Blockrun

BlockRun

BlockRun 与 Claude Code 和 Google Antigravity 协同工作。

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

理念

你有一个钱包。当你需要某个你缺乏的能力时，自主付费获取。

工作原理： BlockRun 使用 x402 微支付将你的请求路由到 OpenAI、xAI、Google 和其他提供商。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"），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  # 用户的预算

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

# 最后，报告支出
spending = client.get_spending()
print(f"💰 Total spent: ${spending['total_usd']:.4f} across {spending['calls']} calls")

何时使用

用户提示示例

用户会说类似这样的话：

钱包与余额

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

初始化客户端（始终从这里开始）：

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()  # 自动创建钱包，如果是新的则显示 QR

检查余额（当用户问"显示余额"、"检查钱包"等时）：

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

SDK 使用

前置条件： 使用 pip install blockrun-llm 安装 SDK

基础聊天

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()  # 如需要则自动创建钱包
response = client.chat("openai/gpt-5.2", "What is 2+2?")
print(response)

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

实时 X/Twitter 搜索（xAI Live Search）

重要： 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",
    "What are the latest posts from @blockrunai on X?",
    search=True  # 启用实时 X/Twitter 搜索
)
print(response)

高级 X 搜索与过滤

from blockrun_llm import setup_agent_wallet

client = setup_agent_wallet()

response = client.chat(
    "xai/grok-3",
    "Analyze @blockrunai's recent content and 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)

图像生成

from blockrun_llm import ImageClient

client = ImageClient()
result = client.generate("A cute cat wearing a space helmet")
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 ≈ $0.26）。

要降低成本，将 max_search_results 设置为更低的值：

# 仅使用 5 个来源（≈$0.13）
response = client.chat("xai/grok-3", "What's trending?",
    search_parameters={"mode": "on", "max_search_results": 5})

搜索参数

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,  # 最小点赞数阈值
    "post_view_count": 1000      # 最小浏览数阈值
}

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

M = 百万 tokens。实际成本取决于你的提示词和响应长度。

成本参考

所有 LLM 成本按百万 tokens 计算（M = 1,000,000 tokens）。

典型成本： 一个 500 词的提示词（≈750 tokens）发送给 GPT-5.2 成本约 $0.001 输入。一个 1000 词的响应（≈1500 tokens）成本约 $0.02 输出。

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"Wallet: {client.get_wallet_address()}")
print(f"Balance: ${client.get_balance():.2f} USDC")

3. 在 Base 网络上充值 $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()))

故障排除

"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", "What's trending?", search=True)

找不到模块 → 安装 SDK：pip install blockrun-llm

更新

pip install --upgrade blockrun-llm

限制

• 仅当任务明确符合上述描述的范围时使用此技能。
• 不要将输出视为环境特定验证、测试或专家审查的替代品。
• 如果缺少所需的输入、权限、安全边界或成功标准，请停下来请求澄清。