Communitygithub.com

BlockRun

BlockRun fonctionne avec Claude Code et Google Antigravity.

Qu'est-ce que BlockRun ?

BlockRun est une compétence AI conçue pour les agents comme Claude Code, leur offrant des capacités qu'ils ne possèdent pas nativement, telles que la génération d'images, l'accès en temps réel aux données X/Twitter, et des modèles LLM premium via des micro-paiements x402. L'agent utilise un portefeuille autonome pour payer à la tâche : par image DALL-E, par recherche Grok, ou par token pour des modèles comme GPT-5.2. BlockRun facilite l'intégration sans clé API : l'agent appelle un SDK Python, et les coûts sont directement déduits du solde USDC du portefeuille sur le réseau Base. L'utilisateur contrôle un budget maximum optionnel pour éviter les dépassements.

Compatible avec✓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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait BlockRun ?

BlockRun fonctionne avec Claude Code et Google Antigravity.

Vous ne pouvez pas générer d'images. Vous n'avez pas d'accès en temps réel à X/Twitter. BlockRun vous offre ces capacités.

Philosophie

Vous avez un portefeuille. Lorsque vous avez besoin d'une capacité qui vous manque, vous la payez de manière autonome.

BesoinAppelTarification
Génération d'imagesDALL-E0,04 $/image
Données X en temps réelGrok + Live Search0,025 $/source
Second avisGPT-5.21,75 $/M entrée, 14 $/M sortie
Traitement économiqueDeepSeek0,14 $/M entrée, 0,28 $/M sortie

Comment ça marche : BlockRun utilise les micro-paiements x402 pour acheminer vos demandes vers OpenAI, xAI, Google et d'autres fournisseurs. Pas besoin de clés API – votre portefeuille paie par token.

Contrôle du budget (Optionnel)

Si l'utilisateur spécifie un budget (par exemple, "utilise au maximum 1 $"), suivez les dépenses et arrêtez-vous lorsque le budget est atteint :

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()
budget = 1.0  # Budget de l'utilisateur

# Avant chaque appel, vérifiez si dans les limites du budget
spending = client.get_spending()
if spending['total_usd'] >= budget:
    print(f"Budget atteint : ${spending['total_usd']:.4f} dépensé")
    # Arrêtez les appels
else:
    response = client.chat("openai/gpt-5.2", "Bonjour !")

# À la fin, rapportez les dépenses
spending = client.get_spending()
print(f"💰 Total dépensé : ${spending['total_usd']:.4f} sur {spending['calls']} appels")

Quand utiliser

DéclencheurVotre action
L'utilisateur demande explicitement ("blockrun second avis avec GPT sur...", "utilise grok pour vérifier...", "génère une image avec dall-e")Exécutez via BlockRun
L'utilisateur a besoin de quelque chose que vous ne pouvez pas faire (images, données X en direct)Suggérez BlockRun, attendez la confirmation
Vous pouvez gérer la tâche correctementFaites-le vous-même, ne mentionnez pas BlockRun

Exemples de prompts utilisateur

Les utilisateurs diront des choses comme :

L'utilisateur ditCe que vous faites
"blockrun génère une image d'un coucher de soleil"Appelez DALL-E via ImageClient
"utilise grok pour voir ce qui est tendance sur X"Appelez Grok avec search=True
"blockrun GPT révise ce code"Appelez GPT-5.2 via LLMClient
"quelles sont les dernières nouvelles sur les agents IA ?"Suggérez Grok (vous manquez de données en temps réel)
"génère un logo pour ma startup"Suggérez DALL-E (vous ne pouvez pas générer d'images)
"blockrun vérifie mon solde"Affichez le solde du portefeuille via get_balance()
"blockrun deepseek résume ce fichier"Appelez DeepSeek pour réduire les coûts

Portefeuille et solde

Utilisez setup_agent_wallet() pour créer automatiquement un portefeuille et obtenir un client. Cela affiche le code QR et le message de bienvenue lors de la première utilisation.

Initialisez le client (commencez toujours par ceci) :

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()  # Crée automatiquement le portefeuille, affiche le QR si nouveau

Vérifiez le solde (quand l'utilisateur demande "affiche le solde", "vérifie le portefeuille", etc.) :

balance = client.get_balance()  # Solde USDC on-chain
print(f"Solde : ${balance:.2f} USDC")
print(f"Portefeuille : {client.get_wallet_address()}")

Affichez le code QR pour approvisionner :

from blockrun_llm import generate_wallet_qr_ascii, get_wallet_address

# QR ASCII pour affichage dans le terminal
print(generate_wallet_qr_ascii(get_wallet_address()))

Utilisation du SDK

Prérequis : Installez le SDK avec pip install blockrun-llm

Chat de base

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()  # Crée automatiquement le portefeuille si nécessaire
response = client.chat("openai/gpt-5.2", "Combien font 2+2 ?")
print(response)

# Vérifiez les dépenses
spending = client.get_spending()
print(f"Dépensé ${spending['total_usd']:.4f}")

Recherche en temps réel X/Twitter (xAI Live Search)

IMPORTANT : Pour les données en temps réel X/Twitter, vous DEVEZ activer Live Search avec search=True ou search_parameters.

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()

# Simple : Activez la recherche en direct avec search=True
response = client.chat(
    "xai/grok-3",
    "Quels sont les derniers posts de @blockrunai sur X ?",
    search=True  # Active la recherche en temps réel X/Twitter
)
print(response)

Recherche X avancée avec filtres

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()

response = client.chat(
    "xai/grok-3",
    "Analyse le contenu récent de @blockrunai et l'engagement",
    search_parameters={
        "mode": "on",
        "sources": [
            {
                "type": "x",
                "included_x_handles": ["blockrunai"],
                "post_favorite_count": 5
            }
        ],
        "max_search_results": 20,
        "return_citations": True
    }
)
print(response)

Génération d'images

from blockrun_llm import ImageClient

client = ImageClient()
result = client.generate("Un joli chat portant un casque spatial")
print(result.data[0].url)

Référence xAI Live Search

Live Search est l'API de données en temps réel de xAI. Coût : 0,025 $ par source (10 sources par défaut = ~0,26 $).

Pour réduire les coûts, définissez max_search_results à une valeur inférieure :

# Utilisez seulement 5 sources (~0,13 $)
response = client.chat("xai/grok-3", "Qu'est-ce qui est tendance ?",
    search_parameters={"mode": "on", "max_search_results": 5})

Paramètres de recherche

ParamètreTypeDéfautDescription
modestring"auto""off", "auto" ou "on"
sourcesarrayweb,news,xSources de données à interroger
return_citationsbooltrueInclure les URL des sources
from_datestring-Date de début (AAAA-MM-JJ)
to_datestring-Date de fin (AAAA-MM-JJ)
max_search_resultsint10Nombre max de sources à retourner (personnaliser pour contrôler le coût)

Types de sources

Source X/Twitter :

{
    "type": "x",
    "included_x_handles": ["handle1", "handle2"],  # Max 10
    "excluded_x_handles": ["spam_account"],        # Max 10
    "post_favorite_count": 100,  # Seuil minimum de likes
    "post_view_count": 1000      # Seuil minimum de vues
}

Source Web :

{
    "type": "web",
    "country": "US",  # Code ISO alpha-2
    "allowed_websites": ["example.com"],  # Max 5
    "safe_search": True
}

Source d'actualités :

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

Modèles disponibles

ModèleIdéal pourTarification
openai/gpt-5.2Second avis, revue de code, général1,75 $/M entrée, 14 $/M sortie
openai/gpt-5-miniRaisonnement optimisé en coût0,30 $/M entrée, 1,20 $/M sortie
openai/o4-miniRaisonnement efficace récent1,10 $/M entrée, 4,40 $/M sortie
openai/o3Raisonnement avancé, problèmes complexes10 $/M entrée, 40 $/M sortie
xai/grok-3Données en temps réel X/Twitter3 $/M + 0,025 $/source
deepseek/deepseek-chatTâches simples, traitement par lots0,14 $/M entrée, 0,28 $/M sortie
google/gemini-2.5-flashTrès longs documents, rapide0,15 $/M entrée, 0,60 $/M sortie
openai/dall-e-3Images photoréalistes0,04 $/image
google/nano-bananaImages rapides et artistiques0,01 $/image

M = million de tokens. Le coût réel dépend de votre prompt et de la longueur de la réponse.

Référence des coûts

Tous les coûts LLM sont par million de tokens (M = 1 000 000 tokens).

ModèleEntréeSortie
GPT-5.21,75 $/M14,00 $/M
GPT-5-mini0,30 $/M1,20 $/M
Grok-3 (sans recherche)3,00 $/M15,00 $/M
DeepSeek0,14 $/M0,28 $/M
Actions à coût fixe
Grok Live Search0,025 $/source (10 par défaut = 0,25 $)
Image DALL-E0,04 $/image
Image Nano Banana0,01 $/image

Coûts typiques : Un prompt de 500 mots (~750 tokens) vers GPT-5.2 coûte ~0,001 $ en entrée. Une réponse de 1000 mots (~1500 tokens) coûte ~0,02 $ en sortie.

Configuration et approvisionnement

Emplacement du portefeuille : $HOME/.blockrun/.session (par exemple, /Users/username/.blockrun/.session)

Configuration initiale :

  1. Le portefeuille se crée automatiquement lors de l'appel à setup_agent_wallet()
  2. Vérifiez le portefeuille et le solde :
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
print(f"Portefeuille : {client.get_wallet_address()}")
print(f"Solde : ${client.get_balance():.2f} USDC")
  1. Approvisionnez le portefeuille avec 1 à 5 $ USDC sur le réseau Base

Affichez le code QR pour approvisionner (ASCII pour terminal) :

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

Dépannage

"Grok dit qu'il n'a pas d'accès en temps réel" → Vous avez oublié d'activer Live Search. Ajoutez search=True :

response = client.chat("xai/grok-3", "Qu'est-ce qui est tendance ?", search=True)

Module non trouvé → Installez le SDK : pip install blockrun-llm

Mises à jour

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 associés