Repo-AI-Analysis

Appearance

last30days

3.4/5综合评分
3.0/5推荐度
GitHub ↗ai-programs/ai-harness/skillsPythonMIT★ 57,644核验 2026-08-08

证据等级：GitHub API / releases / issue-PR / Actions evidence + local shallow-clone code and workflow review + isolated Python test/audit/preflight; no live multi-source research, credential, cookie, host-plugin, or browser-session run

开始阅读
维度评分last30days：能力 4.0/5，易用性 3.0/5，性能 3.0/5，代码质量 4.0/5，文档 4.0/5，社区 4.0/5，成熟度 2.0/5，可扩展性 4.0/5，安全性 3.0/5，推荐度 3.0/5维度评分能力易用性性能代码质量文档社区成熟度可扩展性安全性推荐度

last30days ​

面向 agent harness 的 recency-first research skill：把近期 Reddit、X、YouTube、HN、GitHub、预测市场与 web 信号交给本地 engine 汇集，再由宿主 agent 写成 brief。

状态: active · 总分: 3.4/5 · 推荐度: 3/5

验证边界：本轮核验 GitHub API、源码、workflow、隔离 Python test/audit 与无副作用 preflight；没有实际跑一次多源研究，也没有给它真实 API key、浏览器 cookie、Hermes/Claude/Codex plugin 或本地 companion service。因此“支持哪些平台/来源”主要是 README 与 SKILL contract 的声明，而不是本轮端到端结果 [Source:readme][Source:skill][Local:test][Local:preflight]。

一句话总结 ​

last30days 值得作为“近期社区脉搏”研究工具隔离试用：其工程化程度和测试证据强于普通 prompt pack，但它同时是一个上下文很重、外部依赖多、可接触 token/cookie/本地文件的高权限 agent skill，不应当把社媒聚合当作事实核查，也不应无审查地装进敏感主环境 [Source:skill][Local:test][GH:issues]。

总体评价 ​

它的核心形态不是静态 Markdown，而是 SKILL.md 行为契约加 Python research engine，并附带 Go MCP surface、配置/发布规则、评测与安全 workflow。当前 checkout 有 445 个文件，主干的 pipeline.py、last30days.py、render.py 都是数千行模块；隔离环境中的 Python suite 实测通过 3,598 项测试并达到 88.46% coverage，精确同一 HEAD 的 upstream Validate 也通过了 tests、eval 与 Go MCP jobs [Source:local-scan][Local:test][GH:actions]。

但“工程投入充分”不等于“多源研究已稳定”。近期 open issues 涉及 Instagram 解析、arXiv 时间窗、GitHub query、X backend 与极大的 skill context；这些报告说明 connector 边界仍在持续修补。本轮不把 README 的来源矩阵、zero-config 或 host 覆盖直接升格为已验证运行能力 [GH:issues][Source:readme][Source:skill]。

因此它是一个能力强、证据较实、但仍很年轻且权限面宽的 skill-engine hybrid：适合时间敏感的产品/社区调研、research discovery 与 agent-skill engineering 学习；不适合作为高风险结论、企业敏感账号或稳定生产 API 的单点依赖 [GH:api][Source:skill]。

推荐度：3/5 ​

角色定位：面向已经使用 agent harness、愿意把 profile、token、浏览器 session 和输出目录隔离的个人研究者、产品调研者与 agent power user；不面向希望“装完即可信、可直接接入生产”的团队。

给 3/5 而非 4/5 的理由，不在于它缺少功能，而在于采用边界：项目 2026-01 才创建、当前仍有 72 个 open issues 与 33 个 open PRs；其一条 open issue 还直接指出完整 SKILL.md 约 224 KB / 56k tokens 的常驻上下文成本。面对多个时常变化的社媒/API connector，年轻、宽权限和 context-heavy 三者叠加，必须优先做隔离与试跑 [GH:api][GH:issues][Source:skill]。

正面证据同样明确：本轮 Python test/audit 通过，覆盖率高于项目 84% gate；精确同一 main HEAD 的 upstream tests、eval、MCP tests 都成功。它值得阅读、跟踪，并可在无敏感凭据的 sandbox 中选择性试用 [Local:test][GH:actions][Source:project]。

结论：值得收录；对“近期讨论/市场/开发者反馈”的研究工作流可试，但先固定版本、最小权限、单独 $HOME/输出目录和非生产账号。仓库自身的 Hermes guide 还要求 --force 接受其所述 scanner caution，这更不是盲装理由 [Source:hermes-setup]。

优势 ​

  1. recency-first 问题定位明确：README/SKILL 将它定位为近期多源信号聚合，而不是一般网页搜索；可覆盖社区讨论、视频 transcript、GitHub 活动、预测市场和补充 web source [Source:readme][Source:skill]。
  2. skill 与 engine 分工真实存在：SKILL contract 约束宿主 agent，Python engine 承担 source retrieval、enrichment、rendering、保存与诊断；不是只有 prompt 的资料包 [Source:skill][Source:local-scan]。
  3. 有可运行的质量门：本轮隔离 Python suite 全绿并超过 coverage gate，upstream exact-HEAD Validate 的 tests、eval、MCP tests 也成功 [Local:test][GH:actions][Source:project]。
  4. 先验权限可见性较好：--preflight 在本轮实际运行时清楚列出 config source、cookie read plan、planned writes、缺失 optional CLI 与可用 keyless sources，而没有读取 cookie 或启动研究 [Local:preflight][Source:skill]。
  5. 多 host / 多 artifact 的产品意识较强：README 文档化 Agent Skills hosts、Claude Code、Grok、Claude Desktop、OpenClaw、JSON export、library/watchlist 等 surface；本轮只确认这些文档和构建结构，未逐 host 运行 [Source:readme][Source:local-scan]。

劣势 ​

  1. 上下文负担显著：当前 SKILL.md 为 2,255 行、222,241 bytes；#956 还报告某 host 每次加载约 56k tokens。即使该 token 数尚未由本轮独立复现，文件体量本身已是 context-budget 与可读性的硬信号 [Source:skill][GH:issues]。
  2. connector correctness 仍是风险中心：近期 issue 报告覆盖 Instagram 空结果、arXiv window、GitHub query 与 X backend。它们不证明所有运行都会失败，却足以否定“功能列出来就可靠”的乐观推断 [GH:issues]。
  3. 核心实现偏大：pipeline、entrypoint 与 renderer 分别达到 4,160、3,623、3,558 行；虽有高 coverage，但改动理解、review 与跨来源回归成本都不低 [Source:local-scan][Local:test]。
  4. 本轮测试仍暴露 hygiene debt：测试通过，但终端出现 112 warnings，其中多条为未关闭 sqlite3 connection 的 ResourceWarning；这不是 fail，却不应被 green test 掩盖 [Local:test]。
  5. 权限/依赖面宽：Bash、Read、Write、WebSearch，外加 optional API key、browser cookie、local service、SQLite、报告保存与可选公开发布，意味着安装安全远不等于普通 Markdown skill [Source:skill]。
  6. 成熟度不足：2026-01 创建、v3.18.4 仍在快速修补 connector 与 release workflow；长期兼容性、账户合规和 host 行为尚需时间检验 [GH:api][GH:release][GH:issues]。

适合什么场景 ​

  • 需要知道“最近一个月社区究竟在讨论什么”的产品、开发者工具、市场或人物调研，但把输出作为 discovery，而非最终事实。
  • 有明确 source boundary 的研究：例如只开 keyless Reddit/HN/Polymarket/GitHub，或对单一测试账号启用可选来源 [Local:preflight][Source:readme]。
  • 希望把原始 brief、JSON、watchlist 或 library 作为个人研究档案，再回到一手来源进行核验的 workflow [Source:readme][Source:skill]。
  • 学习如何将 skill contract、engine、诊断、fixture/eval、source status 与 host-specific packaging 组合成 agent-native 工具 [Source:skill][Source:workflows]。
  • 能用隔离 profile、least-privilege token、明确输出目录和可回收 browser session 控制 blast radius 的个人/小团队。

不适合什么场景 ​

  • 医疗、法律、投资、地缘政治等高风险判断的最终证据；社媒 engagement 和预测市场只是信号，不是事实或因果证明 [Source:readme][Source:skill]。
  • 不能接受 query 发送给外部服务、不能接受浏览器 cookie/API token、或不能接受本地 research artifact 的敏感环境 [Source:skill]。
  • context window、token cost 或响应 latency 极其紧张的 agent；222 KB runtime instruction contract 是实在负担 [Source:skill][GH:issues]。
  • 要求稳定、低变更、可长期固定 ABI/API 的生产服务；项目年龄和当前 connector backlog 不支持这个期待 [GH:api][GH:issues]。
  • 不愿审阅安装路径、也不愿为每个 provider 单独核验权限/合规/付费规则的使用者。

与类似项目对比 ​

项目定位相对本项目
Scientific Agent Skills面向应用科学工具与数据库的广覆盖 skill collection更偏领域技能目录；last30days 更偏单一、带本地 engine 的近期信息聚合 workflow。
OpenAI SkillsCodex 生态的官方 skills catalog / 示例集合更偏 catalog 与格式生态参照；last30days 把一个具体研究任务做成携带 engine、诊断和输出持久化的垂直能力。

上述项目均在 ai-programs/ai-harness/skills 同类目录中；表格只依据本地 wiki 既有条目的标题级定位与分类语境，不代表本轮对比较项重新执行 10 维审计或作优劣 benchmark [L1:comparisons]。

它能做什么 ​

README 与 SKILL contract 声称它可：为 topic/person/product/comparison 做近窗口 research，组合 Reddit、X、YouTube、TikTok、Instagram、HN、Polymarket、GitHub、arXiv、Techmeme、web 等来源；提供 doctor、source outcome、freshness、JSON、library、watchlist 与 HTML artifact 等工作流能力 [Source:readme][Source:skill]。

本轮实际验证到的是其中较窄的一层：--preflight 在隔离环境下成功给出 keyless source availability、planned report directory 和 cookie-off 状态，且没有发起 live research。它证明安全预览入口能启动，不证明任何外部 connector 返回了正确、完整或新鲜的数据 [Local:preflight]。

其合理使用方式应是：把 engine 的结果视为可追溯候选与叙事素材，回到原始链接、官方公告、论文/文档或直接 API 再做事实核验；不要把“抓到了很多 engagement”误写成“结论已证实” [Source:readme][Source:skill]。

运行环境与资源占用 ​

场景CPU内存存储说明
最小普通本地 CPU；未 benchmark未测；仅 SKILL.md 就有 222,241 bytes 的模型上下文输入代码树 31,406,044 bytes；运行输出另计Python 3.12+，metadata 还列出 node；keyless sources 仍需要网络 [Source:skill][Source:local-scan][Source:project]
推荐普通多核 CPU + 稳定网络；fan-out 主要受外部延迟约束为 host context、transcript/result artifact 留余量为 raw briefs、SQLite store、library/HTML 留独立目录README/SKILL 声明多源并行和本地保存，本轮未跑负载/吞吐 benchmark [Source:readme][Source:skill]
  • 运行时：pyproject.toml 要求 Python >=3.12；skill metadata 列出 node 与 python3，另有 Go MCP subproject。隔离 Python test 在 CPython 3.13.5 通过；本机没有 Go，因此没有本地重跑 MCP test，但同一 HEAD 的 upstream MCP job 已成功 [Source:project][Local:test][GH:actions]。
  • 性能评分边界：3/5 是“无 benchmark 的中性分”，不是吞吐/成本优秀的证明。多源 network fan-out 与 222 KB skill context 都会抬高真实时间和 token 成本 [Source:skill][GH:issues]。
  • 操作系统：源码包含多 host / Windows/macOS/Linux path 与 cookie-flow 文档；本轮只在 Linux 上跑了 Python tests/preflight，未做多平台实测 [Source:skill][Local:test]。
  • Docker：未见 Dockerfile、Compose file 或官方 Docker image/documented Docker route，故 docker_support: false [Source:local-scan]。
  • GPU：本轮 source scan 未发现 GPU dependency 或 execution path，故按不需要记录；这不是 hardware benchmark [Source:project][Source:local-scan]。
  • 外部依赖：核心 Python runtime dependencies 为空；能力扩展依赖外部 API、cookies、optional CLIs、本地 browser/session services 和宿主 agent 的 synthesis/tool surface [Source:project][Source:skill]。

上手体验 ​

评分 3/5。

README 的 npx skills add 与多 host 安装说明降低了发现和分发门槛；本轮也实际运行了 --preflight，它能在不读 cookie、不跑研究的情况下说清配置和权限预期 [Source:readme][Local:preflight]。

真正的 first-run 却不轻：SKILL contract 明确要求 consent-aware setup、可选 browser-cookie access、CLI installation、GitHub device flow、provider keys、source opt-in 和保存位置；用户还要理解“宿主 agent 是否正确遵守这 2,255 行 contract”这个额外变量 [Source:skill]。

因此它不是零配置的普通搜索应用。若只用 keyless sources，体验可接受；若追求 X、视频、社媒 comments 或远程 synthesis，credential、成本、合规与 host 差异会迅速成为主导复杂度 [Source:readme][Source:skill]。

代码质量 ​

评分 4/5。

正面证据扎实：项目有锁定的 Python dev toolchain、84% coverage floor、Python coverage/eval 与 Go race-test workflow；本轮隔离执行完整 Python suite 得到 3,598 passed、5 skipped、88.46% coverage，且 exact-HEAD upstream Validate 的 tests/eval/mcp-tests 均成功 [Source:project][Source:workflows][Local:test][GH:actions]。

不打 5 的原因同样明确：三个关键 Python 文件均为数千行，跨来源 adapter 的复杂性高；本轮测试有 112 warnings，明确包含未关闭 sqlite3 connection 的 ResourceWarning。而且 live API、browser cookies 与 provider error path 不可能被纯 fixture suite 完全等价覆盖 [Source:local-scan][Local:test][Source:skill]。

可扩展性 ​

评分 4/5。

项目把主流程拆到 scripts/lib/ 的 source/enrichment/rendering 模块，配合 fixture/eval、host manifests、Python engine 和 Go MCP surface；理论上可以新增 source connector、输出 format、health rule、query mode 或 host packaging，而不必推倒整个产品 [Source:local-scan][Source:project][Source:workflows]。

但扩展并非低成本 plugin API：新 source 要同步 skill contract、config、credential boundary、source-status、rendering、tests 与 host-specific behavior。数千行核心模块和长 contract 意味着贡献者要承受相当高的理解/回归负担，故不打 5 [Source:skill][Source:local-scan]。

文档质量 ​

评分 4/5。

README、AGENTS、CONTRIBUTING、CONFIGURATION、CHANGELOG、HERMES_SETUP 和 runtime SKILL contract 形成了用户、贡献者、host 与安全边界的多层文档；README 还提供多语言入口、install matrix、配置与输出行为说明 [Source:readme][Source:skill][Source:hermes-setup]。

扣分主要来自信息架构过重：2,255 行 runtime instruction 虽能记录 failure modes 和 host-specific law，却对人类审阅、上下文预算、不同 harness 的一致加载都是负担；#956 正在把这一问题作为公开 issue 讨论 [Source:skill][GH:issues]。

社区与成熟度 ​

维度评分说明
社区活跃度4/52026-08-08 snapshot 为 57,644 stars、5,001 forks、72 open issues、33 open PRs；main 在 2026-08-07 仍有提交，近期 PR/CI 活跃。高关注度不等于生产质量，且 community profile 未显示 Code of Conduct 或 security policy [GH:api][GH:community][GH:actions]
成熟度2/5创建于 2026-01，当前最新 release 为 v3.18.4；source/host/security/connector 仍快速变化，近期 issues 也显示多个真实边界在修补 [GH:api][GH:release][GH:issues]

这里将 open issues 和 open PRs 分开记录；不用 GitHub REST 的 open_issues_count=105 直接推断 bug backlog，因为该字段包含 open PRs [GH:api]。

安全与风险 ​

评分 3/5。

正面：repo 显式列出 network destinations、cookie consent、planned writes 和不记录 API key 的约束；本轮 --preflight 也实际呈现 cookie-off/不读取 browser store 的安全预览。workflow 使用 dependency audit、dependency review、TruffleHog、Scorecard、OSV Scanner 等手段，且本轮 Python dependency audit 未发现 13 个 locked packages 的已知问题 [Source:skill][Local:preflight][Source:workflows][Local:test]。

不能因此打 4：skill 被允许使用 Bash/Read/Write/WebSearch，可接入浏览器 cookie、多种 API key、local service、SQLite 与公开发布；retrieved pages、query text 和 host synthesis 都构成 prompt-/instruction-supply-chain 风险。security-advisories 返回空数组只意味着本次未找到 published repository advisory，不代表安全；社区 profile 也未显示公开 security policy [Source:skill][GH:advisories][GH:community]。

实际采用应遵循：固定审阅过的 commit/版本，不在默认生产 profile 裸跑；使用隔离 $HOME、独立 output dir、test account 和最小权限 key；禁用 browser-cookie access，除非用户明确同意且能接受泄露边界；永远将生成的 research brief 与公开 library publishing 当成可能外泄的 artifact。仓库自己的 Hermes guide 所述 --force scanner-caution 路径尤其应触发人工审阅，而非绕过安全判断 [Source:skill][Source:hermes-setup]。

学习价值 ​

很高。它展示了一个有价值的 agent-tool 设计：把一次性 prompt 提升为可执行 engine，并为 source outcome、preflight、tests、eval、release 与多 host packaging 建立明确契约 [Source:skill][Source:workflows][Local:test]。

同样值得反向学习的是边界：2,255 行的 runtime prompt 说明“把所有 failure mode 都塞进 SKILL.md”会侵蚀 context budget；正确方向应是 progressive disclosure、可验证的小型 contract、source-local tests 与最小权限的 default。取其法，不必全盘继承其复杂度。