10 分钟跑出第一张 30 天社交媒体话题热度图last30days-skill 新手快速上手【免费下载链接】last30days-skillAI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the web - then synthesizes a grounded summary项目地址: https://gitcode.com/GitHub_Trending/la/last30days-skill周四晚上你刚把周报收进抽屉老板在群里丢下一句“明天碰头前先说清楚这个话题这个月在社区里到底聊得怎么样”你不想现翻网页更不想凭感觉汇报。而 last30days-skill 恰好能干这事它是装在 AI 编程工具里的一个技能skill你丢给它一个话题它就去 Reddit、X、YouTube、Hacker News 这些平台把最近 30 天的讨论抓回来、按真实互动量打分最后给你一份结构化 JSON。这份 JSON 是机器好读、人不好读的。但别急——今天只多干一件事把它画成图。10 分钟后你手里就有了一张能直接讲给老板听的话题热度图。效果速览数据变成卡片和条形图跑完之后你能得到两样东西一份带排名、带互动数的results.json以及一张由十几行代码画出来的热度条形图。数据本身长这样——进度环、统计卡片、按主题组织的指标块图不必一次做得多精致。第一版的价值只有一个谁火、谁在涨条形长短替你回答。备料拉仓库装依赖只要三步先确认你机器上有 Python 3.12 或更高版本python3 --version看一眼。然后打开终端敲这三行git clone https://gitcode.com/GitHub_Trending/la/last30days-skill cd last30days-skill python3 -m pip install matplotlib第一行把代码拉到本地第二行进目录第三行装画图用的 matplotlibPython 里最常用的绑图库。跑完你会看到Successfully installed matplotlib之类的提示。到这里环境就绪。一条命令拿到 30 天数据抓数据的入口是 skills/last30days/scripts/last30days.py。这里给新手一个稳妥开局命令末尾加--mock它会用仓库内置的样例数据跑完整条流程不用任何 API key不碰真实网络保证第一次就有产出python3 skills/last30days/scripts/last30days.py 你的话题 --emitjson --output results.json --mock把引号里的词换成你真正关心的话题。跑完当前目录会多出一个results.json顶层有results数组每条结果带着title标题、source来源平台、published_at发布时间和engagement互动数比如 Reddit 的 score、X 的 likes。数据入库前还过了两道工序——skills/last30days/scripts/lib/dedupe.py 负责去掉重复条目skills/last30days/scripts/lib/normalize.py 把各平台的原始格式统一成同一套字段。等你配好了真实数据源README 里写了配置方式把--mock去掉再跑一次拿到的就是真刀真枪的 30 天数据后面画图代码一行都不用改。十二行代码画出第一张热度条形图打开一个新文件chart.py贴入下面这段。它读results.json取排名最高的 10 条结果画成横向条形图——条越长那条讨论被互动得越多import json import matplotlib.pyplot as plt with open(results.json, encodingutf-8) as f: data json.load(f) items data[results][:10][::-1] score lambda r: r[engagement].get(score, r[engagement].get(likes, 0)) plt.figure(figsize(9, 5)) plt.barh([r[title][:22] for r in items], [score(r) for r in items]) plt.title(30 天话题热度 TOP 10) plt.xlabel(互动量) plt.show()两个小细节[:22]把标题截短免得长标题把图撑爆[::-1]翻转顺序让第一名显示在最上面。运行python3 chart.py窗口会弹出一张横向条形图。你盯着它看三秒最长的两条就是这 30 天里社区吵得最凶的内容。到这儿整条链路就通了。三个小改法让图变成你的第一版图能看接下来都是顺手的事每个只动几行。按天堆互动量看话题哪天起涨把published_at的前 10 位即年月日拿出来分组求和vols {} for r in data[results]: d r.get(published_at, unknown)[:10] vols[d] vols.get(d, 0) score(r) plt.plot(sorted(vols), [vols[k] for k in sorted(vols)])折线哪天上翘、哪天回落趋势不用猜。按平台分桶对比哪里更热闹把结果按source字段分组各平台互动量画成一组竖条by_src {} for r in data[results]: by_src[r[source]] by_src.get(r[source], 0) score(r) plt.bar(by_src.keys(), by_src.values())Reddit 和 X 谁在主导这个讨论一目了然。用颜色标出重点给plt.barh加个color参数互动量过阈值的条形染成醒目色plt.barh(labels, scores, color[#e74c3c if s 5000 else #95a5a6 for s in scores])图里最扎眼的那几条就是你明天开会时该先讲的内容。现在就跑一次 克隆仓库、装个 matplotlib、一条命令出 JSON、十几行代码出图——这就是全部流程。打开终端选一个你明天真要用到的话题跑起来吧。延伸阅读JSON 字段完整参考docs/reference/json-export.md数据去重逻辑skills/last30days/scripts/lib/dedupe.py多平台格式统一逻辑skills/last30days/scripts/lib/normalize.py【免费下载链接】last30days-skillAI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the web - then synthesizes a grounded summary项目地址: https://gitcode.com/GitHub_Trending/la/last30days-skill创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考