last30days-Skill 입문 가이드: Reddit/HN/Polymarket을 아우르는 정보 수집기

입문 | 15분 | 플랫폼 간 정보 수집 마스터, 조사 효율 배가

GitHub: mvanhorn/last30days-skill

---

대상 독자 프로필

• 1~5년 차 개발자
• 일상적으로 AI 도구 선정, 경쟁사 조사, 기술 트렌드 추적이 필요한 분
• 기본적인 커맨드 라인 지식이 있고 Claude Code 또는 Codex CLI에 익숙한 분
• Reddit/HN을 일일이 훑으며 정보를 찾는 파편화된 과정에서 벗어나고 싶은 분

---

핵심 의존성 및 환경

---

전체 프로젝트 구조 트리

last30days-skill/
├── SKILL.md                    # Skill 정의 파일 (~/.claude/skills/ 에 배포)
├── SPEC.md                     # 전체 기술 사양 문서
├── CLAUDE.md                   # Claude Code 개발 가이드
├── scripts/
│   ├── last30days.py           # Python 메인 엔트리 (리서치 엔진)
│   ├── sync.sh                 # 배포 동기화 스크립트
│   └── lib/
│       ├── __init__.py         # 패키지 엔트리 (Eager import 금지)
│       ├── env.py              # 환경 변수 로드
│       ├── dates.py            # 날짜 범위 및 신뢰도 계산
│       ├── cache.py            # 24h TTL 캐시
│       ├── http.py             # 표준 라이브러리 HTTP 클라이언트
│       ├── models.py           # OpenAI/xAI 모델 자동 선택
│       ├── openai_reddit.py    # Reddit 검색 (OpenAI Responses API)
│       ├── xai_x.py            # X 검색 (xAI Responses API)
│       ├── reddit_enrich.py    # Reddit 포스트 심층 지표 추출
│       ├── hackernews.py       # Hacker News (Algolia 무료 API)
│       ├── polymarket.py       # Polymarket 예측 시장 (Gamma API)
│       ├── bluesky.py          # Bluesky/AT Protocol 검색
│       ├── truthsocial.py      # Truth Social 검색
│       ├── normalize.py        # 원시 응답 → 규격화된 Schema
│       ├── score.py            # 다중 신호 점수 모델
│       ├── dedupe.py           # 유사 중복 탐지
│       ├── render.py           # Markdown / JSON 보고서 렌더링
│       └── schema.py           # 타입 정의 및 검증
├── skills/last30days/
│   └── last30days.sh            # Shell 래퍼 (Claude Code Skill 엔트리)
└── fixtures/                   # 테스트용 피스처 데이터

---

Step 1 설치 및 인증 설정

1.1 Claude Code 플러그인 방식 설치 (권장)

이미 Claude Code를 사용 중이라면 플러그인 명령어로 직접 설치하세요:

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

또는 공식 도구인 ClawHub를 사용하여 설치합니다:

clawhub install last30days-official

1.2 수동 Git Clone 설치

플러그인을 사용하고 싶지 않다면 로컬로 직접 클론하세요:

# Claude Code skills 디렉토리로 클론
git clone https://github.com/mvanhorn/last30days-skill.git \
  ~/.claude/skills/last30days

# 디렉토리 이동 후 파일 확인
cd ~/.claude/skills/last30days
ls -la scripts/

1.3 ScrapeCreators API Key 설정 (필수)

Reddit/TikTok/Instagram 세 플랫폼을 위한 통합 엔트리포인트로, 하나의 키로 모두 해결됩니다:

1. scrapecreators.com에 접속하여 가입 후 API Key를 발급받습니다.
2. 설정 파일을 생성합니다:

mkdir -p ~/.config/last30days

cat > ~/.config/last30days/.env << 'EOF'
# 필수: Reddit + TikTok + Instagram 통합 Key
SCRAPECREATORS_API_KEY=sc_xxxxxxxxxxxxxxxxxxxx

# 선택: OpenAI API (Codex 로그인 후에는 생략 가능)
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxx
EOF

chmod 600 ~/.config/last30days/.env  # 민감한 파일 보호

1.4 X / Bluesky 선택적 인증 설정

X 검색 (권장 방식):

# 1. x.com에 로그인하고 브라우저 개발자 도구(F12)를 엽니다.
# 2. Application → Cookies → auth_token 및 ct0 값을 복사합니다.
# 3. .env 파일에 작성합니다.

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

# X 검색 인증 (cookie 방식)
AUTH_TOKEN=xxxxxxxxxxxxxxxxxxxx
CT0=xxxxxxxxxxxxxxxxxxxx

# X 대안: xAI API (cookie 불필요)
XAI_API_KEY=xai-xxxxxxxxxxxxxxxxxxxx
EOF

Bluesky 검색:

# 1. bsky.app/settings/app-passwords에서 앱 비밀번호를 생성합니다.
# 2. .env 파일에 작성합니다.

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

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

1.5 설치 성공 확인

# 간단한 테스트 실행 (--mock은 로컬 테스트 데이터를 사용하여 API 할당량을 사용하지 않음)
python3 ~/.claude/skills/last30days/scripts/last30days.py "Claude Code tips" --mock --emit=compact

다음과 같은 출력이 보이면 모든 것이 정상입니다:

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

---

Step 2 기본 사용법

2.1 /last30days 커맨드 라인

Claude Code에서 직접 명령어를 입력하세요:

/last30days best Claude Code prompts

Codex CLI 방식:

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

2.2 보고서 구조 해석

실행이 완료되면 다음과 같은 구조화된 보고서를 받게 됩니다:

# last30days Report: best Claude Code prompts

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

## Top Findings
...

## Best Practices (커뮤니티 검증 방법)
...

## Prompt Pack (복사 가능)
...

## Recent Developments
...

## References (출처 링크 포함)
...

보고서는 자동으로 다음 작업을 수행합니다:

• 수렴 탐지: 여러 플랫폼에서 동시에 언급된 콘텐츠에 더 높은 가중치 부여
• 중복 처리: 의미상 유사한 포스트 중 가장 우수한 하나만 유지
• 시효성 감쇄: 최신 콘텐츠일수록 상단에 배치
• 인용 표기: 모든 결론에 원본 링크 첨부

2.3 --quick 빠른 모드

시간이 없다면 --quick을 추가하여 일부 심층 검색을 건너뛰세요:

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

2.4 --days=N 사용자 정의 시간 범위

30일뿐만 아니라 기간을 직접 지정할 수 있습니다:

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

2.5 --refresh 캐시 강제 새로고침

기본적으로 결과는 24시간 동안 캐싱됩니다. 다시 검색하고 싶다면:

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

---

Step 3 다중 소스 병렬 검색 메커니즘

3.1 Reddit 검색 원리

Reddit은 가장 중요한 신호원입니다. Skill은 두 단계로 작동합니다:

# scripts/lib/openai_reddit.py (간략본)
def search_reddit(query: str, days: int = 30) -> list[dict]:
    # 1단계: OpenAI Responses API + web_search를 사용하여 기초 발견
    response = openai.responses.create(
        model="gpt-4o",
        input=f"Find active Reddit discussions about: {query}",
        tools=[{"type": "web_search"}],
        max_tokens=2000
    )
    # 2단계: 원시 포스트 JSON을 가져와 실제 추천/댓글 수 획득
    enriched = reddit_enrich.fetch_threads(response.urls, days)
    return enriched

3.2 Hacker News 통합

별도의 API Key 없이 무료로 연동됩니다:

# scripts/lib/hackernews.py
def search_hackernews(query: str, days: int = 30) -> list[dict]:
    # HN Algolia API는 무료 개방되어 있습니다.
    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"]
    # points + num_comments를 합산하여 정렬
    return sorted(items, key=lambda x: x["points"] + x["num_comments"] * 2, reverse=True)

3.3 Polymarket 예측 시장 데이터

이것은 last30days가 다른 조사 도구와 차별화되는 핵심 하이라이트입니다. 단순히 "사람들이 무엇을 말하는가"뿐만 아니라 "사람들이 돈을 어디에 거는가"를 확인합니다:

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

    # 5요소 점수 모델
    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)

실제 효과: "OpenClaw"를 검색하면 Reddit 포스트뿐만 아니라, Polymarket에서 "OpenClaw 월간 활성 사용자 수"에 대한 예측 데이터도 볼 수 있습니다. 실제 자본이 투입된 배당률은 그 어떤 포스트보다 설득력이 있습니다.

3.4 다중 신호 점수 모델 분석

모든 소스의 결과는 통합 점수 파이프라인으로 모입니다:

# scripts/lib/score.py
def compute_composite_score(item: dict, query: str, days: int) -> float:
    # 1. 텍스트 관련성 (양방향 유사도 + 유의어 확장)
    text_score = bidirectional_similarity(item["text"], query)

    # 2. 상호작용 열기 정규화
    engagement_score = normalize_velocity(item["engagement"])

    # 3. 소스 권위 가중치 (HN > Reddit > X > TikTok)
    authority_score = SOURCE_WEIGHTS[item["source"]]

    # 4. 플랫폼 간 수렴 보너스 (다수 플랫폼 동시 언급 시 가중치 부여)
    convergence_score = detect_convergence(item, all_results)

    # 5. 시효성 감쇄 (매일 0.98의 지수 감쇄 적용)
    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
    )

v2.5의 블라인드 테스트 점수는 v1의 3.73/5.0에서 4.38/5.0으로 약 17% 향상되었습니다.

---

Step 4 비교 모드 (X vs Y)

4.1 "Cursor vs Windsurf" 사례

last30days의 가장 멋진 기능 중 하나로, 두 도구를 직접 비교합니다:

/last30days cursor vs windsurf

또는 커맨드 라인에서:

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

4.2 병렬 3로 조사 메커니즘

비교 모드는 세 번의 독립적인 조사를 트리거합니다:

# scripts/lib/score.py (비교 모드 브랜치)
def run_comparative_mode(query_a: str, query_b: str, base_query: str):
    # 3로 병렬 검색
    results_a = run_research(query_a)       # 1: Cursor만 검색
    results_b = run_research(query_b)       # 2: Windsurf만 검색
    results_base = run_research(base_query) # 3: 두 항목의 비교 토론 검색

    # 병렬 비교 보고서 생성
    return render_comparison(results_a, results_b, results_base)

4.3 비교 보고서 해석

출력되는 보고서 형식은 다음과 같습니다:

## Comparative Analysis: Cursor vs Windsurf

### Strengths

| Dimension | Cursor | Windsurf |
|---|---|---|
| 코드 완성 속도 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| 컨텍스트 이해 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 다중 파일 편집 | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| 커뮤니티 생태계 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |

### Weaknesses

| Dimension | Cursor | Windsurf |
|---|---|---|
| 메모리 점유율 | 높음 | 중간 |
| 오프라인 지원 | 미흡 | 양호 |

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

### Data-Driven Verdict
Cursor는 커뮤니티 참여도와 코드 완성 품질 면에서 앞서 있습니다.
Windsurf는 복잡한 리팩터링을 위한 컨텍스트 이해 능력이 탁월합니다.
**Recommendation**: 일상적인 코딩에는 Cursor를, 아키텍처 설계에는 Windsurf를 사용하세요.

---

Step 5 다른 Skill / CI 파이프라인에 임베딩

5.1 컨텍스트 주입으로 사용

다른 Skill에서 last30days의 연구 결과를 직접 참조할 수 있습니다:

## Recent Research Context
!python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "your research topic" \
  --emit=context

5.2 파일에서 컨텍스트 읽기

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

5.3 CI/CD에 JSON 출력 통합

조사 결과를 자동화 파이프라인에 주입합니다:

# 프로그램용 JSON 형식 출력
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "best LLM for code review 2026" \
  --emit=json > research.json

# 추천 Top 3 모델 확인
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 프로젝트 레벨 .env 덮어쓰기

전역 설정을 원하지 않나요? 프로젝트 루트에 .claude/last30days.env를 두면 전역 설정을 덮어씁니다:

mkdir -p .claude

cat > .claude/last30days.env << 'EOF'
# 이 프로젝트에만 적용되는 API Key
SCRAPECREATORS_API_KEY=sc_project_specific_key
OPENAI_API_KEY=sk-project-specific-key
EOF

5.5 세션 시작 시 자동 검증

v2.9.5에 추가된 기능으로, Claude Code가 시작될 때마다 .env 설정의 완결성을 자동으로 확인합니다:

# 수동 검증 실행
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  --validate-config

필수 키가 누락된 경우 명확하게 안내합니다:

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

---

자주 묻는 질문(FAQ) 및 트러블슈팅

Q1: SCRAPECREATORS_API_KEY 누락 오류가 발생합니다.

원인: 환경 변수가 제대로 로드되지 않았습니다.

해결:

# 키 존재 여부 확인
cat ~/.config/last30days/.env | grep SCRAPECREATORS_API_KEY

# 플러그인으로 설치했다면 수동 동기화 시도
bash ~/.claude/skills/last30days/scripts/sync.sh

Q2: X 검색 결과가 계속 비어 있습니다.

원인: AUTH_TOKEN / CT0 쿠키가 만료되었거나 유효하지 않습니다.

해결:

# 1. x.com에 다시 로그인
# 2. 최신 auth_token과 ct0를 다시 복사
# 3. .env 업데이트

# 또는 xAI API 대안 사용 (쿠키 불필요)
echo "XAI_API_KEY=xai-your_key" >> ~/.config/last30days/.env

Q3: 검색 속도가 너무 느립니다 (10분 이상).

원인: 기본적으로 최대 10개의 소스를 병렬 검색하며, 니치한 주제의 경우 API 재시도가 많아질 수 있습니다.

해결:

# 1. --quick을 사용하여 심층 검색 건너뛰기
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "niche topic" \
  --quick

# 2. 특정 소스에서 타임아웃이 발생하는지 확인
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "topic" \
  --sources=reddit  # Reddit만 검색하여 디버깅 가속화

Q4: Polymarket에서 관련 없는 시장 정보가 반환됩니다.

원인: 주제 매칭이 키워드 기반이어서 일부 주제에는 활성 시장이 없을 수 있습니다.

해결:

# 수동 키워드 확장 지정
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "AI coding assistant" \
  --polymarket-tags="artificial intelligence,llm,gpt" \
  --emit=compact

Q5: Claude Code에서 스크립트에 대해 Permission denied 오류가 뜹니다.

원인: 쉘 스크립트에 실행 권한이 없습니다.

해결:

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

Q6: Reddit에 토론이 많은데 보고서에는 포스트가 적게 나옵니다.

원인: v2.9 이후 기본적으로 ScrapeCreators를 사용하는데, Key가 설정되었어도 형식이 잘못되었을 수 있습니다.

해결:

# ScrapeCreators Key 유효성 확인
curl -H "x-api-key: sc_your_key" \
  https://api.scrapecreators.com/v1/reddit/search?q=test

# Key가 유효한데 데이터가 없다면 OpenAI 대안으로 작동하는지 확인
# .env에 ScrapeCreators 강제 사용 설정 추가
echo "FORCE_SCRAPECREATORS=1" >> ~/.config/last30days/.env

---

추가 읽을거리 / 심화 학습

1. 점수 모델 상세 튜닝

scripts/lib/score.py의 가중치는 하드코딩되어 있습니다. 특정 소스를 선호한다면 포크(fork) 후 수정할 수 있습니다:

# Hacker News의 권위 가중치를 0.20에서 0.35로 상향
SOURCE_WEIGHTS = {
    "hackernews": 0.35,   # ↑ 0.20에서 변경
    "reddit": 0.25,
    "x": 0.15,
    "polymarket": 0.15,
    "youtube": 0.10,
}

2. 사용자 정의 소스 추가

GitHub Issues나 LinkedIn을 추가하고 싶나요? hackernews.py의 인터페이스 규격을 참고하여 scripts/lib/에 새 모듈을 만들고 last30days.py에 등록하세요. SPEC.md에 상세한 인터페이스 정의가 있습니다.

3. 정기 조사 자동화

cron을 사용하여 정기적으로 조사를 수행하고 리서치 라이브러리를 업데이트하세요:

# 매일 오전 8시에 "AI tools weekly" 조사 실행
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. 지식 베이스(KB) 연동

조사 결과를 개인 지식 베이스(RAG 파이프라인)에 직접 주입하세요:

# 인용구가 포함된 context를 생성하여 다른 Skill에 전달
python3 ~/.claude/skills/last30days/scripts/last30days.py \
  "Claude Code advanced techniques" \
  --emit=context > ~/.knowledge/last30_context.md

---

관련 리소스

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