Communitygithub.com

BlockRun

BlockRun funciona con Claude Code y Google Antigravity.

¿Qué es BlockRun?

BlockRun es una habilidad para agentes de IA que permite a Claude Code, Cursor, Codex y otros acceder a capacidades que normalmente no tienen, como generación de imágenes, datos en tiempo real de X/Twitter y modelos de lenguaje premium de terceros. Utiliza el sistema de micropagos x402 para que el agente pueda pagar por estos servicios directamente desde una billetera USDC en la red Base, sin necesidad de claves API. La habilidad se basa en el SDK `blockrun-llm`, que proporciona clientes para chat con modelos como GPT-5.2, Grok y DeepSeek, así como para generación de imágenes con DALL-E. El agente decide autónomamente cuándo usar BlockRun según las solicitudes del usuario, y puede controlar el gasto mediante presupuestos opcionales.

Compatible con✓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

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace BlockRun?

BlockRun funciona con Claude Code y Google Antigravity.

No puedes generar imágenes. No tienes acceso en tiempo real a X/Twitter. BlockRun te proporciona estas capacidades.

Filosofía

Tienes una billetera. Cuando necesitas una capacidad que te falta, pagas por ella de forma autónoma.

NecesitasLlamasPrecio
Generación de imágenesDALL-E$0.04/imagen
Datos en tiempo real de XGrok + Live Search$0.025/fuente
Segunda opiniónGPT-5.2$1.75/M entrada, $14/M salida
Procesamiento más baratoDeepSeek$0.14/M entrada, $0.28/M salida

Cómo funciona: BlockRun utiliza micropagos x402 para enrutar tus solicitudes a OpenAI, xAI, Google y otros proveedores. No se necesitan claves API: tu billetera paga por token.

Control de Presupuesto (Opcional)

Si el usuario especifica un presupuesto (ej., "usa como máximo $1"), rastrea el gasto y detente cuando se alcance el presupuesto:

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()
budget = 1.0  # Presupuesto del usuario

# Antes de cada llamada, verificar si está dentro del presupuesto
spending = client.get_spending()
if spending['total_usd'] >= budget:
    print(f"Presupuesto alcanzado: ${spending['total_usd']:.4f} gastados")
    # Dejar de hacer llamadas
else:
    response = client.chat("openai/gpt-5.2", "¡Hola!")

# Al final, informar el gasto
spending = client.get_spending()
print(f"💰 Total gastado: ${spending['total_usd']:.4f} en {spending['calls']} llamadas")

Cuándo Usarlo

DisparadorTu Acción
El usuario lo solicita explícitamente ("blockrun segunda opinión con GPT sobre...", "usa grok para verificar...", "genera imagen con dall-e")Ejecutar a través de BlockRun
El usuario necesita algo que no puedes hacer (imágenes, datos en vivo de X)Sugerir BlockRun, esperar confirmación
Puedes manejar la tarea bienHazlo tú mismo, no menciones BlockRun

Ejemplos de Prompts de Usuario

Los usuarios dirán cosas como:

El Usuario DiceLo Que Haces
"blockrun genera una imagen de un atardecer"Llamar a DALL-E a través de ImageClient
"usa grok para ver qué está de moda en X"Llamar a Grok con search=True
"blockrun GPT revisa este código"Llamar a GPT-5.2 a través de LLMClient
"¿cuáles son las últimas noticias sobre agentes de IA?"Sugerir Grok (te faltan datos en tiempo real)
"genera un logo para mi startup"Sugerir DALL-E (no puedes generar imágenes)
"blockrun revisa mi saldo"Mostrar saldo de la billetera mediante get_balance()
"blockrun deepseek resume este archivo"Llamar a DeepSeek para ahorrar costos

Billetera y Saldo

Usa setup_agent_wallet() para crear automáticamente una billetera y obtener un cliente. Esto muestra el código QR y el mensaje de bienvenida en el primer uso.

Inicializar cliente (siempre comienza con esto):

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()  # Crea automáticamente la billetera, muestra QR si es nuevo

Revisar saldo (cuando el usuario dice "muestra saldo", "revisa billetera", etc.):

balance = client.get_balance()  # Saldo USDC en cadena
print(f"Saldo: ${balance:.2f} USDC")
print(f"Billetera: {client.get_wallet_address()}")

Mostrar código QR para fondear:

from blockrun_llm import generate_wallet_qr_ascii, get_wallet_address

# Código QR ASCII para mostrar en terminal
print(generate_wallet_qr_ascii(get_wallet_address()))

Uso del SDK

Requisito: Instala el SDK con pip install blockrun-llm

Chat Básico

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()  # Crea automáticamente la billetera si es necesario
response = client.chat("openai/gpt-5.2", "¿Cuánto es 2+2?")
print(response)

# Revisar gasto
spending = client.get_spending()
print(f"Gastados ${spending['total_usd']:.4f}")

Búsqueda en Tiempo Real en X/Twitter (xAI Live Search)

IMPORTANTE: Para datos en tiempo real de X/Twitter, DEBES habilitar Live Search con search=True o search_parameters.

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()

# Simple: Habilitar live search con search=True
response = client.chat(
    "xai/grok-3",
    "¿Cuáles son las últimas publicaciones de @blockrunai en X?",
    search=True  # Habilita la búsqueda en tiempo real de X/Twitter
)
print(response)

Búsqueda Avanzada en X con Filtros

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()

response = client.chat(
    "xai/grok-3",
    "Analiza el contenido reciente y la interacción de @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)

Generación de Imágenes

from blockrun_llm import ImageClient

client = ImageClient()
result = client.generate("Un gato lindo con casco espacial")
print(result.data[0].url)

Referencia de xAI Live Search

Live Search es la API de datos en tiempo real de xAI. Costo: $0.025 por fuente (por defecto 10 fuentes = ~$0.26).

Para reducir costos, establece max_search_results a un valor más bajo:

# Usar solo 5 fuentes (~$0.13)
response = client.chat("xai/grok-3", "¿Qué es tendencia?",
    search_parameters={"mode": "on", "max_search_results": 5})

Parámetros de Búsqueda

ParámetroTipoValor por DefectoDescripción
modestring"auto""off", "auto" u "on"
sourcesarrayweb,news,xFuentes de datos a consultar
return_citationsbooltrueIncluir URLs de origen
from_datestring-Fecha de inicio (YYYY-MM-DD)
to_datestring-Fecha de fin (YYYY-MM-DD)
max_search_resultsint10Máximo de fuentes a devolver (personalizar para controlar costo)

Tipos de Fuentes

Fuente X/Twitter:

{
    "type": "x",
    "included_x_handles": ["handle1", "handle2"],  # Máximo 10
    "excluded_x_handles": ["cuenta_spam"],        # Máximo 10
    "post_favorite_count": 100,  # Umbral mínimo de likes
    "post_view_count": 1000      # Umbral mínimo de vistas
}

Fuente Web:

{
    "type": "web",
    "country": "US",  # Código ISO alpha-2
    "allowed_websites": ["ejemplo.com"],  # Máximo 5
    "safe_search": True
}

Fuente de Noticias:

{
    "type": "news",
    "country": "US",
    "excluded_websites": ["tabloide.com"]  # Máximo 5
}

Modelos Disponibles

ModeloMejor ParaPrecio
openai/gpt-5.2Segundas opiniones, revisión de código, general$1.75/M entrada, $14/M salida
openai/gpt-5-miniRazonamiento optimizado en costo$0.30/M entrada, $1.20/M salida
openai/o4-miniRazonamiento eficiente más reciente$1.10/M entrada, $4.40/M salida
openai/o3Razonamiento avanzado, problemas complejos$10/M entrada, $40/M salida
xai/grok-3Datos en tiempo real de X/Twitter$3/M + $0.025/fuente
deepseek/deepseek-chatTareas simples, procesamiento por lotes$0.14/M entrada, $0.28/M salida
google/gemini-2.5-flashDocumentos muy largos, rápido$0.15/M entrada, $0.60/M salida
openai/dall-e-3Imágenes fotorrealistas$0.04/imagen
google/nano-bananaImágenes rápidas y artísticas$0.01/imagen

M = millones de tokens. El costo real depende de tu prompt y la longitud de la respuesta.

Referencia de Costos

Todos los costos de LLM son por millón de tokens (M = 1,000,000 tokens).

ModeloEntradaSalida
GPT-5.2$1.75/M$14.00/M
GPT-5-mini$0.30/M$1.20/M
Grok-3 (sin búsqueda)$3.00/M$15.00/M
DeepSeek$0.14/M$0.28/M
Acciones de Costo Fijo
Grok Live Search$0.025/fuente (por defecto 10 = $0.25)
Imagen DALL-E$0.04/imagen
Imagen Nano Banana$0.01/imagen

Costos típicos: Un prompt de 500 palabras (~750 tokens) a GPT-5.2 cuesta ~$0.001 de entrada. Una respuesta de 1000 palabras (~1500 tokens) cuesta ~$0.02 de salida.

Configuración y Fondos

Ubicación de la billetera: $HOME/.blockrun/.session (ej., /Users/usuario/.blockrun/.session)

Configuración inicial:

  1. La billetera se crea automáticamente al llamar a setup_agent_wallet()
  2. Revisa la billetera y el saldo:
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
print(f"Billetera: {client.get_wallet_address()}")
print(f"Saldo: ${client.get_balance():.2f} USDC")
  1. Fondea la billetera con $1-5 USDC en la red Base

Mostrar código QR para fondear (ASCII para terminal):

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

Solución de Problemas

"Grok dice que no tiene acceso en tiempo real" → Olvidaste habilitar Live Search. Agrega search=True:

response = client.chat("xai/grok-3", "¿Qué es tendencia?", search=True)

Módulo no encontrado → Instala el SDK: pip install blockrun-llm

Actualizaciones

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.

Skills relacionados