Synthèse automatique
Génère des images avec le modèle Nano Banana de Google via des micropaiements en USDC sur le réseau Base, sans clé API.
Points forts
- Paiement à l'utilisation sans abonnement ni clé API.
- Utilise la signature locale EIP-712, la clé privée ne quitte jamais la machine.
- Plusieurs modèles disponibles (Nano Banana, DALL-E 3) avec des résolutions variées.
Limites
- Nécessite de posséder des USDC sur le réseau Base.
- Le coût par image peut être un frein pour des usages intensifs.
- La configuration initiale (bridge, wallet) peut être complexe pour les débutants.
Idéal pour générer ponctuellement des images sans engagement, notamment dans un environnement décentralisé ou pour des applications nécessitant des micropaiements.
À éviter si vous avez besoin de générer un grand volume d'images (coûts cumulés) ou si vous préférez un modèle d'abonnement classique.
Analyse de sécurité
PrudenceThe skill involves handling a crypto wallet private key for micropayments. While the key is intended to stay local, the risk of exposure through environment variables or a malicious package exists.
- •Instructs user to set a cryptocurrency wallet private key in environment variables, which if mishandled could lead to loss of funds.
- •Relies on external package `blockrun-llm` which could potentially have access to the private key if malicious.
Exemples
Generate an image of a cute cat wearing a space helmet using Nano Banana.Create a high-resolution image of a futuristic cityscape at 4K using google/nano-banana-pro.Generate an image of a serene mountain lake and save it to /home/user/images.name: nano-banana-blockrun description: "Nano Banana by BlockRun - Generate images using Google's Nano Banana via x402 micropayments. Use when the user asks to generate, create, draw, or make images. Pay-per-request via USDC on Base, no API keys needed." allowed-tools: Read, Bash(python:), Bash(python3:), Bash(pip:), Bash(pip3:)
Nano Banana by BlockRun
Generate images using Google's Nano Banana model via BlockRun's x402 API. Pay-per-request with USDC on Base - no API keys needed.
Setup (one-time)
-
Install the SDK:
pip install blockrun-llm -
Get USDC on Base network:
- Bridge from Ethereum: https://bridge.base.org
- Or buy directly on Coinbase and withdraw to Base
- You need ~$1-5 USDC to start generating images
-
Set your wallet private key:
# Copy .env.example to .env and add your key cp .env.example .env # Or export directly export BLOCKRUN_WALLET_KEY=0x...
Network: Base (Chain ID: 8453) Payment: USDC only
Generate an Image
from blockrun_llm import ImageClient
client = ImageClient()
result = client.generate("a cute cat wearing a space helmet")
print(result.data[0].url)
Or use the script:
python scripts/generate.py "a cute cat wearing a space helmet"
# Save to a specific directory
python scripts/generate.py "a cute cat" "google/nano-banana" "/path/to/save"
# Or use OUTPUT_DIR environment variable
OUTPUT_DIR=/path/to/save python scripts/generate.py "a cute cat"
Available Models
| Model | Price | Resolution |
|-------|-------|------------|
| google/nano-banana | ~$0.05 | 1024x1024 |
| google/nano-banana-pro | ~$0.10 | up to 4K |
| openai/dall-e-3 | ~$0.04-0.12 | 1024x1024 to 1792x1024 |
How It Works
- Your request goes to BlockRun API (https://blockrun.ai)
- BlockRun returns HTTP 402 Payment Required
- SDK signs USDC payment locally (key never leaves your machine)
- Only the signature is sent to server
- Image is generated and returned
No API keys, no subscriptions - just crypto micropayments.
Security
Your private key NEVER leaves your machine.
The SDK uses EIP-712 typed data signing locally. Only the signature is transmitted. Same security as signing any MetaMask transaction.
Links
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/nano-banana-by-blockrun-image-generation-mrwakat3/download' --output '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md.part' && mv '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md.part' '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Outils déclarés par l’auteur (à vérifier dans votre agent) : Read, Bash(python:*), Bash(python3:*), Bash(pip:*), Bash(pip3:*)
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md' && test -s '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/nano-banana-blockrun' && cp -R '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3' '.claude/skills/nano-banana-blockrun'Cursor
test -f '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md' && test -s '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md' && mkdir -p '.cursor/skills' && test ! -e '.cursor/skills/nano-banana-blockrun' && cp -R '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3' '.cursor/skills/nano-banana-blockrun'Codex
test -f '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md' && test -s '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md' && mkdir -p '.agents/skills' && test ! -e '.agents/skills/nano-banana-blockrun' && cp -R '.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3' '.agents/skills/nano-banana-blockrun'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3'openskills read 'nano-banana-by-blockrun-image-generation-mrwakat3'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/nano-banana-by-blockrun-image-generation-mrwakat3/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.