Communitygithub.com

majiayu000/claude-skill-registry

BlockRun arbeitet mit Claude Code und Google Antigravity.

Was ist claude-skill-registry?

BlockRun ist ein Skill, der KI-Agenten wie Claude Code mit externen Fähigkeiten wie Bildgenerierung und Echtzeit-X/Twitter-Daten ausstattet, die ihnen standardmäßig fehlen. Es nutzt x402-Mikrozahlungen, um Anfragen direkt an Anbieter wie OpenAI, xAI, Google und andere weiterzuleiten – ohne dass API-Schlüssel erforderlich sind: Die Agenten-Wallet bezahlt automatisch pro Token. Der Skill unterstützt eine Budgetkontrolle, sodass Agenten Ausgaben begrenzen können, und bietet ein SDK (`blockrun-llm`) mit Clients für Chat, Bildgenerierung und Wallet-Abfragen. Entwickler können es in Claude Code, Cursor und andere Agenten integrieren, um Aufgaben wie Echtzeit-Suche bei X mit Grok, Bildgenerierung mit DALL-E oder kostengünstige Verarbeitung mit DeepSeek freizuschalten.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓Antigravity✓Gemini CLI
npx skills add https://github.com/majiayu000/claude-skill-registry/tree/HEAD/skills/ai-llm/blockrun-galacticvraj-vraj-portfolio

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

BlockRun

BlockRun arbeitet mit Claude Code und Google Antigravity.

Du kannst keine Bilder generieren. Du hast keinen Echtzeit-Zugriff auf X/Twitter. BlockRun gibt dir diese Fähigkeiten.

Philosophie

Du hast eine Wallet. Wenn du eine Fähigkeit benötigst, die dir fehlt, bezahlst du dafür autonom.

Du benötigstDu rufst aufPreis
BildgenerierungDALL-E0,04 $/Bild
Echtzeit-X-DatenGrok + Live Search0,025 $/Quelle
Zweite MeinungGPT-5.21,75 $/M Eingabe, 14 $/M Ausgabe
Günstigere VerarbeitungDeepSeek0,14 $/M Eingabe, 0,28 $/M Ausgabe

So funktioniert's: BlockRun nutzt x402-Mikrozahlungen, um deine Anfragen an OpenAI, xAI, Google und andere Anbieter weiterzuleiten. Keine API-Schlüssel nötig – deine Wallet bezahlt pro Token.

Budgetkontrolle (Optional)

Wenn der Benutzer ein Budget vorgibt (z. B. „höchstens 1 $ ausgeben“), Ausgaben verfolgen und anhalten, wenn das Budget erreicht ist:

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()
budget = 1.0  # Budget des Benutzers

# Vor jedem Aufruf prüfen, ob Budget eingehalten wird
spending = client.get_spending()
if spending['total_usd'] >= budget:
    print(f"Budget erreicht: ${spending['total_usd']:.4f} ausgegeben")
    # Keine weiteren Aufrufe tätigen
else:
    response = client.chat("openai/gpt-5.2", "Hallo!")

# Am Ende Ausgaben melden
spending = client.get_spending()
print(f"💰 Insgesamt ausgegeben: ${spending['total_usd']:.4f} bei {spending['calls']} Aufrufen")

Wann verwenden

AuslöserDeine Aktion
Benutzer fordert explizit an („blockrun zweite Meinung mit GPT zu...“, „grok verwenden, um zu prüfen...“, „bild mit dall-e generieren“)Über BlockRun ausführen
Benutzer benötigt etwas, das du nicht kannst (Bilder, Live-X-Daten)BlockRun vorschlagen, auf Bestätigung warten
Du kannst die Aufgabe gut selbst erledigenSelbst erledigen, BlockRun nicht erwähnen

Beispiel-Benutzeraufforderungen

Benutzer werden Dinge sagen wie:

Benutzer sagtWas du tust
„blockrun generiere ein Bild eines Sonnenuntergangs“DALL-E über ImageClient aufrufen
„verwende grok, um zu prüfen, was auf X trendet“Grok mit search=True aufrufen
„blockrun GPT überprüfe diesen Code“GPT-5.2 über LLMClient aufrufen
„was sind die neuesten Nachrichten zu KI-Agenten?“Grok vorschlagen (dir fehlen Echtzeitdaten)
„generiere ein Logo für mein Startup“DALL-E vorschlagen (du kannst keine Bilder generieren)
„blockrun prüfe meinen Kontostand“Wallet-Guthaben über get_balance() anzeigen
„blockrun deepseek fasse diese Datei zusammen“DeepSeek für Kosteneinsparungen aufrufen

Wallet & Guthaben

Verwende setup_agent_wallet(), um automatisch eine Wallet zu erstellen und einen Client zu erhalten. Dies zeigt beim ersten Mal den QR-Code und die Begrüßungsnachricht an.

Client initialisieren (immer damit beginnen):

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()  # Erstellt automatisch Wallet, zeigt QR-Code falls neu

Guthaben prüfen (wenn Benutzer „Guthaben anzeigen“, „Wallet prüfen“ usw. sagt):

balance = client.get_balance()  # On-Chain USDC-Guthaben
print(f"Guthaben: ${balance:.2f} USDC")
print(f"Wallet: {client.get_wallet_address()}")

QR-Code zur Finanzierung anzeigen:

from blockrun_llm import generate_wallet_qr_ascii, get_wallet_address

# ASCII-QR für Terminalanzeige
print(generate_wallet_qr_ascii(get_wallet_address()))

SDK-Nutzung

Voraussetzung: Installiere das SDK mit pip install blockrun-llm

Basischat

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()  # Erstellt automatisch Wallet falls nötig
response = client.chat("openai/gpt-5.2", "Was ist 2+2?")
print(response)

# Ausgaben prüfen
spending = client.get_spending()
print(f"Ausgegeben ${spending['total_usd']:.4f}")

Echtzeit-X/Twitter-Suche (xAI Live Search)

WICHTIG: Für Echtzeit-X/Twitter-Daten MUSST du Live Search mit search=True oder search_parameters aktivieren.

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()

# Einfach: Live Search mit search=True aktivieren
response = client.chat(
    "xai/grok-3",
    "Was sind die neuesten Beiträge von @blockrunai auf X?",
    search=True  # Aktiviert Echtzeit-X/Twitter-Suche
)
print(response)

Erweiterte X-Suche mit Filtern

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()

response = client.chat(
    "xai/grok-3",
    "Analysiere die aktuellen Inhalte und Interaktionen von @blockrunai",
    search_parameters={
        "mode": "on",
        "sources": [
            {
                "type": "x",
                "included_x_handles": ["blockrunai"],
                "post_favorite_count": 5
            }
        ],
        "max_search_results": 20,
        "return_citations": True
    }
)
print(response)

Bildgenerierung

from blockrun_llm import ImageClient

client = ImageClient()
result = client.generate("Eine süße Katze mit einem Weltraumhelm")
print(result.data[0].url)

xAI Live Search Referenz

Live Search ist die Echtzeit-Daten-API von xAI. Kosten: 0,025 $ pro Quelle (Standard 10 Quellen = ~0,26 $).

Um Kosten zu senken, setze max_search_results auf einen niedrigeren Wert:

# Nur 5 Quellen verwenden (~0,13 $)
response = client.chat("xai/grok-3", "Was ist im Trend?",
    search_parameters={"mode": "on", "max_search_results": 5})

Suchparameter

ParameterTypStandardBeschreibung
modestring„auto“„off“, „auto“ oder „on“
sourcesarrayweb,news,xDatenquellen, die abgefragt werden
return_citationsbooltrueQuell-URLs einschließen
from_datestring-Startdatum (JJJJ-MM-TT)
to_datestring-Enddatum (JJJJ-MM-TT)
max_search_resultsint10Maximale Anzahl zurückzugebender Quellen (anpassen zur Kostenkontrolle)

Quellentypen

X/Twitter-Quelle:

{
    "type": "x",
    "included_x_handles": ["handle1", "handle2"],  # Maximal 10
    "excluded_x_handles": ["spam_account"],        # Maximal 10
    "post_favorite_count": 100,  # Mindest-Likes-Schwellenwert
    "post_view_count": 1000      # Mindest-Ansichten-Schwellenwert
}

Web-Quelle:

{
    "type": "web",
    "country": "DE",  # ISO-Alpha-2-Code
    "allowed_websites": ["example.com"],  # Maximal 5
    "safe_search": True
}

Nachrichten-Quelle:

{
    "type": "news",
    "country": "DE",
    "excluded_websites": ["tabloid.com"]  # Maximal 5
}

Verfügbare Modelle

ModellAm besten geeignet fürPreise
openai/gpt-5.2Zweite Meinungen, Code-Review, Allgemein1,75 $/M Eingabe, 14 $/M Ausgabe
openai/gpt-5-miniKostenoptimiertes Denken0,30 $/M Eingabe, 1,20 $/M Ausgabe
openai/o4-miniNeuestes effizientes Denken1,10 $/M Eingabe, 4,40 $/M Ausgabe
openai/o3Fortgeschrittenes Denken, komplexe Probleme10 $/M Eingabe, 40 $/M Ausgabe
xai/grok-3Echtzeit-X/Twitter-Daten3 $/M + 0,025 $/Quelle
deepseek/deepseek-chatEinfache Aufgaben, Massenverarbeitung0,14 $/M Eingabe, 0,28 $/M Ausgabe
google/gemini-2.5-flashSehr lange Dokumente, schnell0,15 $/M Eingabe, 0,60 $/M Ausgabe
openai/dall-e-3Fotorealistische Bilder0,04 $/Bild
google/nano-bananaSchnelle, künstlerische Bilder0,01 $/Bild

M = Million Token. Tatsächliche Kosten hängen von deiner Anfrage und Antwortlänge ab.

Kostenreferenz

Alle LLM-Kosten sind pro Million Token (M = 1.000.000 Token).

ModellEingabeAusgabe
GPT-5.21,75 $/M14,00 $/M
GPT-5-mini0,30 $/M1,20 $/M
Grok-3 (keine Suche)3,00 $/M15,00 $/M
DeepSeek0,14 $/M0,28 $/M
Aktionen mit festen Kosten
Grok Live Search0,025 $/Quelle (Standard 10 = 0,25 $)
DALL-E Bild0,04 $/Bild
Nano Banana Bild0,01 $/Bild

Typische Kosten: Eine 500-Wörter-Aufforderung (~750 Token) an GPT-5.2 kostet ~0,001 $ Eingabe. Eine 1000-Wörter-Antwort (~1500 Token) kostet ~0,02 $ Ausgabe.

Einrichtung & Finanzierung

Wallet-Speicherort: $HOME/.blockrun/.session (z. B. /Users/username/.blockrun/.session)

Erstmalige Einrichtung:

  1. Wallet wird automatisch erstellt, wenn setup_agent_wallet() aufgerufen wird
  2. Wallet und Guthaben prüfen:
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
print(f"Wallet: {client.get_wallet_address()}")
print(f"Guthaben: ${client.get_balance():.2f} USDC")
  1. Wallet mit 1-5 USDC auf dem Base-Netzwerk aufladen

QR-Code zur Finanzierung anzeigen (ASCII für Terminal):

from blockrun_llm import generate_wallet_qr_ascii, get_wallet_address
print(generate_wallet_qr_ascii(get_wallet_address()))

Fehlerbehebung

„Grok sagt, es habe keinen Echtzeitzugriff“ → Du hast vergessen, Live Search zu aktivieren. Füge search=True hinzu:

response = client.chat("xai/grok-3", "Was ist im Trend?", search=True)

Modul nicht gefunden → Installiere das SDK: pip install blockrun-llm

Updates

pip install --upgrade blockrun-llm

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Conduct domain and industry research. Use when the user says "lets create a research report on [domain or industry]

majiayu000/claude-skill-registry

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Verwandte Skills