runesleo

Grok bot 這 100 美元你薅到了嗎？
本來只想在 Grok Bot 接通 X 付費 API，好做搜尋／時間線／mentions。
充了 $25 試試，結果 total 顯示約 $123。
拆開才明白：
• prepaid ≈ $23.7 → 我充的剩餘
• free ≈ $99 → 接通時送的起步 credits（約 1 年過期
官方 8/29：付費 Grok Bot 使用者可獲得免費 X API credits 以開始使用
金額官方沒寫死；上圖是我實測。接通之前先看 free，別被 total 騙去狂充。

有了 MCPX 之後，我最近真的有一種感覺：
ChatGPT 好像被我用出了「無限額度」。
當然不是真的無限。
主要是 Chat 模式本身額度就挺夠用，再把 MCPX 裝好、設定好以後，很多原本需要我自己切換軟體、找工具、執行命令的事情，現在都可以直接在 Chat 裡完成。
而且我覺得 MCPX 最好用的地方，不是「多了一個新工具」。
恰恰是裝好以後，你甚至可以忘掉 MCPX 的存在。
還是和平時一樣正常跟 ChatGPT 說話：
幫我查一下這個專案。
看看鏈上資料。
把這個 bug 修掉。
繼續執行監控。
後面的事情，ChatGPT 自己判斷需要什麼能力，再透過 MCPX 去呼叫對應的 Tool、MCP、API、Remote Session，做完以後把結果帶回來，然後繼續往下推進。
所以我現在遇到新的需求，已經很少先想：
「ChatGPT 支不支援這個功能？」
我更在意的是：
「這件事能不能接成一個 Tool？」
只要能接進去，後面很多時候還是一句話的事。
這其實也是我覺得它對一般使用者最有價值的地方。
你不需要為了每一種工作都重新學習一套 AI 工具，也不用研究、程式碼、鏈上、遠端電腦、各種 API 之間來回切換。
入口還是同一個 Chat，但後面能呼叫的能力可以一直增加。
當然，也不是什麼事情都可以無條件自動完成。沒接入的能力還是沒有，登入、驗證碼、權限會卡住，資金、發文、帳

最近 X 上都在薄肌俱樂部
我也來報個到

最近碰到一個很詭異的問題：
我明明開的是普通 Chat，接上自己長期在用的 MCP 工具後，幹著幹著，同一個對話卻會變成 Work。
不是新開了一個 Work，也不是我自己的後台任務名字裡有 Work，而是原來的對話在 ChatGPT 側欄裡真的多出了一個「工作」標籤。
我一開始懷疑，是不是遠端執行、非同步任務、長任務這些機制觸發了 ChatGPT 的某種自動升級。於是乾脆一路拆下去，重新開了幾條乾淨的 Chat 做驗證。
結果發現，事情沒那麼簡單。
單獨呼叫工具不會立刻變 Work，真正執行任務也不會，甚至已經進入非同步執行，對話依然可以保持在 Chat。也就是說，「任務越來越複雜」本身，並不能解釋為什麼一個 Chat 最後會變成 Work。
繼續往下查，我反而發現了自己 MCP 工具設計裡的一個問題。
以前為了讓介面看起來更整齊，我會把一組相關能力塞進同一個工具裡。比如一個工具既可以「查看有哪些功能」，也可以「查看功能詳情」，最後還可以「真正執行功能」。
程式碼上這樣寫很方便，但站在 AI 的角度，這三件事根本不是同一種能力。
前兩件只是讀取，最後一件卻可能真的連網、寫資料、執行操作。可一旦把它們塞進同一個工具，ChatGPT 看到的就不再是每個功能各自準確的邊界，而是這個工具整體「有可能做什麼」。
於是會出現一個很奇怪的結果：你明明只是讓它查一下有哪些功能，暴露給模型的卻還是

機器人快要做失敗時，人類臨時接管糾正幾步。這幾步，真的值得模型學嗎？
@axisrobotics 8 月 19 日公布的一份單任務模擬實驗報告裡，有這樣一組結果。
任務是把一塊豆腐放到盤子上。項目方在同一批 480 個新起點上測試：
• 原模型：成功率 40.0%
• 直接學習人類完整糾錯過程：36.7%
• 用篩選後的短糾錯片段訓練：48.3%（三個訓練種子的平均值）
至少在這次對照裡，直接模仿人類完整操作，沒有帶來更好的結果。
報告作者給出的解釋是：完整操作裡混著暫停、猶豫、繞路和真正起作用的那幾步。整個過程能完成任務，不代表其中每個動作都值得模型模仿。
這次實驗最有意思的，是它怎麼驗證「人到底幫到了哪一步」。
先把完整操作放回模擬環境重播，確認能複現成功；再檢查原模型在起點和人接管前是否確實會失敗，排除那些本來就不需要人幫忙的情況。
最後，只執行約 0.8 秒的人工糾錯片段，立刻把控制權交還原模型：它能不能自己把剩下的任務做完？
能，才把這段糾錯用於訓練。
最初的 660 條候選經過幾輪篩選，414 條能進入最後這步短片段測試，161 條通過。
這套驗證比「錄下一次成功操作」多做了一件關鍵的事：檢查這幾步人工操作，是否真的讓原模型從失敗狀態恢復了。
但 40.0% 到 48.3% 的提升，也不能全部記到「篩選」一個因素上。實驗改變了學習的樣本形式，訓練時還約束模型保留原有能力

我把 X 收藏夾改成了一個會自動消化的 Agent 收件箱。
以後看到值得留的內容，我只負責點一下收藏。
剩下的流程交給 Agent：
1. 定時讀取新收藏
2. 去重並判斷有沒有價值
3. 分配去向：研究、內容、產品、任務，或者無需行動
4. 下游真正產出結果
5. 寫下驗收回執
6. 顯式開啟後，自動取消已經處理完成的收藏
7. 重新打開原帖，確認真的取消成功
也就是說，收藏不再等於「以後再看」。
它會直接進入工作流：
收藏一次
→ Agent 自動消化
→ 變成研究、內容或任務
→ 完成後從收件箱清走
這裡最重要的安全門是：只有真實產物和驗收回執都存在，才能判定處理完成。
抓取失敗、資料不完整、原帖身分對不上，都會立即停止並保留收藏，不會拿「空結果」冒充收件箱已經清零。
帳號修改預設關閉。自動清零需要先審查自己的處理流程，再顯式打開。
Python 開源工具，MIT 許可證，v0.2.0：

我可能真的把 ChatGPT Pro 用到了大多数人碰不到的位置。
这两周我一直有个疑问：
ChatGPT 的 Chat 到底有多少额度？
因为我的 Codex / Work 经常能把周额度直接干到 0，但 Chat 还在正常用。
网上搜了一圈，答案非常乱：有人说 Pro 无限，有人说每几小时几十条，有人拿插件统计出来的数字当官方上限，还有人以为 Work 用完了，可以切 Codex 接着薅。
我干脆拿自己的账号查了一遍。
结果比“到底多少条”更有意思：
ChatGPT 现在实际上至少要拆成两套完全不同的额度系统来看。
第一套：Chat。
Instant、手动选择 Sol 推理、Sol Pro，并不是简单共用一个“每周 N 条”的额度。
其中 Instant 官方口径接近“基本不限量”，但仍受防滥用机制约束。
真正贵的手动 Sol 和 Sol Pro，则有各自独立的额度池。
问题是：
OpenAI 没公开个人 Pro 的绝对总额度。
我甚至去看了 ChatGPT 客户端实际请求的模型、账号，以及常见的用量/限制相关接口。
客户端能告诉你“这个模型能不能用”，却没有像 Codex 那样直接把：
“你已经用了 XX%，总额度是多少”
暴露出来。
所以网上很多所谓：
“ChatGPT Pro 每周就是 XXX 条”
目前都很难当成可靠结论。
我还专门拆了一个开源的 ChatGPT 额度统

第一次認真算了一下我的「AI × Crypto 一人公司」8 月帳單。
我現在基本是一個人 + AI 在做：
研究、開發、產品、內容、營運、商務、自動化執行。
所以我也挺好奇：
這一套 AI 到底是在幫我賺錢，還是單純每個月燒訂閱費？
8 月營運收入：1,791.70 美元
主要來自：
- 自己做的預測市場產品 / 付費內容：697 美元
- 商務合作 / 內容懸賞：850 美元
- 聯盟行銷 / 推薦：120 美元
- X 創作者收益：124.51 美元
8 月營運成本約：565 美元
主要是：
- Claude Max：250 美元
- ChatGPT Pro：200 美元
- VPS：約 70 美元
- X Premium / 網域 / 雲端：約 45 美元
另外我日常還在大量使用：
- Cursor
- Cursor Ultra
- Grok Bot
目前這幾個基本沒有新增現金成本。
所以 8 月最後的營運盈餘大約 +1,200 美元。
金額不算大，但對我來說這個數字挺重要：
至少目前「一個人 + AI」這套模式，扣掉 AI 和基礎設施成本以後，是正現金流的。
而且成本還可以繼續降。
比如 Claude Max 我下個月就準備不續了，因為現在大量工作已經可以直接消耗 ChatGPT 這邊的額度完成。
對 OPC 來說，我現在越來越覺得 AI 訂閱不應該看「哪個模型最強」，而

當日新增 TOP100 裡，95 個 Skill 仍然是 0 使用。
我把 REDSkill 這次抓取的 39,022 個 Skill，和使用人數、作者發布、7 天新增、當日新增四張 TOP100 榜放在一起看。
三個數字，先把「上榜 = 產品成立」拆掉：
• 使用榜 TOP100，中位重複使用只有 1.34 次/使用者
• 作者榜前兩名，貢獻了發布榜 TOP100 發布量的 84.98%
• 當日新增榜 100 個 Skill，95 個還是 0 使用
上榜、發布量、呼叫量，都不能直接等於留存、品質或收入。
但使用榜頭部有一個值得抄的共同點：
很少賣「萬能 Agent」，更多是在交付具體成品——照片、報告、PPT、海報、面試準備、學習複盤。
輸入很窄，結果很明確。
給一張照片、一篇文章或一個職缺，拿走一個可以直接使用或分享的東西。
所以現在做一個 Skill 或 Agent，我會先問四個問題：
1. 輸入能不能一句話說清？
2. 5 分鐘內能不能看到成品？
3. 結果能不能直接拿走或分享？
4. 第二次使用，會不會比第一次更省事？
四個問題都答不上來，繼續堆能力，大概率只是在滿足開發者自己。
AI 產品現在不缺能力。更稀缺的是，把複雜能力壓縮成一個幾分鐘就能感知的結果。

最近在研究 @ethos_network 的 $WHUF Sale。
裡面有個我很少在 Crypto Token Sale 裡看到的設計：
85% purchase-price protection。
第一眼很容易理解成：
「那不就是最多虧 15%？」
但我把官方規則完整拆了一遍，發現不能這麼理解。
先說專案本身。
Ethos 做的是 onchain reputation / credibility network：透過 Reviews、Vouches、Markets 等機制，把一個人在鏈上和社交網路裡的信譽變成可以被記錄、質押和使用的 credibility graph。
$WHUF 是這套網路準備使用的原生資產。
目前官方披露的 tokenomics：
- 固定總量 1000 萬 $WHUF
- Token Sale：20%
- Contributor Rewards：18%
- Team：28.9%
- Early Supporters：11.1%
- Treasury：10%
- Ecosystem：5%
- Bounties：5%
- Referral Bonus：1%
- XP Bonus：1%
公開 Sale 使用 English Auction。
邏輯是：你提交自己願意接受的最高價格；最終所有成功競標者按同一個 clearing price 成交。
真正值得研究的是

我現在已經不太想自己管理一堆 AI 對話了。
我更想只管一個「老闆」。
我給它一句目標，它自己判斷現在該做什麼，把相鄰任務交給不同業務對話去推進，結果和回執回來以後，它再決定下一步。
以前我的工作方式更像這樣：
我 → Chat A
我 → Chat B
我 → Chat C
我 → Chat D
每開一個 AI，我就多一個需要自己管理的視窗。
現在我在試另一種：
我 → 總控對話
↓
選當前任務
↓ ↓ ↓
業務A 業務B 業務C
↓ ↓ ↓
結果 / 回執
↓
回到總控
↓
繼續下一條
今天這個內容生產對話就是這麼跑的。
它不是等我一句句說「繼續」。
一條內容到了發布門，它不會讓整條業務線停下來，而是切下一條；新的 GrokBot 輸入進來，它先消化；連續幾條都偏信任內容，它會把下一槽切到產品或破圈內容。
我真正想要的不是「同時打開很多 AI」。
而是減少我親自做調度的次數。
從：
我管理每個 AI 在做什麼
變成：
我只管目標、優先級和最後的高風險確認。
中間的拆解、派工、回收、重排，儘量讓總控自己跑。
這也是我現在對 AI Agent 最有感覺的一點：
Tool 當然重要。
但再往下一步，真正改變工作方式的可能不是「AI 又會了一個工具」。
而是一個聊天視窗第一次開始承擔管理職責。