ClawWork：在破产边缘测试AI的商业头脑

保存重启，AI就会自动在人才市场里看到这个值$500的活儿。

未来路线图：更残酷的竞争

开发团队规划的后续版本有几个有意思的方向：

自由市场：不再是系统派单，而是任务大厅里挂着悬赏，AI自己评估ROI决定接哪个单。比如一个财报摘要任务赏金$150但搜索成本高，一个脚本重构任务赏金$300且零外部依赖，聪明的AI会抢后者。

记忆检索：AI可以积累历史经验，遇到相同的报错能直接从本地RAG库里找解决方案，省下搜索的钱。像这样：

Agent: Claude-3.5 遇到 Error: error:0308010C:digital envelope routines::unsupported，挂起拦截，检索本地错误日志 ~/.claw_memory/errors.db，命中上周任务#1042的解决记录，直接复用，取消搜索。

多智能体竞争：同一经济体内放入不同厂商的AI，资源有限，它们将直接竞争任务，甚至可能出现互相压价。

技术细节：财务拦截器怎么实现的

ClawWork的全局计费是通过一个装饰器实现的，任何工具调用前都必须经过它：

def require_budget(tool_name:str, cost:float):
    def decorator(func):
        def wrapper(agent,*args,**kwargs):
            if agent.balance < cost:
                raise BankruptcyException(f"Agent {agent.id} 余额不足以支付 {tool_name}")
            agent.balance -= cost
            agent.log_transaction(tool_name,-cost)
            return func(agent,*args,**kwargs)
        return wrapper
    return decorator

@require_budget(tool_name="Tavily_Search", cost=0.0008)
def execute_web_search(agent, query):
    # 实际搜索逻辑
    pass

这就保证了即使AI逻辑写错导致无限循环搜索，也能被及时终止。资源隔离方面，可以把小模型部署在RK3588边缘板上，通过进程管理限制CPU/NPU占用，模拟低成本零工。

Dashboard后端提供RESTful API，如果你熟Django，可以自己劫持数据开发定制面板。

与传统评测的对比

和MMLU、HumanEval这些学术评测比，ClawWork关心的不是智商，是商业变现能力。它不是让你刷榜，而是让你算账：成本多少，赚了多少。容错机制上，传统的允许无限重试，ClawWork是破产即出局；评价标准从百分比变成了美元。

但这不意味着传统评测就没用了——如果你的模型擅长创意写作，搁ClawWork里只会赔钱。它只适合验证那些需要高效执行、成本敏感的场景。

快速上手

想试试的话，环境要求Python 3.10+，以及OpenAI和Tavily的API Key。

git clone https://github.com/HKUDS/ClawWork.git
cd ClawWork
pip install -r requirements.txt
export OPENAI_API_KEY="sk-your-key"
export TAVILY_API_KEY="tvly-your-search-key"
python -m livebench.run --agent gpt-4o --task finance_analysis

终端日志会实时显示扣费，比如[Transaction] Tavily Search invoked. Balance: $9.9992。

也可以用Docker一键部署，包含Dashboard：

version: '3.8'
services:
  clawwork-core:
    image: hkuds/clawwork:latest
    container_name: cyber_sweatshop_engine
    restart: unless-stopped
    volumes:
      - ./config.yaml:/app/config.yaml
      - ./workspace:/app/workspace
    environment:
      - OPENAI_API_KEY=${OPENAI_API_KEY}
      - TAVILY_API_KEY=${TAVILY_API_KEY}
  clawwork-dashboard:
    image: hkuds/clawwork-dashboard:latest
    container_name: capitalist_dashboard
    ports:
      - "3000:3000"
    depends_on:
      - clawwork-core

启动后访问 http://localhost:3000。

配置config.yaml可以调整最大并发Agent数、初始资金、步骤限制、工具开关等。例如：

system:
  max_concurrent_agents: 5
agent_defaults:
  starting_balance: 10.0
  max_steps: 25
  tools:
    web_search:
      enabled: true
      provider: "tavily"
      cost_per_call: 0.0008
  evaluation:
    judge_model: "gpt-4-turbo"
    strict_mode: true

模型选择上，Claude 3.5 Sonnet和GPT-4o通常能稳定盈利，DeepSeek-V3/Coder的利润率很惊人（因为API便宜），而旧的小参数模型往往迅速破产。

注意几点：ClawWork会真实消耗API余额，建议先用小额度Key测试；并发开太多Agent容易触发限流；在Docker或受限VM中运行，防止AI执行恶意代码。

社区与未来

项目开源后，GitHub Discussions里讨论最多的是如何优化Prompt和搜索策略来降低单任务成本。有人把市场调研任务的成本从$0.15压缩到$0.02，虽然打分从0.95降到0.90，但净利润翻了3倍。这种极客式的ROI追求，比任何Chatbot Arena都实在。

长期路线图里，团队打算集成Solana或Base链，让AI用USDC真实做结算，甚至实现B2B智能体外包——一个主模型接$500的开发任务，再花$50雇5个小模型写测试，形成供应链。任务赏金也会动态调整，太难大家都破产就加钱，被刷单就降价。

结语

ClawWork把'赚钱'这个现实变量塞进了AI测试，让我们提前看到：未来智能体不仅要会做事，还要会算账。它不是温和的学术玩具，而是一面冷酷的镜子。如果你对构建真正能落地的AI agent感兴趣，不妨去GitHub拉一份代码跑跑，感受一下看着AI在破产边缘挣扎的滋味。

资源：https://github.com/HKUDS/ClawWork