last30days-skill 数据可视化实战:10 分钟把 30 天舆情数据画成图表【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-skilllast30days-skill 数据可视化从一份 JSON 开始:这个 AI 技能并行检索 Reddit、X、YouTube、HN、Polymarket 近 30 天的讨论,按真实互动量打分排序;本文的最终产出,是你自己画出的第一张社交媒体数据图表。速览 last30days-skill 数据可视化能输出的 JSON 结构这个技能把十几个平台的原始讨论收敛成一份稳定契约:你给话题,它返回 schema_version 1.3 的 JSON,顶层固定含 query、source_status、clusters 和 results。每条 result 带 title、source、published_at、engagement(平台原生互动计数,如 Reddit 的 score 与 num_comments、X 的 likes 与 reposts)和 0~1 的 relevance_score,未知字段直接省略而不是填 null——对画图代码来说,你只需要处理一种结构。执行 4 条命令,拿到可出图的 results.json从克隆仓库到 30 天舆情可视化的原料,最短路径就是 4 步,每步一条命令:克隆仓库并进入目录:git clone https://gitcode.com/GitHub_Trending/la/last30days-skill cd last30days-skill确认 Python 不低于 3.12(项目 requires-python 即 3.12):python3 --version装唯一的第三方画图依赖,项目本身零必装包:pip install matplotlib跑一次研究并落盘:python3 skills/last30days/scripts/last30days.py 你的话题 --emitjson --output results.json首次运行会自动触发 setup 向导,30 秒内解锁更多数据源。完成后当前目录多出一个 results.json,每条结果都有标题、来源平台、发布时间和互动数,这是 Reddit X 数据出图的直接原料。读懂去重与归一化:入库前数据为什么干净数据在写入 results 之前要过两道工序,这是图表可信的前提。第一道在 lib/dedupe.py:同源近重复检测,先把文本小写化、去标点,切成 3 词 n-gram(含中文停用词),再用 Jaccard 相似度判断两条内容是否近似,把换个说法的同一件事压掉。第二道在 lib/normalize.py:每个平台的原始 payload 被映射进同一套 v3 通用条目模型,同时按日期窗口过滤掉范围外的条目。所以你的绘图代码不必为每个平台写分支。写 20 行 Python,把 results.json 画成柱状图最小出图脚本只需 16 行:取前 10 条 result,用 engagement 里最大的原生计数当热度,画一张横向柱状图:import json import matplotlib.pyplot as plt data json.load(open(results.json, encodingutf-8)) items data[results][:10] labels [r[title][:20] for r in items][::-1] scores [max(r[engagement].values(), default0) for r in items][::-1] plt.figure(figsize(9, 5)) plt.barh(labels, scores) plt.title(近 30 天话题热度 TOP 10) plt.xlabel(互动量) plt.tight_layout() plt.savefig(chart.png, dpi120) plt.show()保存为 chart.py 运行,条形越长代表那条讨论的互动越多,这就是 last30days-skill 数据可视化的最小闭环。想要更多视角,3 种变体各只需几行改动:折线走势:把 results 按 published_at 排序,按天聚合互动量,用 plt.plot 画出 30 天热度曲线平台对比:按 source 字段拆成 reddit 与 x 两组,画堆叠柱状图对比两个平台的讨论量阈值高亮:给 plt.barh 传 color 数组,超过阈值的条形标成醒目色,直接定位值得点开原文的条目排查首次运行引导与常见数据源报错首次运行遇到问题时,先分清没配和没数据。Reddit、HN、Polymarket、GitHub 开箱即用;需要 X、YouTube 等源就跑python3 skills/last30days/scripts/last30days.py setup走向导,或用--diagnose打印各数据源的可用性。常见情况看 source_status 字段:skipped-unconfigured 是缺配置,rate-limited 是被限流,timeout 是超时;只有 no-results 才表示真的零匹配,失败状态不能解读为该平台没讨论。字段细节别靠猜,docs/reference/json-export.md 有完整的 result 字段表与 source_status 状态表。同一份 JSON 还能喂周报、对比页,甚至再交回 AI 生成摘要。现在挑一个你最关心的话题,把第一张图表跑出来 延伸阅读:docs/reference/json-export.md:字段与导出契约说明skills/last30days/SKILL.md:命令与 setup 行为参考docs/how-search-works.md:检索机制说明【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 last30days-skill 数据可视化实战:10 分钟把 30 天舆情数据画成图表
last30days-skill 数据可视化实战:10 分钟把 30 天舆情数据画成图表【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-skilllast30days-skill 数据可视化从一份 JSON 开始:这个 AI 技能并行检索 Reddit、X、YouTube、HN、Polymarket 近 30 天的讨论,按真实互动量打分排序;本文的最终产出,是你自己画出的第一张社交媒体数据图表。速览 last30days-skill 数据可视化能输出的 JSON 结构这个技能把十几个平台的原始讨论收敛成一份稳定契约:你给话题,它返回 schema_version 1.3 的 JSON,顶层固定含 query、source_status、clusters 和 results。每条 result 带 title、source、published_at、engagement(平台原生互动计数,如 Reddit 的 score 与 num_comments、X 的 likes 与 reposts)和 0~1 的 relevance_score,未知字段直接省略而不是填 null——对画图代码来说,你只需要处理一种结构。执行 4 条命令,拿到可出图的 results.json从克隆仓库到 30 天舆情可视化的原料,最短路径就是 4 步,每步一条命令:克隆仓库并进入目录:git clone https://gitcode.com/GitHub_Trending/la/last30days-skill cd last30days-skill确认 Python 不低于 3.12(项目 requires-python 即 3.12):python3 --version装唯一的第三方画图依赖,项目本身零必装包:pip install matplotlib跑一次研究并落盘:python3 skills/last30days/scripts/last30days.py 你的话题 --emitjson --output results.json首次运行会自动触发 setup 向导,30 秒内解锁更多数据源。完成后当前目录多出一个 results.json,每条结果都有标题、来源平台、发布时间和互动数,这是 Reddit X 数据出图的直接原料。读懂去重与归一化:入库前数据为什么干净数据在写入 results 之前要过两道工序,这是图表可信的前提。第一道在 lib/dedupe.py:同源近重复检测,先把文本小写化、去标点,切成 3 词 n-gram(含中文停用词),再用 Jaccard 相似度判断两条内容是否近似,把换个说法的同一件事压掉。第二道在 lib/normalize.py:每个平台的原始 payload 被映射进同一套 v3 通用条目模型,同时按日期窗口过滤掉范围外的条目。所以你的绘图代码不必为每个平台写分支。写 20 行 Python,把 results.json 画成柱状图最小出图脚本只需 16 行:取前 10 条 result,用 engagement 里最大的原生计数当热度,画一张横向柱状图:import json import matplotlib.pyplot as plt data json.load(open(results.json, encodingutf-8)) items data[results][:10] labels [r[title][:20] for r in items][::-1] scores [max(r[engagement].values(), default0) for r in items][::-1] plt.figure(figsize(9, 5)) plt.barh(labels, scores) plt.title(近 30 天话题热度 TOP 10) plt.xlabel(互动量) plt.tight_layout() plt.savefig(chart.png, dpi120) plt.show()保存为 chart.py 运行,条形越长代表那条讨论的互动越多,这就是 last30days-skill 数据可视化的最小闭环。想要更多视角,3 种变体各只需几行改动:折线走势:把 results 按 published_at 排序,按天聚合互动量,用 plt.plot 画出 30 天热度曲线平台对比:按 source 字段拆成 reddit 与 x 两组,画堆叠柱状图对比两个平台的讨论量阈值高亮:给 plt.barh 传 color 数组,超过阈值的条形标成醒目色,直接定位值得点开原文的条目排查首次运行引导与常见数据源报错首次运行遇到问题时,先分清没配和没数据。Reddit、HN、Polymarket、GitHub 开箱即用;需要 X、YouTube 等源就跑python3 skills/last30days/scripts/last30days.py setup走向导,或用--diagnose打印各数据源的可用性。常见情况看 source_status 字段:skipped-unconfigured 是缺配置,rate-limited 是被限流,timeout 是超时;只有 no-results 才表示真的零匹配,失败状态不能解读为该平台没讨论。字段细节别靠猜,docs/reference/json-export.md 有完整的 result 字段表与 source_status 状态表。同一份 JSON 还能喂周报、对比页,甚至再交回 AI 生成摘要。现在挑一个你最关心的话题,把第一张图表跑出来 延伸阅读:docs/reference/json-export.md:字段与导出契约说明skills/last30days/SKILL.md:命令与 setup 行为参考docs/how-search-works.md:检索机制说明【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