IA Aplicada13/09/20268 min lectura

Last 30 Days: investigación social con IA gratis

Last 30 Days como radar de conversaciones recientes para separar señal y ruido

Preguntar a una IA qué está diciendo la gente AHORA suele acabar en una mezcla de resultados de Google, conocimiento atrasado y cuatro enlaces sin contexto. Last 30 Days junta conversaciones recientes de Reddit, X, YouTube, TikTok, Hacker News, GitHub y otras fuentes, las ordena por interacción y obliga al agente a convertirlas en una investigación con enlaces. Es código abierto, funciona en Claude Code, Codex y otros agentes, y tiene una virtud poco común: enseña también cuándo una fuente ha fallado.

Mascota Marketing Ultra

TL;DR: El resumen sin rodeos

  • Qué es: un skill de investigación reciente que busca en varias comunidades a la vez y puntúa la evidencia por votos, comentarios, visualizaciones y otras señales públicas.
  • Qué aporta: no se queda en titulares. Recupera comentarios, transcripciones y actividad de GitHub para que el agente pueda comparar señales.
  • Qué funciona gratis: Reddit, Hacker News, Polymarket y GitHub arrancan sin claves. El resto depende de herramientas, cuentas o APIs opcionales.
  • La nota: 8,5/10. Es una barbaridad cuando encuentra señal buena, pero el informe sigue necesitando criterio y las fuentes externas fallan.
En este artículo
  1. El problema que resuelve
  2. Cómo se pone en marcha
  3. Usándolo en marketing real
  4. Lo que no te cuentan
  5. Qué dice la gente
  6. Veredicto
  7. Preguntas frecuentes sobre Last 30 Days
FichaDato
Proyectomvanhorn/last30days-skill
LicenciaMIT
Estado revisadoVersión 3.24.0; 61.966 estrellas; 5.408 forks; revisión del 13 de septiembre de 2026
Arranque sin clavesReddit, Hacker News, Polymarket y GitHub
Fuentes disponibles18 tipos documentados, con varias integraciones opcionales y dependientes de configuración
EntornosClaude Code, Codex, Cursor, Copilot, Gemini CLI y otros hosts compatibles con Agent Skills

El problema que resuelve

Google es bueno encontrando páginas. No es tan bueno respondiendo qué piensa una comunidad esta semana, qué comentario cambió una conversación o qué objeción se repite debajo de tres vídeos distintos. Las plataformas tampoco ayudan: cada una guarda sus búsquedas, sus métricas y sus formatos detrás de una puerta diferente.

Last 30 Days hace de puente. Lanza varias búsquedas, recupera publicaciones y comentarios, extrae transcripciones cuando puede y entrega al agente un bloque de evidencia con fechas, enlaces y señales de interacción. El agente juzga después qué patrones merecen aparecer en el resumen.

README oficial de Last 30 Days con las instrucciones de instalación para Claude Code y otros agentes
Captura del repositorio oficial de Last 30 Days, tomada el 13 de septiembre de 2026. Muestra la propuesta y los dos caminos de instalación; no demuestra que todas las fuentes funcionen en cualquier equipo.

La interacción ayuda a priorizar. NO convierte una opinión popular en verdad. Un comentario con 2.000 votos puede resumir el sentir de una comunidad y seguir estando equivocado. La herramienta ordena señales; el criterio editorial sigue fuera del código.

Cómo se pone en marcha

En Claude Code, el proyecto recomienda instalar el marketplace y después el plugin:

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

Para Codex, Cursor, Copilot, Gemini CLI y otros hosts compatibles, el camino general es:

npx skills add mvanhorn/last30days-skill -g

El motor necesita Python 3.12 o superior. Reddit, Hacker News, Polymarket y GitHub pueden funcionar sin claves. YouTube depende de yt-dlp; TikTok e Instagram necesitan ScrapeCreators; X admite varios caminos de autenticación; y la búsqueda web o la síntesis de pago son opcionales.

Eso significa que “cero configuración” describe el suelo, no el producto completo.

>_Bloque listo para copiar al agente

Pégalo en Claude Code, Codex o el agente donde hayas instalado el skill:

Ejecuta /last30days sobre “qué está diciendo la comunidad de mi sector sobre agentes de IA”. Separa hallazgos confirmados, opiniones y ruido. Incluye enlaces a las publicaciones originales y avisa si alguna fuente falla o queda parcial.

Para una búsqueda de producto, añade el nombre exacto, el repositorio o la cuenta oficial. Evitarás que una palabra genérica llene el informe de homónimos.

Usándolo en marketing real

El caso más claro es preparar una pieza cuando la conversación importa tanto como la documentación. Un lanzamiento, una comparativa, una reunión con un posible cliente o una tendencia que todavía no ha llegado a los artículos de siempre.

En Marketing Ultra ya forma parte del enriquecimiento editorial. La utilidad no está en pegar veinte citas dentro de un post. Está en detectar una tensión, comprobar si aparece en más de una comunidad y seguir el enlace hasta la fuente original antes de escribir.

Ejemplo visual de un informe de Last 30 Days con fuentes y conclusiones ordenadas
Fotograma del vídeo de Prompt Engineer publicado el 10 de junio de 2026. Enseña la jerarquía de un informe generado con la versión 3.3.2; las cifras y la configuración que aparecen ya no representan el estado actual.

Para esta revisión se ejecutó el propio skill sobre Last 30 Days. Encontró el repositorio actual, usos recientes en X y TikTok y una conversación en Reddit. También devolvió un vídeo de YouTube que no trataba sobre la herramienta, dejó Reddit e Instagram con cobertura parcial y encontró un error en LinkedIn.

Ahí está la prueba más útil de todas: el sistema ahorra muchísimo rastreo, pero no elimina la revisión. Si copias el resumen sin abrir las fuentes, solo has automatizado la confianza ciega.

Ver “This AI Skill Hit 38,000 Stars: Here's Why”, de Prompt Engineer

Demostración de Prompt Engineer · 5:35 · audio en inglés. Fue grabada cuando el repositorio tenía 38.000 estrellas; sirve para ver el flujo, no para comprobar las cifras actuales.

Lo que no te cuentan

La primera pega es el tamaño. La versión 3.24.0 ya documenta 18 tipos de fuente y su contrato de uso supera las 2.300 líneas. Tiene modos de comparación, tendencias, biblioteca, colas de temas, fuentes opcionales y varios backends de autenticación. Es potencia, sí. También es superficie de fallo.

La segunda es que una fuente “disponible” no equivale a una fuente que vaya a responder bien hoy. El propio repositorio mantiene incidencias abiertas sobre LinkedIn e Instagram. En la comprobación de esta reseña aparecieron exactamente esos síntomas. La herramienta lo declara en el informe, que es lo correcto, pero el usuario debe leer el aviso.

La tercera es la privacidad. El proyecto no incluye analítica ni rastreo propio y guarda los informes localmente. Aun así, las consultas viajan a los servicios que hayas activado: Reddit, X, ScrapeCreators, APIs de búsqueda o un backend remoto opcional. “Se queda en tu máquina” describe los archivos guardados y el modo local, no significa que investigar internet no envíe peticiones a terceros.

También hay una cuestión de seguridad. El motor consume texto no fiable de redes y lo entrega a otro modelo. El proyecto incluye barreras contra instrucciones maliciosas, pero mantiene incidencias abiertas sobre escapes de contenido no fiable y directivas incrustadas en la salida. No es motivo para descartarlo. Sí para actualizarlo y no ejecutar ciegamente lo que diga una publicación recuperada.

Qué dice la gente

La señal reciente es favorable, aunque todavía pesa más el entusiasmo de usuarios avanzados que una evaluación independiente y larga.

Pr0ftrader lo usa como primera capa de investigación antes de alimentar otros bots. Es un caso de flujo real, no una prueba de precisión.
Marco Lee Jr. destaca una adopción creciente. La publicación no detalla pruebas ni límites, así que pesa como señal de uso, no como evaluación completa.

El contrapunto aparece en el propio repositorio. Las incidencias #1086 sobre LinkedIn y #1020 sobre Instagram describen fuentes que podían terminar en cero resultados o respuestas 404. La actividad del proyecto es enorme, pero la velocidad no hace desaparecer la fragilidad de depender de plataformas ajenas.

Veredicto

Last 30 Days merece el 8,5/10 que conserva en el recopilatorio. Resuelve un trabajo aburrido y caro: buscar conversaciones recientes, abrir comentarios, revisar métricas y reunirlo todo con trazabilidad. Para contenido, investigación comercial y vigilancia de tendencias es una herramienta muy seria.

No sube más porque la salida todavía necesita edición, algunas fuentes exigen cuentas o servicios externos y una ejecución puede mezclar señal excelente con ruido descarado. La herramienta te da un radar. No te da criterio.

Si ya trabajas con agentes de código, instalarla compensa. Si buscas una aplicación con un botón y cero terminal, no es eso.


Preguntas frecuentes sobre Last 30 Days

¿Last 30 Days es realmente gratis?

El código tiene licencia MIT y las fuentes base pueden usarse sin pagar. X, TikTok, Instagram, LinkedIn y algunos backends dependen de credenciales, herramientas o servicios que pueden tener límites y coste.

¿Qué fuentes funcionan sin API key?

La documentación actual señala Reddit, Hacker News, Polymarket y GitHub como el arranque sin claves. YouTube puede funcionar con yt-dlp, pero requiere esa herramienta instalada.

¿Funciona con Codex?

Sí. Se instala como Agent Skill con npx skills add mvanhorn/last30days-skill -g. También funciona en Claude Code, Cursor, Copilot, Gemini CLI y otros hosts compatibles.

¿Investiga siempre exactamente los últimos 30 días?

Ese es el intervalo por defecto para la señal reciente. Algunas fuentes pueden degradarse, no devolver resultados o conservar material útil fuera del rango cuando no hay nada más, y el informe debe avisarlo.

¿Puedo publicar el resumen tal cual?

No deberías. Abre las fuentes importantes, comprueba las citas, separa popularidad de verdad y revisa los avisos de cobertura. El resumen es una base de investigación, no una firma editorial automática.

Deja un comentario

Tu correo no se publicará. Revisamos los comentarios antes de mostrarlos.