简体中文 · English
🚀 30 天的研究，30 秒的结果。8 大平台。零过时信息。
last30days-cn 是一个 AI Agent 技能（Skill），能够自动搜索中国互联网 8 大主流平台最近 30 天的内容，综合分析后生成有据可查的研究报告。
🔗 本项目基于 mvanhorn/last30days-skill 进行深度本土化改造，完全面向中国用户和中文互联网平台。
🕷️ v2.0 集成 MediaCrawler 爬虫引擎思路，大幅减少 API Key 依赖。v2.1 修复百度/小红书反爬问题，XHR 拦截替代 DOM 解析，Bing 兜底搜索，已移除无效的 ScrapeCreators 小红书集成。
当前版本：v3.1.0
👤 作者 / Author: Jesse (@Jesseovo)
- 修复中文平台日期统一按北京时间（CST）归档，避免非北京时间机器上的窗口边界偏移。
- 新增 CJK bigram 回退分词，
jieba变为可选增强，skill 可零硬依赖运行。 - 统一 HTTP 重试退避、Retry-After 解析和 debug URL 脱敏。
- 新增 payload 生成/漂移检查、版本单源、缓存接线和 GitHub Actions CI。
- 追平原版 v3 的 Agent Skills 包结构：
skills/last30days现在是可独立安装的运行载荷。 - 中文 CLI 统一使用单入口
last30days.py，根目录和 Skill 载荷保持同名结构。 - 新增
--emit html和--emit html-path，可生成离线可打开的report.html。 - HTML 报告融入 op7418/guizang-ppt-skill 的 Swiss/IKB 视觉语言，适合浏览、归档、打印。
- 小红书和知乎搜索增加空结果兜底说明，失败时会标注已尝试路径与可能原因。
- 抖音、头条在原生接口被风控时新增公开搜索引擎兜底，不再静默返回 0 条（见 issue #8）。
- 修复 macOS/Linux 下
skills/last30days/SKILL.md损坏 symlink 导致的npx安装失败（见 issue #10）。 - 对照上游 mvanhorn/last30days-skill 同步若干平台无关能力：
--as-of历史回溯、跨平台聚合热点、LAST30DAYS_DEFAULT_SEARCH/EXCLUDE_SOURCES配置开关、诚实--diagnose（实时探测）、HTML 报告 XSS 加固。 - 根目录
scripts/继续保留，方便本地开发和旧路径调用；Agent Skills 安装使用skills/last30days/scripts下的自包含载荷。
本次发布前已完成以下质检：
- 远端发布 tag 统一为
v3.0.0，没有额外 v3 派生 tag。 - 根目录与 Skill 载荷均统一使用
last30days.py单入口，没有额外入口文件。 - 全量测试通过：
py -m pytest，共176 passed。 - 根目录入口和 Skill 载荷入口均已验证：
py scripts/last30days.py --diagnose与py skills/last30days/scripts/last30days.py --diagnose均可正常输出平台可用性诊断。
请务必仔细阅读以下内容。使用本项目即表示您同意以下所有条款。
- 本项目仅供学习和研究目的。所有爬虫功能仅用于技术学习与研究交流，严禁用于商业用途。
- 使用者必须严格遵守中华人民共和国相关法律法规，包括但不限于：
- 《中华人民共和国网络安全法》
- 《中华人民共和国数据安全法》
- 《中华人民共和国个人信息保护法》
- 《中华人民共和国反不正当竞争法》
- 使用者必须遵守各平台的**服务条款（ToS）**和 robots.txt 规定。
- 禁止将本项目用于以下行为：
- 大规模、高频率地抓取平台数据
- 收集、存储或传播他人个人隐私信息
- 破坏或干扰平台正常运营
- 任何形式的非法数据倒卖或商业牟利
- 对外提供自动化数据采集服务
- 本项目开发者不承担因使用本项目而产生的任何法律责任。用户应自行承担使用本项目的全部法律风险。
- 如有侵权，请联系作者，将在第一时间处理。
- 爬虫功能依赖 Playwright 浏览器自动化，模拟正常用户浏览行为，不涉及逆向加密算法或破解安全机制。
- 各平台接口随时可能变更，本项目不保证所有功能始终可用。
- 建议将请求频率控制在合理范围内（如每次搜索间隔 ≥ 5 秒），避免被平台封禁。
💡 爬虫违法违规的案例频发，请务必合法合规使用。 参考：中国爬虫相关法律案例汇总
| 特性 | v1.0 | v2.0 |
|---|---|---|
| 免费可用平台数 | 4 个 | 7 个（安装 Playwright 后） |
| 需要 API Key 的平台 | 微博、小红书、抖音、微信 | 仅微信（其余可用爬虫替代） |
| 数据获取方式 | 仅 API + 公开接口 | API + 爬虫引擎 + 公开接口 |
| 安装难度 | 需配置多个 API Key | pip install playwright 即可 |
| marketplace.json | 缺少 owner 字段（Bug） | ✅ 已修复 |
- 集成 MediaCrawler 爬虫引擎 — 基于 Playwright 浏览器自动化，无需逆向加密算法，大幅降低使用门槛
- 7/8 平台零配置可用 — 除微信外，所有平台均可无需 API Key 使用
- 智能降级策略 — API 优先 → 爬虫模式 → 公开接口，三级自动降级
- 修复 Issue #1 — 修复 marketplace.json 缺少 owner 字段导致 Claude Code 安装失败的 bug
- 登录态缓存 — 爬虫模式支持 Cookie 持久化，减少重复登录
| 平台 | 模块 | 数据获取方式 | 需要配置 |
|---|---|---|---|
| 🔴 微博 | weibo.py |
API / 🕷️爬虫 / 公开接口 | ✅ 爬虫模式无需配置 |
| 📕 小红书 | xiaohongshu.py |
API / 🕷️爬虫 / 公开接口 | ✅ 爬虫模式无需配置 |
| 📺 B站 | bilibili.py |
公开 API / 🕷️爬虫备用 | ✅ 无需配置 |
| 💬 知乎 | zhihu.py |
公开搜索 / 🕷️爬虫备用 | ✅ 无需配置 |
| 🎵 抖音 | douyin.py |
API / 🕷️爬虫 / 公开接口 / 搜索兜底 | ✅ 爬虫模式无需配置 |
| 💚 微信 | wechat.py |
API / 搜狗搜索 | WECHAT_API_KEY（可选） |
| 🔵 百度 | baidu.py |
公开搜索 / API | ✅ 基础搜索无需配置 |
| 📰 头条 | toutiao.py |
公开接口 / 搜索兜底 | ✅ 无需配置 |
🕷️ = 需要安装 Playwright（
pip install playwright && playwright install chromium）
npx skills add Jesseovo/last30days-skill-cn -g将项目克隆到 Cursor 技能目录：
git clone https://github.com/Jesseovo/last30days-skill-cn.git然后在 Cursor 中将 SKILL.md 添加为项目技能。
# 方式一：通过 Agent Skills 安装（推荐）
npx skills add Jesseovo/last30days-skill-cn -g
# 方式二：手动安装
git clone https://github.com/Jesseovo/last30days-skill-cn.git ~/.claude/skills/last30days-cngit clone https://github.com/Jesseovo/last30days-skill-cn.git ~/.agents/skills/last30days-cngit clone https://github.com/Jesseovo/last30days-skill-cn.git
# 在 Gemini CLI 中作为扩展加载任何支持 Bash / Read / Write 工具的 AI Agent 都可以使用本技能。
python -m pip install jieba
jieba不是硬依赖；未安装时会自动使用 CJK bigram 回退分词，仍可运行。
python -m pip install playwright
python -m playwright install chromium安装 Playwright 后，微博、小红书、抖音、B站（备用）、知乎（备用）均可无需 API Key 使用。
如果您希望使用 API 模式获取更稳定的数据，或需要使用微信公众号搜索：
mkdir -p ~/.config/last30days-cn
touch ~/.config/last30days-cn/.env
chmod 600 ~/.config/last30days-cn/.envWindows（PowerShell）等价： 创建目录与空配置文件可用 New-Item -ItemType Directory -Force -Path "$env:USERPROFILE\.config\last30days-cn" 与 New-Item -ItemType File -Path "$env:USERPROFILE\.config\last30days-cn\.env" -Force。限制 .env 仅当前用户可读写可近似使用 icacls "$env:USERPROFILE\.config\last30days-cn\.env" /inheritance:r /grant:r "$($env:USERNAME):(R,W)"（与 Unix chmod 600 意图相近，权限模型不同）。
编辑 ~/.config/last30days-cn/.env，按需填入 API Key：
# ============================================
# last30days-cn v2.0 配置文件
# ============================================
# 📌 说明：所有 API Key 均为可选
# 安装 Playwright 后，大部分平台已可通过爬虫模式使用
# API Key 提供更稳定的数据获取方式
# ============================================
# 🔴 微博开放平台（可选，已有爬虫模式替代）
# 获取方式: https://open.weibo.com → 创建应用 → 获取 Access Token
WEIBO_ACCESS_TOKEN=
# 📕 小红书（可选，已有爬虫模式替代）
# 获取方式: https://scrapecreators.com → 注册 → 获取 API Key
SCRAPECREATORS_API_KEY=
# 💬 知乎 Cookie（可选，增强搜索质量）
# 获取方式: 浏览器登录知乎 → F12 → Network → 复制 Cookie 值
ZHIHU_COOKIE=
# 🎵 抖音（可选，已有爬虫模式替代）
# 获取方式: https://tikhub.io → 注册 → 获取 API Key
TIKHUB_API_KEY=
# 💚 微信公众号搜索（目前无爬虫替代，需 API Key 才能使用）
# 获取方式: 使用第三方微信搜索 API 服务商
WECHAT_API_KEY=
# 🔵 百度搜索 API（可选，公开搜索已可用）
# 获取方式: https://cloud.baidu.com → 搜索服务 → 创建应用
BAIDU_API_KEY=
BAIDU_SECRET_KEY=python scripts/last30days.py --diagnose将输出各平台的可用状态和爬虫引擎状态：
{
"weibo": true,
"xiaohongshu": false,
"bilibili": true,
"zhihu": true,
"douyin": true,
"wechat": false,
"baidu_api": false,
"toutiao": true,
"crawler_engine": {
"playwright_available": true,
"cached_logins": [],
"note": "安装 Playwright 后，微博/小红书/抖音/B站/知乎可无需 API Key 使用爬虫模式"
},
"note_douyin_toutiao": "抖音/头条原生接口需签名参数，常被风控；接口失败时改用公开搜索引擎兜底，仅能拿到公开链接，无真实互动数据与精确日期。"
}python scripts/last30days.py "AI编程助手" --emit compact
python scripts/last30days.py "AI编程助手" --emit html-path| 参数 | 说明 | 示例 |
|---|---|---|
--emit |
输出模式 | compact / json / md / context / path / html / html-path |
--quick |
快速搜索 | 更少数据源，更快速度 |
--deep |
深度搜索 | 更多数据源，更全面 |
--days N |
回溯天数 | --days 7（最近一周） |
--as-of |
历史回溯终点日期 | --as-of 2026-05-01（以该日为终点回溯 N 天） |
--search |
指定搜索源 | --search weibo,bilibili,zhihu |
--diagnose |
诊断配置 | 显示各平台可用状态 |
--timeout SECS |
全局超时秒数 | 覆盖默认全局超时 |
--save-dir DIR |
自动保存原始输出目录 | 将原始输出写入指定目录 |
--debug |
调试模式 | 输出详细日志 |
🔧 环境变量：未指定
--search时，回退到LAST30DAYS_DEFAULT_SEARCH（逗号分隔的默认源集）；EXCLUDE_SOURCES可从启用集合中排除指定源。
# 🔍 搜索 AI 相关话题
python scripts/last30days.py "最新AI工具" --emit compact
# ⚡ 快速搜索，仅 B站和知乎
python scripts/last30days.py "Python教程" --quick --search bilibili,zhihu
# 📊 深度搜索并保存结果
python scripts/last30days.py "新能源汽车" --deep --save-dir ~/Documents/research
# 📋 输出 JSON 格式（适合程序处理）
python scripts/last30days.py "ChatGPT替代品" --emit json
# 🗓️ 仅搜索最近 7 天
python scripts/last30days.py "热门话题" --days 7
# 🧾 生成可离线打开的 HTML 报告
python scripts/last30days.py "具身智能" --deep --emit html-pathv2.0 采用三级自动降级策略，确保最大可用性：
优先级 1: API 模式（如配置了 API Key）
↓ 失败或未配置
优先级 2: 爬虫模式（MediaCrawler，需要 Playwright）
↓ 失败或未安装
优先级 3: 公开接口（HTTP 直接请求，无需任何配置）
↓ 仍无结果（抖音/头条/小红书/知乎）
兜底: 公开搜索引擎（Bing site: 搜索，获取公开链接）
| 平台 | API 模式 | 爬虫模式 | 公开接口 | 搜索兜底 |
|---|---|---|---|---|
| 微博 | WEIBO_ACCESS_TOKEN |
✅ Playwright | ✅ m.weibo.cn | - |
| 小红书 | MCP HTTP API(可选) | ✅ Playwright (XHR拦截) | ✅ Bing | |
| B站 | - | ✅ Playwright(备用) | ✅ 公开 API | - |
| 知乎 | ZHIHU_COOKIE(增强) |
✅ Playwright(备用) | ✅ 公开搜索 | ✅ Bing |
| 抖音 | TIKHUB_API_KEY |
✅ Playwright | ✅ Bing | |
| 微信 | WECHAT_API_KEY |
- | ✅ 搜狗搜索 | - |
| 百度 | BAIDU_API_KEY |
- | ✅ Bing | |
| 头条 | - | - | ✅ Bing |
⚠️ 抖音/头条原生 web 接口现在强制要求签名参数（a_bogus/_signature），常被风控。接口失败时改用公开搜索引擎兜底，只能拿到公开链接，无真实互动数据与精确日期。
last30days-skill-cn/
├── 📄 SKILL.md # Agent 技能定义文件
├── 📄 README.md # 项目说明（中文，本文件）
├── 📄 README.en.md # 项目说明（English）
├── 📄 LICENSE # MIT 许可证
├── 📄 requirements.txt # Python 依赖
├── 📁 assets/ # README 配图
├── 📁 scripts/
│ ├── 🐍 last30days.py # 中文主入口 CLI
│ └── 📁 lib/
│ ├── crawler_bridge.py # 🆕 MediaCrawler 爬虫桥接模块
│ ├── weibo.py # 微博搜索模块
│ ├── xiaohongshu.py # 小红书搜索模块
│ ├── bilibili.py # B站搜索模块
│ ├── zhihu.py # 知乎搜索模块
│ ├── douyin.py # 抖音搜索模块
│ ├── wechat.py # 微信公众号模块
│ ├── baidu.py # 百度搜索模块
│ ├── toutiao.py # 今日头条模块
│ ├── schema.py # 数据结构定义
│ ├── score.py # 评分系统
│ ├── normalize.py # 数据标准化
│ ├── dedupe.py # 去重
│ ├── render.py # 输出渲染
│ ├── relevance.py # 相关性计算
│ ├── query.py # 查询预处理
│ ├── query_type.py # 查询类型检测
│ ├── entity_extract.py # 实体抽取
│ ├── env.py # 环境配置管理
│ ├── cache.py # 缓存管理
│ ├── dates.py # 日期工具
│ ├── http.py # HTTP 客户端
│ ├── ui.py # 终端 UI
│ └── setup_wizard.py # 配置向导
├── 📁 skills/
│ └── 📁 last30days/ # Agent Skills 自包含运行载荷
│ ├── 📄 SKILL.md # 安装后供 Agent 读取的技能说明
│ └── 📁 scripts/
│ ├── 🐍 last30days.py
│ └── 📁 lib/ # 与根目录脚本同步的运行依赖
├── 📁 fixtures/ # 示例数据
├── 📁 tests/ # 测试用例
└── 📁 hooks/ # Agent 钩子
每条搜索结果的综合评分（0-100）基于：
| 维度 | 权重 | 说明 |
|---|---|---|
| 🎯 相关性 | 45% | 与查询主题的文本匹配度 |
| 🕐 时效性 | 25% | 内容发布时间的新鲜程度 |
| 🔥 互动度 | 30% | 各平台互动指标（见下表） |
| 平台 | 互动指标 |
|---|---|
| 微博 | 转发 + 评论 + 点赞 |
| 小红书 | 点赞 + 收藏 + 评论 + 分享 |
| B站 | 播放 + 弹幕 + 评论 + 投币 + 收藏 |
| 知乎 | 赞同 + 评论 + 收藏 |
| 抖音 | 点赞 + 评论 + 分享 + 播放 |
| 头条 | 评论 + 阅读 + 点赞 |
- mvanhorn/last30days-skill — 原始英文版项目
- NanmiCoder/MediaCrawler — 爬虫引擎技术灵感来源
本项目基于 MIT License 发布。
- 🔗 原始项目: mvanhorn/last30days-skill by Matt Van Horn
- 🇨🇳 中文本土化: Jesse (@Jesseovo)