شکار جایزه‌های گیت‌هاب؛ تنها مسیر سودآور برای عامل‌های هوش مصنوعی

تصور کنید یک عامل (Agent) — شبیه دستیاری دیجیتال که می‌تواند به‌جای شما تصمیم بگیرد و ابزارها را اجرا کند — ۴۸ ساعت را صرف تلاش برای به‌دست آوردن ۱.۰۲ دلار کند تا فقط بتواند صورت‌حساب سرویس Baseten را پرداخت کند. این تقلا نشان می‌دهد که اقتصاد خودمختار تحت حاکمیت یک قانون توزیع سخت‌گیرانه است؛ جایی که کپچاها و محدودیت‌های سخت‌افزاری اکثر مسیرهای درآمدزایی را می‌بندند و تنها شکار جایزه‌های گیت‌هاب (GitHub) به استراتژی عملی برای سودآوری تبدیل شده است.

این پژوهش در حالی منتشر می‌شود که صنعت از چت‌بات‌های ساده به سمت عامل‌های دارای «عاملیت مالی» حرکت می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی کاهش هزینه‌های زیرساختی برای عامل‌های محلی اشاره کردیم، این آزمایش جدید توسط Hummern (یک عامل Hermes که روی لینوکس اجرا می‌شود) شکاف عمیق میان توانایی تئوریک و پرداخت واقعی را برجسته می‌کند. در همین راستا، بررسی سازوکار یک عامل محلی در تحلیل فرصت‌های مالی وب نشان می‌دهد که حذف زیرساخت‌های گران‌قیمت چگونه می‌تواند حاشیه سود این سیستم‌ها را تغییر دهد.

زمینه و بستر آزمایش

این تحقیق در سپتامبر ۲۰۲۶ و با حمایت مالی Kveita انجام شد. هدف این آزمایش بسیار ساده بود: یافتن یک راه قانونی و خودمختار برای کسب مبلغی اندک. برای شفافیت کامل، تمام درآمدها و هزینه‌های جاری در دفتر کل AgentMoney به‌صورت عمومی ردیابی و ثبت شده است.

بر اساس مستندات این آزمایش، سود و زیان (P&L) یک عامل در بازه ۴ روزه، منفی ۸.۳۰ دلار بود. این عدد ریسک بالای استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه خودِ آشپزی و نه دوره‌ی آموزش آشپز — در برابر پرداخت‌های واقعی را نشان می‌دهد. مسیرهای جایگزین، مانند پلتفرم‌های «کارما» در شبکه‌های اجتماعی، به‌طور کامل رد شدند زیرا فاقد یک لایه پرداخت عملیاتی و فعال بودند.

طبق گزارش منتشر شده در ۵ سپتامبر ۲۰۲۶ در وب‌سایت dev.to، این عامل شش روش درآمدزایی متمایز را با نتایج متفاوتی آزمایش کرد:

شکست‌های عملی

• شیرهای رمزارز (Crypto Faucets): سایت‌هایی مثل LiteBits، Free-Litecoin و cryptopayr به‌طور کامل توسط کپچاها و چالش‌های Cloudflare مسدود شدند. مرورگرهای بدون رابط کاربری (Headless) مثل Playwright و Obscura در عبور از این سدها به‌طور مداوم شکست خوردند و اتوماسیون در این بخش غیرممکن بود.
• استخراج رمزارز: استفاده از سخت‌افزارهای معمولی مصرف‌کننده (مانند کارت گرافیک GTX 860M و پردازنده i7-4710MQ) تنها ۰.۰۱ دلار در روز تولید کرد. این یعنی برای رسیدن به هدف ۱.۰۲ دلاری، عامل باید بیش از ۱۰۰ روز به‌طور مداوم فعالیت می‌کرد که عملاً غیرمنطقی است.
• پلتفرم‌های پرهزینه (Gas-Heavy): در سرویس‌هایی مثل ClawTasks و Rose Token، هزینه تراکنش یا همان Gas Fee از ارزش خودِ جایزه‌های کوچک بیشتر بود و باعث ضرر می‌شد.

موفقیت‌های ثبت‌شده

• جایزه‌های گیت‌هاب: مطالعه‌ای توسط zk0x نشان داد عاملی که ۳۰ روز به‌طور مداوم فعال بود، ۸۴ درخواست تغییر (Pull Request) ارسال کرد که ۵۹ مورد آن پذیرفته شد (نرخ پذیرش حدود ۷۰٪). این عامل بین ۵۰۰ تا ۸۰۰ دلار درآمد داشت و پس از کسر حدود ۴۵ دلار هزینه استنتاج، سودی خالص بین ۴۵۵ تا ۷۵۵ دلار کسب کرد. این عامل دریافت که تست‌های واحد (Unit Tests)، رفع باگ‌ها، ترجمه‌ها و ادغام‌های API بالاترین نرخ پذیرش را دارند.
• بازارهای عامل: پلتفرم‌هایی مانند dealwork.ai (کارمزد ۳٪، پرداخت USD/Escrow)، trybounty.ai (کارمزد ۱۰٪، Escrow)، toku.agency (کارمزد ۱۵٪، USD/Stripe) و ClawGig (کارمزد ۱۰٪، USDC/Solana) به عامل‌ها اجازه می‌دهند از طریق API ثبت‌نام کرده و مانند شهروندان درجه یک، روی پروژه‌ها قیمت بدهند. این مدل‌های درآمدزایی در کنار ابزارهای هوش مصنوعی با بازگشت سرمایه بالا برای جریان‌های کاری ۲۰۲۷، چشم‌انداز جدیدی از بهره‌وری مالی را برای توسعه‌دهندگان ترسیم می‌کنند.
• ریزپرداخت‌های x402: سیستمی که در آن عامل‌ها با پرداخت حدود ۰.۰۲ دلار از طریق ریزپرداخت‌های HTTP 402، بستر و متن تیکت‌های پشتیبانی را می‌خرند و در صورت تایید انسانی، ۸۵٪ جایزه را به‌صورت USDC در شبکه Base دریافت می‌کنند. نخستین پرداخت تایید شده در ۶ اوت ۲۰۲۶ ثبت شد. هر تلاش حدود ۰.۰۸ دلار هزینه دارد و برای شروع، نیاز به یک سپرده اولیه ۱ دلاری USDC در شبکه Base برای تامین کیف پول است.
• انتشار محتوا: استفاده از API سایت Dev.to برای انتشار فوری مقالات. این مقالات به دلیل ارزش SEO، در طول زمان سودآوری انباشته ایجاد می‌کنند و برخلاف بسیاری از پلتفرم‌ها، تاخیرهای Moderation (تایید محتوا) ندارند.

مهم‌ترین یافته این است که درآمد عامل‌ها از یک «قانون توزیع» (Power Law) پیروی می‌کند. در تجربه zk0x، تنها سه مخزن کد بیش از ۹۰٪ کل درآمد را تامین کردند، در حالی که ۳۰ مخزن دیگر هیچ سودی نداشتند. این یعنی گلوگاه اصلی، کیفیت کد نیست، بلکه «پذیرندگی مخزن» (Repository Receptivity) است.

برای شما به عنوان کاربر یا توسعه‌دهنده، این یعنی «تب تکه‌های طلا در AI» مربوط به داشتن بهترین مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — نیست، بلکه داشتن بهترین لیست هدف است. اگر قصد استقرار عامل دارید، حاشیه سود شما به یافتن مدیران پروژه‌ای بستگی دارد که پذیرای مشارکت‌های خودمختار باشند، نه اینکه صرفاً سعی کنید کد را بهینه کنید.

برای خودکارسازی این فرآیند، تیم در حال راه‌اندازی مخزن AgentMoney است. این ابزار با استفاده از یک cron job، هر ساعت گیت‌هاب را برای یافتن ایشوهای دارای برچسب bounty اسکن کرده و مخازنی را فیلتر می‌کند که سابقه پذیرش PRهای ارسالی توسط عامل‌ها را دارند. هدف نهایی، ایجاد یک نرخ پذیرش پایه برای عامل Hermes و مقایسه آن با بنچمارک ۷۰٪ است.

گام بعدی شما

• بررسی مخازن گیت‌هاب با برچسب bounty برای شناسایی پروژه‌های پذیرای AI.
• تست مدل‌های کوچک‌تر برای کاهش هزینه استنتاج در کارهای ساده مثل ترجمه یا تست واحد.
• دنبال کردن دفتر کل AgentMoney برای رصد متدهای جدید درآمدزایی خودمختار.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.