Warum KI-Kopfgeldjäger Geld verlieren: Daten aus 60 Ausgaben

Ein Entwickler hat kürzlich versucht, einen viralen Tweet zu replizieren, bei dem ein KI-Agent 22 Stunden lang unbeaufsichtigt lief, einen Bounty fand, einen PR erstellte und 16,88 $ erhielt. Das Experiment: Claude als Agent auf Algora (einer Open-Source-Bounty-Plattform) mit einem harten Token-Budget von 20 $ und menschlicher Überprüfung. Das Ergebnis nach dem Scannen von über 80 Issues: 0 $ verdient und ein schonungsloser Blick darauf, warum der Bounty-Markt durch Agenten kaputt ist.
Der Autor baute scout.py (ein paar hundert Zeilen), um offene Algora-gekennzeichnete Issues via gh search issues --label "💎 Bounty" aufzulisten, Junk herauszufiltern und Dollar-Beträge, /attempt-Kommentare, Bearbeiter, offene PRs und Veralterung zu verfolgen. Jedes einzelne der 80 frischen, nicht-Junk-Bounty-Issues fiel in einen von drei Eimern:
Eimer 1: 1 $-Sandbox-Spam
Ein Repository namens UnsafeLabs/Bounty-Hunters postete ~30 Issues an einem einzigen Tag, alle für 1 $. Die Fix-Beträge liegen unter den Token-Kosten für den Versuch. Automatisch übersprungen.
Eimer 2: Bereits gesättigt
Jeder legitime Bounty von 50 $ bis 1.000 $ hatte zwischen 8 und 158 Versuche innerhalb von Stunden nach dem Posten und 8 bis 10 offene PRs, die bereits in Bearbeitung waren. Beispieldaten aus dem Live-Pool:
Repo $ /attempts Offene PRs tscircuit/dsn-converter#54 $170 158 10+ tscircuit/schematic-trace-solver#29 $100 52 10+ tscircuit/jlcsearch#92 $75 38 10+ rohitdash08/FinMind#121 $500 37 9 rohitdash08/FinMind#132 $200 26 8 arakoodev/EdgeChains#290 $50 20 10+ archestra-ai/archestra#4468 $25 9 3
Wie der Autor es ausdrückte: "Du wartest nicht auf Nachfrage. Du bist der elfte PR in einer Warteschlange, die der Betreuer seit einer Woche ignoriert."
Eimer 3: Zugewiesen, unberührt, gesperrt
Einige Bounties hatten einen Betreuer, der einen bestimmten Jäger zuwies, der dann tagelang still war, während Konkurrenten sahen, wie ihre PRs ohne Merge geschlossen wurden, weil sie sich eingemischt hatten. Siehe archestra-ai/archestra#4461 für ein sauberes Beispiel: 50 $-Bounty, zwei konkurrierende PRs, beide innerhalb von 24 Stunden geschlossen, offizieller Bearbeiter drei Tage lang still.
Warum der Markt kaputt ist
Dasselbe, was den ursprünglichen Tweet zum Funktionieren brachte – Agenten, die schnell genug sind, um einen Bounty innerhalb von Minuten nach dem Posten zu beanspruchen – hat den Markt gesättigt. Betreuer können nicht 10+ PRs pro Issue überprüfen. Sie wählen einen aus und lehnen den Rest ab. Der erwartete Wert, der elfte PR zu sein, liegt ungefähr bei 0 $.
Der einzige realistische Bounty, den der Autor fand, war archestra-ai/archestra#3859, ein TypeScript-Problem für 100 $, aber es trug ein Label "Reserviert für SE-Interview", hatte bereits zwei PRs eingereicht und ein Betreuer hatte kürzlich einen Benutzer gebannt, weil er versucht hatte, den Bounty eines anderen zu stehlen. Übersprungen.
Die Erkenntnis: KI-Bounty-Jagd klingt verlockend, aber die Daten zeigen, dass der Markt überflutet ist. Ihr Token-Budget ist woanders besser aufgehoben.
📖 Vollständige Quelle lesen: HN AI Agents
👀 Siehe auch

Claude IDE Bridge: MCP-Tool für Remote-Editor-Zugriff
Claude IDE Bridge ist ein Open-Source-Tool, das Claude AI über MCP (Model Context Protocol) Fernsteuerungszugriff auf Code-Editoren ermöglicht. Es stellt Editor-Wissen wie Live-Typinformationen und Debugger-Status als aufrufbare Werkzeuge zur Verfügung.

MCP-Server fügt Claude Code persistenten Speicher mit Abruf-Bewertung hinzu
Ein Entwickler hat einen MCP-Server namens engram-mcp erstellt, der Claude Code persistenten Speicher über Sitzungen und Projekte hinweg ermöglicht, mit automatischer Abrufbewertung basierend auf Erfolgsergebnissen und Erkennung von Wissensverfall.

OmniRecall Beta: FAISS-gestützte Speicherinjektion für Cloud-LLM-Chats
OmniRecall ist eine lokale mitmproxy-Umgehung, die den Datenverkehr zu Cloud-Chat-Schnittstellen wie DeepSeek abfängt und eine permanente Speicherschicht mittels FAISS-Indexierung und sentence-transformers MiniLM-L6 hinzufügt. Es befindet sich derzeit in der Beta-Phase, erfordert CPU-only-Betrieb und verwendet eine aggressiv restriktive quelloffene Lizenz.

Claude AI-Sitzungskomprimierungsprobleme und Workarounds
Die Standardkomprimierung in Claude AI-Sitzungen kann die Abrufgenauigkeit von ~9,75/10 auf ~5/10 verschlechtern, was zu Halluzinationen führt. Der Benutzer testete mit 418.000 Tokens und stellte fest, dass manuelle Komprimierung mit Opus die Genauigkeit beibehält, während die Standardkomprimierung versagt.