58.000 sterren voor een zoekmachine die mensen leest, geen pagina's

Als ik wil weten of een nieuwe tool het waard is, dan helpt Google me niet. Wat ik terugkrijg is een laag van reviewsites die elkaar overschrijven, een affiliate-lijstje en de aanbieder zelf. Wat ik zoek staat ergens anders: in een Reddit-thread waar iemand na drie weken gebruik afhaakt, in een reactie onder een YouTube-video, in een post die 400 keer is geliked door mensen die het ding echt draaien.

Dat handmatig bij elkaar zoeken kost me een halve avond. Sinds een paar maanden bestaat er een agent-skill die het in één opdracht doet, en die staat deze week op 58.077 sterren op GitHub. Ik heb hem uitgeplozen, want een tool die zo hard groeit verdient een kritischer blik dan een schouderklopje.

Wat er precies gebeurde

Op 12 augustus zat Allie K. Miller bij Greg Isenberg in de podcast, in een aflevering van 48 minuten over het draaien van een AI-agentenvloot. Daarin noemde ze /last30days bij naam. Matt Van Horn, de maker, plaatste er de volgende ochtend een bericht over op X. Miller reageerde er zelf onder, en nuanceerde haar eigen compliment meteen: de meeste mensen gebruiken het volgens haar alleen voor research, terwijl er meer in zit.

Dat is het nieuws, en het is klein. Interessanter is waar dat compliment over ging.

De mechaniek: engagement als ranking

De officiële omschrijving van het project is dat het “elk onderwerp onderzoekt op Reddit, X, YouTube, HN, Polymarket en het web, en er dan een gefundeerde samenvatting van maakt”. De kern zit in wat er níet in staat: geen crawler, geen index, geen pagerank.

De skill haalt per bron de posts op van de afgelopen 30 dagen en gebruikt de meting die dat platform zelf al doet als signaal. Upvotes op Reddit, likes op X, views op YouTube, punten op Hacker News, en bij Polymarket het bedrag dat mensen op een uitkomst hebben ingelegd. Vervolgens clustert het items die over dezelfde gebeurtenis gaan, en labelt het clusters die maar uit één bron komen als single-source, met de instructie die met terughoudendheid te behandelen. Clusters met Reddit én X én YouTube erin krijgen het hoogste vertrouwen.

Dat is een expliciete keuze over wat waar is. Google rangschikt vooral wat andere sites linken. Dit rangschikt wat mensen aanklikken, omhoogstemmen en betalen. Allebei zijn het proxies, en geen van beide meet of iets klopt.

Waar de bronnen vandaan komen verschilt sterk, en dat is de kant die in de aanbevelingen zelden voorbijkomt:

De onderste twee rijen zijn het gedeelte waar ik langer over nagedacht heb dan over de rest.

De cijfers, ook de ongemakkelijke

Meetmoment: 13 augustus 2026, opgehaald via de GitHub-API, niet overgenomen uit een screenshot.

• 58.077 sterren, 5.045 forks
• Versie 3.18.4, MIT-licentie
• Installeerbaar op Claude Code, de Grok-CLI, Claude Desktop, claude.ai en via npx skills op ruim vijftig andere agent-omgevingen

Sterren zijn geen gebruikers. Het is de goedkoopste vorm van instemming die GitHub kent: één klik, geen installatie, geen tweede bezoek. Een repo die drie weken in de trending-lijst staat verzamelt sterren van mensen die hem nooit draaien. De 5.045 forks zeggen iets meer, maar ook daar zit een flink deel “later nog eens naar kijken” tussen. Wat ik nergens vind, en wat de enige eerlijke maat zou zijn, is hoeveel installaties er wekelijks daadwerkelijk een zoekopdracht draaien. Die cijfers publiceert het project niet, en dat is niet uniek voor dit project.

Er zit een tweede claim in het bericht van Van Horn die ik expliciet niet overneem als feit. Hij schrijft dat hij de YouTube-link van 48 minuten aan Grok gaf met de opdracht er het stuk uit te knippen waar last30days genoemd wordt, en dat dat vrijwel in één keer goed ging. Ik heb geen aankondiging van xAI kunnen vinden waarin knippen uit een bestaande YouTube-video als functie beschreven staat. Wat er wel gedocumenteerd is, gaat over het genereren en verlengen van korte clips. Eén gebruikerservaring is geen productfunctie, en ik behandel het hier als onbevestigd.

De kanttekening

De standaard verschuift van “wat is gepubliceerd” naar “wat is populair”. Bij een vraag over een nichetool is dat winst, want daar is de indexeerbare laag vooral marketing. Bij een gevoelig onderwerp keert het om. De hardste stemmen op Reddit zijn niet de best geïnformeerde, en een X-post met 3.000 likes kan een breed gedeeld misverstand zijn. De skill labelt netjes wanneer bewijs dun is, maar de labels landen in een samenvatting die daarna als antwoord wordt gelezen. Het waarschuwingsetiket overleeft de knip-en-plak zelden.

De verantwoordelijkheid voor toegang landt bij jou, niet bij de tool. Voor X biedt de skill een pad aan waarbij je je eigen sessiecookies meegeeft. Dat is jouw ingelogde account dat op schaal gaat lezen, onder jouw naam, binnen de voorwaarden die jij hebt geaccepteerd. Het project vraagt daar expliciet toestemming voor en documenteert het netjes, dus dit is geen verwijt aan de maker. Het is wel iets anders dan een API-sleutel die je kunt intrekken. Voor TikTok en Instagram loopt het via een commerciële scraper, en daarmee gaat jouw zoekopdracht naar een derde partij die jij niet hebt gekozen.

Er stroomt oordeelsvorming weg die je eerst zelf deed. Als ik een halve avond in threads zit, zie ik ook wie er antwoordt, hoe boos iemand is, en of de klacht over versie 2 gaat terwijl er inmiddels 4 is. Een samenvatting die dat comprimeert tot “gemengde ontvangst, vooral over performance” is sneller en armer. Ik merk dat het gevaarlijkste moment niet is dat de tool ernaast zit, maar dat hij precies goed genoeg is om me te laten stoppen met doorlezen.

Wat ik er zelf mee doe

Ik heb hem geïnstalleerd op de plek waar ik toch al skills draai in Claude Code, met alleen de gratis bronnen aan: Hacker News, Polymarket, YouTube via lokale yt-dlp en GitHub via de gh-CLI die er al stond. Geen ScrapeCreators-sleutel, en zeker geen browsercookies van X. Dat kost me TikTok, Instagram en een deel van X, en die drie zijn voor mijn vragen over ontwikkeltooling het minst interessant.

Ik gebruik het bewust in één richting: om te vinden wat ik anders niet zou zien, niet om een oordeel te krijgen. De uitkomst behandel ik als een lijst met plekken om te gaan kijken. De bronnen die het aandraagt open ik zelf, en de samenvatting lees ik pas daarna. Dat klinkt omslachtig en is het ook, maar het is precies het stuk dat ik niet wil automatiseren.

Voor wie nog twijfelt of dit soort tools iets voor hem is: het verschil tussen een chatbot die antwoordt en een agent die zelf op pad gaat heb ik hier eerder uitgeschreven, en /last30days is een schoolvoorbeeld van de tweede soort.

Veelgestelde vragen

Heb ik betaalde API-sleutels nodig om hiermee te beginnen?

Nee. Hacker News, Polymarket, GitHub en YouTube werken zonder sleutel. Voor YouTube installeer je wel lokaal yt-dlp, dat draait op je eigen machine. Sleutels heb je pas nodig voor TikTok, Instagram en het volledige X-bereik.

Is dit een vervanging voor Google?

Nee, en het probeert dat ook niet te zijn. Het beantwoordt een ander soort vraag: wat zeggen mensen hier de afgelopen dertig dagen over. Voor feiten die niet aan een datum hangen, of voor documentatie, is een gewone zoekmachine beter en sneller.

Waarom staat er een venster van dertig dagen omheen?

Omdat de meting waar het op leunt vergankelijk is. Upvotes, likes en views hopen zich op rond het moment van publiceren, en een post van twee jaar geleden met veel engagement zegt weinig over de stand van nu. Het venster is dus geen technische beperking maar de kern van het idee.

Kan ik dit alleen in Claude Code gebruiken?

Nee. Er zijn installatiepaden voor Claude Code, de Grok-CLI, Claude Desktop, claude.ai en via de Agent Skills-CLI voor ruim vijftig andere omgevingen, waaronder Codex, Cursor en Gemini CLI.

Bronnen

• Matt Van Horn op X, bericht over de podcastvermelding en de Grok-anekdote — 13 augustus 2026: x.com/mvanhorn
• mvanhorn/last30days-skill op GitHub, projectomschrijving, installatiematrix en het onderdeel Security & Permissions — geraadpleegd 13 augustus 2026: github.com/mvanhorn/last30days-skill
• SKILL.md van het project, versie 3.18.4, voor de bronnenlijst, de clustering en de uncertainty-labels — geraadpleegd 13 augustus 2026: SKILL.md op main
• Sterren- en forkaantallen via de publieke GitHub-API — gemeten 13 augustus 2026: api.github.com
• “My top secrets to running an AI Agent Workforce”, Greg Isenberg met Allie K. Miller, 48 minuten — gepubliceerd 12 augustus 2026: youtube.com

Fact-check op 13 augustus 2026. De sterren- en forkaantallen komen uit de GitHub-API en zijn een momentopname; ze lopen bij publicatie waarschijnlijk voor op wat hier staat. De installatiematrix en de bronnenlijst heb ik uit de repository zelf gehaald en niet uit berichten erover. Twee dingen heb ik niet zelf kunnen verifiëren. Ik heb de podcastaflevering van 48 minuten niet uitgeluisterd, dus de vermelding en de exacte bewoording komen uit het bericht van Van Horn en uit de publieke reactie van Miller daaronder. En de claim dat Grok in één opdracht het juiste fragment uit die video knipte staat alleen in dat bericht; ik vond bij xAI geen documentatie van zo’n functie, en behandel het daarom als onbevestigd. De cijfers over daadwerkelijk gebruik ontbreken volledig, bij dit project en bij vrijwel elk vergelijkbaar project.