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

Плагин Claude Code анализирует потери токенов и аномалии локально.
Разработчик создал плагин Claude Code, который диагностирует потерю токенов, обнаруживая шесть типов аномалий из локальных данных сессий. Инструмент проанализировал 8 392 сессии и обнаружил 1 015 аномалий, причём ExcessiveToolUse оказался наиболее распространённым.

Набор маркетинговых навыков для ИИ-агентов от Кори Хейнса
В OpenClaw добавлен набор из 25 маркетинговых навыков для ИИ-агентов, охватывающий оптимизацию конверсии, копирайтинг, аналитику и инжиниринг роста. Навык оптимизации конверсии отмечен как особенно эффективный в мультиагентных настройках.

LiteParse: Быстрый открытый парсер документов для AI-агентов
LiteParse — это инструмент с открытым исходным кодом для парсинга документов, который обеспечивает пространственный разбор текста с ограничивающими рамками, работает локально без GPU и поддерживает PDF, документы Office и изображения. Его можно установить как навык для более чем 40 ИИ-агентов, включая Claude Code, Cursor и OpenClaw.

FixAI: Браузерная игра, которая учит потребительскому праву через борьбу с корпоративными ИИ-ботами
FixAI — это браузерная игра с 36 уровнями, в которой игроки спорят с корпоративными или государственными системами ИИ, используя реальные законы о защите прав потребителей. Созданная на Vanilla JS, Node/Express и Claude Haiku, она включает систему оценки сопротивления и образовательные пояснения к юридическим аргументам.