字稿、GitHub PR 和 Reddit 爭論。這就是「靜態身份」和「活躍訊號」的差別。對創辦人、PM、工程師來說，真正要問的從來不是「這個人以前說過什麼」，而是「他現在在做什麼、現在相信什麼、以及市場現在怎麼回應」。一個月的視窗夠新鮮，也夠長，足以看出趨勢。

第二個論點

它使用的排序訊號，比 SEO 更接近真實重要性。這個工具的核心主張是，互動比關鍵字優化更能代表相關性。Reddit 的 upvote、HN 的 points、X 的 likes、YouTube 的觀看數、Polymarket 的交易量，都是不同形式的人類投入。一篇 1,500 upvote 的 Reddit 討論、一支 360 萬觀看的短片、或一個有 6.6 萬美元交易量的市場，傳達的關注程度都比一篇打磨精美的公司部落格更有價值。README 沒把這些訊號當噪音，而是當證據，因為它們來自真實注意力與真實分歧。

Polymarket 是最能說明這件事的例子。倉庫明確對比的是「意見」和「機率」：不是某人說會發生什麼，而是人們願意拿錢押什麼。這比單純做情緒分析更強，也正好對症當前 AI 工具的老問題，因為很多摘要會把炒作、信念和價格混成一團。當系統依照使用者實際互動來加權時，產出的綜述更難被操縱，也更容易信任。SEO 可以被設計出來，但注意力和金錢要大規模偽造，難得多。

反方可能怎麼說

最強的反對意見是，這種方法會過度迎合「聲量」。Reddit 不是世界，X 上充滿表演式確定感，YouTube 獎勵冗長輸出，預測市場在很多類別都太薄，GitHub stars 也不是品質保證。若系統把互動當成核心信號，就可能把受歡迎誤認成真實，把吵鬧誤認成重要，尤其當受眾本來就偏向早期採用者、開發者或高度線上化社群時。若把它拿來做所有決策，你會只替最吵的人設計產品。

這個批評成立，而且這個倉庫其實也給了正確答案：它從來沒說單一來源就是真理。它主張的是跨來源綜合，會比任何單一管道更好。這個工具最強的地方，在於它能做交叉驗證。Reddit 討論、HN 辯論、YouTube 逐字稿、GitHub release、Polymarket 走勢放在一起，就能看出哪些是雜訊、哪些是共識、哪些是信念。限制不是互動訊號沒用，而是它們本來就只是局部真相。把它們合成後，可靠度遠高於搜尋排序或編輯摘要。

所以反方只打中一半：這不是人氣投票，而是結構化的交叉檢查。它只有在你只看單一來源時才危險；而它的設計正是要避免這件事，因為它把多個激勵不同的系統拉進來，再逼摘要層去對齊。這不是缺點，反而是必要約束。

你能做什麼

如果你是工程師、PM 或創辦人，研究流程就該圍繞即時、多來源訊號，而不是泛用網頁搜尋。任何會前準備、發版前判斷、招募、產品下注，都先看最近 30 天：使用者在抱怨什麼、建造者在交付什麼、社群在吵什麼、哪些人願意付錢或押注。然後把綜合摘要當起點，不是當神諭。真正有優勢的習慣不是讀更多，而是先讀對月份、對來源，搶在大家追上之前看見現實。