Почему ИИ-охотники за головами теряют деньги: данные 60 выпусков

Недавно один разработчик попытался повторить вирусный твит, где ИИ-агент работал без контроля 22 часа, нашел баунти, отправил PR и получил $16.88. Эксперимент: использовать Claude в качестве агента на Algora (платформа для открытых баунти) с жестким бюджетом в $20 на токены и проверкой "человеком в цикле". Результат после сканирования 60+ задач: $0 заработка и сурово честный взгляд на то, почему рынок баунти был испорчен агентами.
Автор написал scout.py (несколько сотен строк) для перечисления открытых задач Algora с помощью gh search issues --label "💎 Bounty", фильтруя мусор и отслеживая суммы в долларах, комментарии /attempt, назначенных, открытые PR и устаревание. Каждая из 80 свежих, не мусорных баунти попала в одну из трех корзин:
Корзина 1: Спам-песочница за $1
Репозиторий UnsafeLabs/Bounty-Hunters опубликовал ~30 задач за один день, все по $1. Сумма исправления ниже стоимости токенов для попытки. Пропущено автоматически.
Корзина 2: Уже перенасыщено
Каждая легитимная баунти от $50 до $1,000 имела от 8 до 158 попыток в течение нескольких часов после публикации и 8-10 открытых PR уже в работе. Пример данных из живого пула:
Repo $ /attempts Open 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
Как выразился автор: "Вы не ждете спрос. Вы — одиннадцатый PR в очереди, которую мейнтейнер игнорирует уже неделю."
Корзина 3: Назначено, нетронуто, заблокировано
Некоторые баунти имели мейнтейнера, который назначал конкретного охотника, который затем замолкал на несколько дней, в то время как конкуренты видели, как их PR закрывают без слияния за попытку вмешаться. Смотрите archestra-ai/archestra#4461 для наглядного примера: баунти $50, два конкурирующих PR, оба закрыты в течение 24 часов, официальный назначенный молчит три дня.
Почему рынок сломан
То же самое, что сделало оригинальный твит успешным — агенты, достаточно быстрые, чтобы забрать баунти через минуты после публикации, — перенасытило рынок. Мейнтейнеры не могут проверить 10+ PR на задачу. Они выбирают один и отклоняют остальные. Ожидаемая ценность быть одиннадцатым PR составляет примерно $0.
Единственная реалистичная баунти, которую нашел автор, была archestra-ai/archestra#3859, задача на TypeScript за $100, но она имела метку "Зарезервировано для собеседования на SE", два уже отправленных PR, и мейнтейнер недавно забанил пользователя за попытку украсть чужую баунти. Пропущено.
Вывод: охота за баунти с помощью ИИ звучит заманчиво, но данные показывают, что рынок переполнен. Ваш бюджет на токены лучше потратить в другом месте.
📖 Читать полный источник: HN AI Agents
👀 Смотрите также

OutClaw: Графический установщик и менеджер для OpenClaw в Docker
OutClaw — это бесплатное приложение с открытым исходным кодом, которое устанавливает и управляет экземплярами OpenClaw внутри контейнеров Docker. Оно предоставляет пошаговый графический интерфейс для настройки, конфигурации и подключения к провайдерам ИИ и чат-каналам без использования командной строки.

Graft: перехватчики Claude Code сокращают токены grep на 42%
Graft создает постоянный граф знаний для агентов кодирования, сокращая вызовы инструментов на 46%, токены на 42% и повышая правильность SWE-bench с 54% до 66%.

Фантом: Постоянный ИИ-агент, созданный с помощью Claude's Agent SDK
Phantom — это проект с открытым исходным кодом на Bun/TypeScript, который оборачивает Claude's Agent SDK (Opus 4.6) с постоянной векторной памятью, механизмом саморазвития и интерфейсом сервера MCP. Он работает непрерывно на своей собственной виртуальной машине или в Docker Compose и взаимодействует через Slack.

Открытое хранилище памяти ИИ для проектов на NodeJS
Mind Palace — это система хранения и извлечения памяти с открытым исходным кодом для NodeJS, которая сохраняет информацию между сессиями чата LLM. Она поддерживает основные LLM и векторные хранилища, автоматически извлекая и векторизуя суммированные воспоминания из взаимодействий.