Communitygithub.com

BlockRun

BlockRun 与 Claude Code 和 Google Antigravity 配合使用,为 AI 智能体提供图像生成、实时 X/Twitter 数据访问等额外能力。

BlockRun 是什么?

BlockRun 是一款专为 AI 智能体(如 Claude Code、Google Antigravity)设计的技能扩展工具。它通过 x402 微支付系统,让智能体能够按需付费调用外部 API,从而弥补自身能力短板。例如,当智能体无法生成图像或无法访问实时 X/Twitter 数据时,BlockRun 可以调用 DALL-E 或 Grok 等服务。它支持多种模型和实时搜索功能,并提供钱包余额查询、预算控制等管理能力。此外,BlockRun 提供了简洁的 Python SDK(blockrun-llm),智能体只需几行代码即可集成,无需手动管理 API 密钥。

兼容平台✓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

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

BlockRun 是做什么的?

BlockRun 与 Claude Code 和 Google Antigravity 配合使用。

你无法生成图像,也没有实时 X/Twitter 访问权限。BlockRun 为你提供这些能力。

理念

你拥有一个钱包。当你缺乏某种能力时,你可以自主付费获取。

你需要的功能你调用的服务价格
图像生成DALL-E$0.04/张
实时 X 数据Grok + 实时搜索$0.025/来源
第二意见GPT-5.2$1.75/百万输入 tokens, $14/百万输出 tokens
更廉价的处理DeepSeek$0.14/百万输入 tokens, $0.28/百万输出 tokens

工作原理: BlockRun 使用 x402 微支付将你的请求路由到 OpenAI、xAI、Google 等提供商。无需 API 密钥——你的钱包按 token 付费。

预算控制(可选)

如果用户指定了预算(例如“最多使用 $1”),请跟踪支出并在达到预算时停止:

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()
budget = 1.0  # 用户预算

# 每次调用前检查是否在预算内
spending = client.get_spending()
if spending['total_usd'] >= budget:
    print(f"预算已用完:共支出 ${spending['total_usd']:.4f}")
    # 停止调用
else:
    response = client.chat("openai/gpt-5.2", "你好!")

# 最后报告支出
spending = client.get_spending()
print(f"💰 总支出:${spending['total_usd']:.4f},共 {spending['calls']} 次调用")

何时使用

触发条件你的操作
用户明确要求("blockrun 用 GPT 提供第二意见...","使用 grok 检查...","用 dall-e 生成图像")通过 BlockRun 执行
用户需要你做不了的事(图像、实时 X 数据)建议使用 BlockRun,等待确认
你可以很好地处理该任务自己完成,不要提及 BlockRun

用户提示示例

用户会这样说:

用户说你做什么
"blockrun 生成一张日落图像"通过 ImageClient 调用 DALL-E
"使用 grok 检查 X 上的趋势"使用 search=True 调用 Grok
"blockrun GPT 审查这段代码"通过 LLMClient 调用 GPT-5.2
"AI 智能体有什么最新消息?"建议使用 Grok(你缺乏实时数据)
"为我的创业公司生成一个 logo"建议使用 DALL-E(你无法生成图像)
"blockrun 检查我的余额"通过 get_balance() 显示钱包余额
"blockrun deepseek 总结这个文件"调用 DeepSeek 以节省成本

钱包与余额

使用 setup_agent_wallet() 自动创建钱包并获取客户端。首次使用时,它会显示二维码和欢迎消息。

初始化客户端(始终从此开始):

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()  # 自动创建钱包,如果是新钱包则显示二维码

检查余额(当用户要求“显示余额”、“检查钱包”等时):

balance = client.get_balance()  # 链上 USDC 余额
print(f"余额:${balance:.2f} USDC")
print(f"钱包:{client.get_wallet_address()}")

显示用于充值的二维码:

from blockrun_llm import generate_wallet_qr_ascii, get_wallet_address

# 用于终端显示的 ASCII 二维码
print(generate_wallet_qr_ascii(get_wallet_address()))

SDK 用法

先决条件: 使用 pip install blockrun-llm 安装 SDK

基本对话

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()  # 如果需要,自动创建钱包
response = client.chat("openai/gpt-5.2", "2+2 等于几?")
print(response)

# 检查支出
spending = client.get_spending()
print(f"支出 ${spending['total_usd']:.4f}")

实时 X/Twitter 搜索(xAI Live Search)

重要提示: 对于实时 X/Twitter 数据,你必须使用 search=True 或 search_parameters 启用 Live Search。

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()

# 简单方式:使用 search=True 启用实时搜索
response = client.chat(
    "xai/grok-3",
    "@blockrunai 在 X 上最新的帖子是什么?",
    search=True  # 启用实时 X/Twitter 搜索
)
print(response)

高级 X 搜索(带过滤器)

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()

response = client.chat(
    "xai/grok-3",
    "分析 @blockrunai 最近的内容和互动情况",
    search_parameters={
        "mode": "on",
        "sources": [
            {
                "type": "x",
                "included_x_handles": ["blockrunai"],
                "post_favorite_count": 5
            }
        ],
        "max_search_results": 20,
        "return_citations": True
    }
)
print(response)

图像生成

from blockrun_llm import ImageClient

client = ImageClient()
result = client.generate("一只戴着太空头盔的可爱猫")
print(result.data[0].url)

xAI Live Search 参考

Live Search 是 xAI 的实时数据 API。费用:每个来源 $0.025(默认 10 个来源约 $0.26)。

要降低成本,请将 max_search_results 设置为较小的值:

# 仅使用 5 个来源(约 $0.13)
response = client.chat("xai/grok-3", "什么在流行?",
    search_parameters={"mode": "on", "max_search_results": 5})

搜索参数

参数类型默认值描述
modestring"auto""off"、"auto" 或 "on"
sourcesarrayweb,news,x要查询的数据源
return_citationsbooltrue包含来源 URL
from_datestring-开始日期(YYYY-MM-DD)
to_datestring-结束日期(YYYY-MM-DD)
max_search_resultsint10要返回的最大来源数(可自定义以控制成本)

来源类型

X/Twitter 来源:

{
    "type": "x",
    "included_x_handles": ["handle1", "handle2"],  # 最多 10 个
    "excluded_x_handles": ["spam_account"],        # 最多 10 个
    "post_favorite_count": 100,  # 最低点赞阈值
    "post_view_count": 1000      # 最低浏览阈值
}

Web 来源:

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

新闻来源:

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

可用模型

模型最适合价格
openai/gpt-5.2第二意见、代码审查、通用$1.75/百万输入, $14/百万输出
openai/gpt-5-mini成本优化的推理$0.30/百万输入, $1.20/百万输出
openai/o4-mini最新高效推理$1.10/百万输入, $4.40/百万输出
openai/o3高级推理、复杂问题$10/百万输入, $40/百万输出
xai/grok-3实时 X/Twitter 数据$3/百万 + $0.025/来源
deepseek/deepseek-chat简单任务、批量处理$0.14/百万输入, $0.28/百万输出
google/gemini-2.5-flash超长文档、快速$0.15/百万输入, $0.60/百万输出
openai/dall-e-3逼真图像$0.04/张
google/nano-banana快速、艺术风格图像$0.01/张

M = 百万 tokens。实际成本取决于你的提示和响应长度。

成本参考

所有 LLM 成本均以每百万 tokens 为单位(M = 1,000,000 tokens)。

模型输入输出
GPT-5.2$1.75/M$14.00/M
GPT-5-mini$0.30/M$1.20/M
Grok-3(无搜索)$3.00/M$15.00/M
DeepSeek$0.14/M$0.28/M
固定成本操作
Grok Live Search$0.025/来源(默认 10 个 = $0.25)
DALL-E 图像$0.04/张
Nano Banana 图像$0.01/张

典型成本: 一段 500 词的提示(约 750 tokens)发送给 GPT-5.2 的输入成本约为 $0.001。一段 1000 词的响应(约 1500 tokens)的输出成本约为 $0.02。

设置与充值

钱包位置: $HOME/.blockrun/.session(例如 /Users/username/.blockrun/.session)

首次设置:

  1. 调用 setup_agent_wallet() 时自动创建钱包
  2. 检查钱包和余额:
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
print(f"钱包:{client.get_wallet_address()}")
print(f"余额:${client.get_balance():.2f} USDC")
  1. 在 Base 网络上向钱包充值 1-5 USDC

显示用于充值的二维码(终端 ASCII):

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

问题排查

“Grok 说它没有实时访问权限” → 你忘记启用 Live Search。添加 search=True:

response = client.chat("xai/grok-3", "什么在流行?", search=True)

未找到模块 → 安装 SDK:pip install blockrun-llm

更新

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.

相关技能