Guía de inicio de last30days-Skill: El recolector de inteligencia todo en uno para Reddit/HN/Polymarket

Nivel: Iniciación | 15 minutos | Domina la recopilación de inteligencia multiplataforma y duplica tu eficiencia de investigación

GitHub: mvanhorn/last30days-skill

---

Perfil del lector objetivo

• Desarrolladores con 1 a 5 años de experiencia.
• Personas que necesitan realizar selección de herramientas de IA, investigación de competencia y seguimiento de tendencias tecnológicas a diario.
• Usuarios con conocimientos básicos de línea de comandos, familiarizados con Claude Code o Codex CLI.
• Quienes deseen abandonar el proceso fragmentado de "revisar Reddit/HN para encontrar información".

---

Dependencias principales y entorno

---

Árbol de estructura completa del proyecto

last30days-skill/
├── SKILL.md                    # Archivo de definición del Skill (desplegar en ~/.claude/skills/)
├── SPEC.md                     # Documentación completa de especificaciones técnicas
├── CLAUDE.md                   # Guía de desarrollo para Claude Code
├── scripts/
│   ├── last30days.py           # Entrada principal en Python (motor de investigación)
│   ├── sync.sh                 # Script de sincronización de despliegue
│   └── lib/
│       ├── __init__.py         # Entrada del paquete (evita importaciones ansiosas)
│       ├── env.py              # Carga de variables de entorno
│       ├── dates.py            # Rango de fechas y cálculo de confianza
│       ├── cache.py            # Caché con TTL de 24h
│       ├── http.py             # Cliente HTTP de biblioteca estándar
│       ├── models.py           # Selección automática de modelos OpenAI/xAI
│       ├── openai_reddit.py    # Búsqueda en Reddit (OpenAI Responses API)
│       ├── xai_x.py            # Búsqueda en X (xAI Responses API)
│       ├── reddit_enrich.py    # Extracción de métricas profundas de hilos de Reddit
│       ├── hackernews.py       # Hacker News (API gratuita de Algolia)
│       ├── polymarket.py       # Mercados de predicción de Polymarket (Gamma API)
│       ├── bluesky.py          # Búsqueda en Bluesky/AT Protocol
│       ├── truthsocial.py      # Búsqueda en Truth Social
│       ├── normalize.py        # Respuesta cruda → Esquema normalizado
│       ├── score.py            # Modelo de puntuación multiseñal
│       ├── dedupe.py           # Detección de duplicados aproximados
│       ├── render.py           # Renderizado de informes en Markdown / JSON
│       └── schema.py           # Definición y validación de tipos
├── skills/last30days/
│   └── last30days.sh            # Envoltura Shell (Entrada del Skill para Claude Code)
└── fixtures/                   # Datos de prueba (fixtures)

---

Paso 1: Instalación y configuración de autenticación

1.1 Instalación mediante plugin de Claude Code (Recomendado)

Si ya usas Claude Code, instálalo directamente con los comandos de plugin:

/plugin marketplace add mvanhorn/last30days-skill
/plugin install last30days@last30days-skill

O usa la herramienta oficial ClawHub:

clawhub install last30days-official

1.2 Instalación manual mediante Git Clone

¿No quieres usar plugins? Clónalo directamente de forma local:

# Clonar en el directorio de skills de Claude Code
git clone https://github.com/mvanhorn/last30days-skill.git \
  ~/.claude/skills/last30days

# Entrar al directorio y ver los archivos
cd ~/.claude/skills/last30days
ls -la scripts/

1.3 Configuración de ScrapeCreators API Key (Obligatorio)

Este es el punto de entrada unificado para Reddit, TikTok e Instagram. Una sola clave lo maneja todo:

1. Visita scrapecreators.com, regístrate y obtén tu API Key.
2. Crea el archivo de configuración:

mkdir -p ~/.config/last30days

cat > ~/.config/last30days/.env << 'EOF'
# Obligatorio: Clave 3-en-1 para Reddit + TikTok + Instagram
SCRAPECREATORS_API_KEY=sc_xxxxxxxxxxxxxxxxxxxx

# Opcional: OpenAI API (puede omitirse si ya iniciaste sesión en Codex)
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxx
EOF

chmod 600 ~/.config/last30days/.env  # Protege archivos sensibles

1.4 Configuración opcional para X / Bluesky

Búsqueda en X (Método recomendado):

# 1. Inicia sesión en x.com, abre DevTools del navegador (F12)
# 2. Application → Cookies → Copia los valores de auth_token y ct0
# 3. Escríbelos en el .env

cat >> ~/.config/last30days/.env << 'EOF'

# Autenticación de búsqueda en X (vía cookies)
AUTH_TOKEN=xxxxxxxxxxxxxxxxxxxx
CT0=xxxxxxxxxxxxxxxxxxxx

# Alternativa para X: xAI API (no requiere cookies)
XAI_API_KEY=xai-xxxxxxxxxxxxxxxxxxxx
EOF

Búsqueda en Bluesky:

# 1. Ve a bsky.app/settings/app-passwords y crea una contraseña de aplicación
# 2. Escríbela en el .env

cat >> ~/.config/last30days/.env << 'EOF'

# Bluesky/AT Protocol
BSKY_HANDLE=tuusuario.bsky.social
BSKY_APP_PASSWORD=xxxx-xxxx-xxxx-xxxx
EOF

1.5 Verificar que la instalación fue exitosa

# Ejecuta una prueba simple (--mock usa datos locales, no consume cuota de API)
python3 ~/.claude/skills/last30days/scripts/last30days.py "Claude Code tips" --mock --emit=compact

Si ves una salida similar, todo funciona correctamente:

=== last30days Report: Claude Code tips ===
Sources: reddit, hackernews | Time: 2026-03-25 | Mode: mock
[results...]

---

Paso 2: Uso básico

2.1 Línea de comandos /last30days

En Claude Code, escribe directamente el comando:

/last30days best Claude Code prompts

Mediante Codex CLI:

python3 ~/.claude/skills/last30days/scripts/last30days.py "best Claude Code prompts" --emit=compact

2.2 Interpretación de la estructura del informe

Tras la ejecución, recibirás un informe estructurado con este aspecto:

# last30days Report: best Claude Code prompts

## Sources Searched (6 active)
reddit | x | hackernews | polymarket | youtube | reddit_threads

## Top Findings
...

## Best Practices (Métodos validados por la comunidad)
...

## Prompt Pack (Listo para copiar)
...

## Recent Developments
...

## References (Con enlaces a las fuentes)
...

El informe realizará automáticamente:

• Detección de convergencia: El contenido mencionado en múltiples plataformas recibe más peso.
• Eliminación de duplicados: Solo se conserva el mejor post entre publicaciones semánticamente similares.
• Decaimiento por tiempo: El contenido más reciente aparece primero.
• Citación: Cada conclusión incluye un enlace original.

2.3 Modo rápido --quick

¿Tienes prisa? Añade --quick para saltar algunas búsquedas profundas:

python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "Cursor AI vs Windsurf" \
  --quick \
  --emit=compact

2.4 Ventana de tiempo personalizada --days=N

No tiene por qué ser 30 días, puedes personalizarlo:

python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "OpenClaw latest news" \
  --days=7 \
  --emit=compact

2.5 Forzar actualización de caché --refresh

Los resultados se guardan en caché por 24 horas. Para buscar de nuevo:

python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "AI code editors comparison" \
  --refresh \
  --emit=compact

---

Paso 3: Mecanismo de búsqueda paralela multifuente

3.1 Principios de búsqueda en Reddit

Reddit es la fuente de señales más importante. El Skill sigue dos pasos:

# scripts/lib/openai_reddit.py (versión simplificada)
def search_reddit(query: str, days: int = 30) -> list[dict]:
    # Paso 1: Usar OpenAI Responses API + web_search para descubrimiento inicial
    response = openai.responses.create(
        model="gpt-4o",
        input=f"Find active Reddit discussions about: {query}",
        tools=[{"type": "web_search"}],
        max_tokens=2000
    )
    # Paso 2: Extraer el JSON original del hilo para obtener votos y comentarios reales
    enriched = reddit_enrich.fetch_threads(response.urls, days)
    return enriched

3.2 Integración con Hacker News

Acceso gratuito, no requiere ninguna API Key:

# scripts/lib/hackernews.py
def search_hackernews(query: str, days: int = 30) -> list[dict]:
    # La API de Algolia para HN es abierta y gratuita
    url = "https://hn.algolia.com/api/v1/search"
    params = {
        "query": query,
        "tags": "story",
        "numericFilters": f"created_at_i>{cutoff_timestamp(days)}"
    }
    resp = requests.get(url, params=params)
    items = resp.json()["hits"]
    # Ordenar por combinación de puntos + número de comentarios
    return sorted(items, key=lambda x: x["points"] + x["num_comments"] * 2, reverse=True)

3.3 Datos de mercados de predicción de Polymarket

Este es el punto diferenciador de last30days frente a otras herramientas: no solo mira "lo que dice la gente", sino también "cuánto dinero está apostando la gente":

# scripts/lib/polymarket.py
def search_polymarket(query: str) -> list[dict]:
    # Acceso gratuito a Gamma API
    url = "https://gamma-api.polymarket.com/markets"
    resp = requests.get(url, params={"topic": query, "limit": 20})
    markets = resp.json()

    # Modelo de puntuación de cinco factores
    for m in markets:
        m["composite_score"] = (
            m["text_relevance"] * 0.30 +
            m["volume_24h"] * 0.30 +
            m["liquidity"] * 0.15 +
            m["price_velocity"] * 0.15 +
            m["outcome_competitiveness"] * 0.10
        )
    return sorted(markets, key=lambda x: x["composite_score"], reverse=True)

Efecto real: Al buscar "OpenClaw", no solo verás posts de Reddit, sino también datos de Polymarket sobre el "número de usuarios activos mensuales de OpenClaw". Esas cuotas apostadas con dinero real suelen ser más convincentes que cualquier post.

3.4 Análisis del modelo de puntuación multiseñal

Los resultados de todas las fuentes fluyen hacia un canal de puntuación unificado:

# scripts/lib/score.py
def compute_composite_score(item: dict, query: str, days: int) -> float:
    # 1. Relevancia de texto (similitud bidireccional + expansión de sinónimos)
    text_score = bidirectional_similarity(item["text"], query)

    # 2. Normalización de la velocidad de interacción
    engagement_score = normalize_velocity(item["engagement"])

    # 3. Ponderación por autoridad de la fuente (HN > Reddit > X > TikTok)
    authority_score = SOURCE_WEIGHTS[item["source"]]

    # 4. Bonus por convergencia multiplataforma (mencionado en varios sitios)
    convergence_score = detect_convergence(item, all_results)

    # 5. Decaimiento temporal (exponencial de 0.98 por día)
    recency_score = 0.98 ** days_since_post(item["timestamp"])

    return (
        text_score * 0.35 +
        engagement_score * 0.25 +
        authority_score * 0.20 +
        convergence_score * 0.10 +
        recency_score * 0.10
    )

La puntuación en pruebas ciegas de la v2.5 subió de 3.73/5.0 (v1) a 4.38/5.0, una mejora de aproximadamente el 17%.

---

Paso 4: Modo Comparativo (X vs Y)

4.1 Caso de estudio "Cursor vs Windsurf"

Una de las funciones más potentes de last30days: comparar dos herramientas directamente:

/last30days cursor vs windsurf

O vía línea de comandos:

python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "cursor vs windsurf" \
  --emit=compact

4.2 Mecanismo de investigación paralela de tres vías

El modo comparativo activa tres investigaciones independientes:

# scripts/lib/score.py (rama de modo comparativo)
def run_comparative_mode(query_a: str, query_b: str, base_query: str):
    # Búsqueda paralela en tres vías
    results_a = run_research(query_a)       # Vía 1: Solo busca Cursor
    results_b = run_research(query_b)       # Vía 2: Solo busca Windsurf
    results_base = run_research(base_query) # Vía 3: Busca discusiones comparativas entre ambos

    # Generar informe de comparación lateral
    return render_comparison(results_a, results_b, results_base)

4.3 Interpretación del informe comparativo

El formato del informe de salida es similar a este:

## Comparative Analysis: Cursor vs Windsurf

### Strengths

| Dimension | Cursor | Windsurf |
|---|---|---|
| Velocidad de autocompletado | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| Comprensión de contexto | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Edición multiactiva | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| Ecosistema de comunidad | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |

### Weaknesses

| Dimension | Cursor | Windsurf |
|---|---|---|
| Uso de memoria | Alto | Medio |
| Soporte offline | Pobre | Bueno |

### Community Sentiment (30-day)
- Cursor: 78% positivo (1,240 discusiones)
- Windsurf: 65% positivo (890 discusiones)

### Data-Driven Verdict
Cursor lidera en compromiso comunitario y calidad de completado.
Windsurf destaca en comprensión contextual para refactorizaciones complejas.
**Recomendación**: Usa Cursor para codificación diaria; Windsurf para planificación de arquitectura.

---

Paso 5: Integración con otros Skills / Pipelines de CI

5.1 Inyección como contexto

Otros Skills pueden referenciar directamente los resultados de investigación de last30days:

## Recent Research Context
!python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "tu tema de investigación" \
  --emit=context

5.2 Leer contexto desde archivo

## Research Context
!cat ~/.local/share/last30days/out/last30days.context.md

5.3 Integración de salida JSON en CI/CD

Inyecta resultados en flujos de automatización:

# Salida en formato JSON para uso programático
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "best LLM for code review 2026" \
  --emit=json > research.json

# Verificar los 3 mejores modelos recomendados
python3 -c "
import json
data = json.load(open('research.json'))
for r in data['top_results'][:3]:
    print(f\"- {r['title']} (score: {r['score']:.2f})\")
"

5.4 Sobrescritura de .env a nivel de proyecto

¿No quieres una configuración global? Coloca un archivo .claude/last30days.env en la raíz de tu proyecto para sobrescribir la configuración global:

mkdir -p .claude

cat > .claude/last30days.env << 'EOF'
# API Key específica para este proyecto
SCRAPECREATORS_API_KEY=sc_project_specific_key
OPENAI_API_KEY=sk-project-specific-key
EOF

5.5 Validación automática al iniciar sesión

La v2.9.5 añade una comprobación de configuración al iniciar la sesión. Claude Code verificará automáticamente si tu .env está completo al arrancar:

# Activar validación manualmente
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  --validate-config

Si faltan claves necesarias, verás advertencias claras:

❌ SCRAPECREATORS_API_KEY is missing (required)
✅ OPENAI_API_KEY found
⚠️  BSKY_HANDLE is missing (optional)

---

Solución de problemas comunes

Q1: Error SCRAPECREATORS_API_KEY is missing al ejecutar

Causa: Las variables de entorno no se cargaron correctamente.

Solución:

# Confirmar que la clave existe
cat ~/.config/last30days/.env | grep SCRAPECREATORS_API_KEY

# Si instalaste vía plugin, intenta sincronizar manualmente
bash ~/.claude/skills/last30days/scripts/sync.sh

Q2: La búsqueda en X siempre devuelve resultados vacíos

Causa: Las cookies AUTH_TOKEN / CT0 han expirado o son inválidas.

Solución:

# 1. Inicia sesión de nuevo en x.com
# 2. Copia los tokens actualizados
# 3. Actualiza el .env

# O usa la alternativa de xAI API (no requiere cookies)
echo "XAI_API_KEY=xai-tullave" >> ~/.config/last30days/.env

Q3: La búsqueda es muy lenta (más de 10 minutos)

Causa: Se buscan hasta 10 fuentes en paralelo por defecto; temas muy específicos requieren más reintentos de API.

Solución:

# 1. Usa --quick para saltar búsquedas profundas
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "niche topic" \
  --quick

# 2. Verifica si alguna fuente da timeout constantemente
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "topic" \
  --sources=reddit  # Busca solo en Reddit para depuración rápida

Q4: Polymarket devuelve mercados irrelevantes

Causa: La coincidencia en Polymarket se basa en palabras clave y algunos temas no tienen mercados activos.

Solución:

# Especificar manualmente etiquetas de expansión
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "AI coding assistant" \
  --polymarket-tags="artificial intelligence,llm,gpt" \
  --emit=compact

Q5: Claude Code muestra Permission denied en los scripts

Causa: Los scripts shell no tienen permisos de ejecución.

Solución:

chmod +x ~/.claude/skills/last30days/skills/last30days.sh
chmod +x ~/.claude/skills/last30days/scripts/last30days.py

Q6: Hay pocos posts de Reddit en el informe, pero hay mucha discusión en la web

Causa: A partir de la v2.9 se usa ScrapeCreators por defecto. La clave está configurada pero el formato podría ser incorrecto.

Solución:

# Validar si la clave de ScrapeCreators es funcional
curl -H "x-api-key: sc_tullave" \
  https://api.scrapecreators.com/v1/reddit/search?q=test

# Si la clave funciona pero sigues sin datos, intenta forzar ScrapeCreators en el .env
echo "FORCE_SCRAPECREATORS=1" >> ~/.config/last30days/.env

---

Lectura adicional / Direcciones avanzadas

1. Ajuste del modelo de puntuación

Los pesos en scripts/lib/score.py están predefinidos. Si prefieres una fuente específica, puedes hacer un fork y modificarlos:

# Subir el peso de autoridad de Hacker News de 0.20 a 0.35
SOURCE_WEIGHTS = {
    "hackernews": 0.35,   # ↑ Cambiado desde 0.20
    "reddit": 0.25,
    "x": 0.15,
    "polymarket": 0.15,
    "youtube": 0.10,
}

2. Acceso a fuentes personalizadas

¿Quieres añadir GitHub Issues o LinkedIn? Consulta la especificación de interfaz en hackernews.py, crea un nuevo módulo en scripts/lib/ y regístralo en last30days.py. SPEC.md contiene la definición completa de la interfaz.

3. Automatización de investigaciones periódicas

Usa cron para ejecutar investigaciones regulares y actualizar tu base de conocimientos:

# Ejecutar investigación semanal de herramientas de IA cada mañana a las 8:00
0 8 * * * python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "AI developer tools weekly" \
  --days=7 \
  --emit=md \
  --output ~/Documents/Last30Days/ai-tools-weekly-$(date +\%Y-\%m-\%d).md

4. Vinculación con bases de conocimiento

Inyecta resultados directamente en tu base de conocimientos personal (pipeline RAG):

# Generar contexto con citas y enviarlo a otro Skill
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "Claude Code advanced techniques" \
  --emit=context > ~/.knowledge/last30_context.md

---

Recursos relacionados

• GitHub: mvanhorn/last30days-skill
• ClawHub: last30days-official
• ScrapeCreators API: scrapecreators.com
• Sitio oficial de OpenClaw: openclaw.ai
• Hacker News Algolia API: hn.algolia.com/api
• Polymarket Gamma API: gamma-api.polymarket.com