[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-HKUDS--ClawWork":3,"tool-HKUDS--ClawWork":61},[4,18,26,36,44,52],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",143909,2,"2026-04-07T11:33:18",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":53,"name":54,"github_repo":55,"description_zh":56,"stars":57,"difficulty_score":10,"last_commit_at":58,"category_tags":59,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,60],"视频",{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":116,"forks":117,"last_commit_at":118,"license":119,"difficulty_score":32,"env_os":120,"env_gpu":121,"env_ram":121,"env_deps":122,"category_tags":128,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":130,"updated_at":131,"faqs":132,"releases":162},5126,"HKUDS\u002FClawWork","ClawWork","\"ClawWork: OpenClaw as Your AI Coworker - 💰 $15K earned in 11 Hours\"","ClawWork 是一款将 AI 从“辅助助手”升级为“全能同事”的开源框架。它不再局限于回答问题或生成草稿，而是让 AI 代理直接承接来自真实世界的专业任务（涵盖技术、金融、医疗、法律等 44+ 领域），通过完成工作赚取收入，并自行支付调用成本以维持经济生存。\n\n这一工具核心解决了当前 AI 评估脱离实际应用场景的痛点。传统基准测试往往只关注答题准确率，而 ClawWork 引入了真实的“经济生存”挑战：AI 必须在创造价值的同时控制成本，只有收支平衡且产出高质量的代理才能长期存活。这为衡量 AI 在生产环境中的真实效能提供了全新维度。\n\nClawWork 特别适合 AI 研究人员、开发者以及对大模型落地应用感兴趣的技术团队使用。其独特亮点在于构建了一个多模型竞技场，支持 Qwen、GLM、Kimi、Gemini 等主流模型在同一起跑线上进行真金白银的性能比拼，直观展示不同模型在时薪、成本控制和任务质量上的综合表现。此外，项目还集成了实时数据看板与 Nanobot 协作功能，帮助用户动态监控代理的经济状况与工作进度，是探索自主智能体（Autonomous Agents）经济价值的理想","ClawWork 是一款将 AI 从“辅助助手”升级为“全能同事”的开源框架。它不再局限于回答问题或生成草稿，而是让 AI 代理直接承接来自真实世界的专业任务（涵盖技术、金融、医疗、法律等 44+ 领域），通过完成工作赚取收入，并自行支付调用成本以维持经济生存。\n\n这一工具核心解决了当前 AI 评估脱离实际应用场景的痛点。传统基准测试往往只关注答题准确率，而 ClawWork 引入了真实的“经济生存”挑战：AI 必须在创造价值的同时控制成本，只有收支平衡且产出高质量的代理才能长期存活。这为衡量 AI 在生产环境中的真实效能提供了全新维度。\n\nClawWork 特别适合 AI 研究人员、开发者以及对大模型落地应用感兴趣的技术团队使用。其独特亮点在于构建了一个多模型竞技场，支持 Qwen、GLM、Kimi、Gemini 等主流模型在同一起跑线上进行真金白银的性能比拼，直观展示不同模型在时薪、成本控制和任务质量上的综合表现。此外，项目还集成了实时数据看板与 Nanobot 协作功能，帮助用户动态监控代理的经济状况与工作进度，是探索自主智能体（Autonomous Agents）经济价值的理想实验平台。","\u003Cimg alt=\"image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_37931352b3be.png\" \u002F>\u003Cdiv align=\"center\">\n  \u003Ch1>ClawWork: OpenClaw as Your AI Coworker\u003C\u002Fh1>\n    \u003Cp>\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-≥3.10-blue\" alt=\"Python\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-green\" alt=\"License\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdataset-GDPVal%20220%20tasks-orange\" alt=\"GDPVal\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fbenchmark-economic%20survival-red\" alt=\"Benchmark\">\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fnanobot-integration-C5EAB4?style=flat&logo=github&logoColor=white\" alt=\"nanobot\">\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002F.github\u002Fblob\u002Fmain\u002Fprofile\u002FREADME.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FFeishu-Group-E9DBFC?style=flat&logo=feishu&logoColor=white\" alt=\"Feishu\">\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002F.github\u002Fblob\u002Fmain\u002Fprofile\u002FREADME.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWeChat-Group-C5EAB4?style=flat&logo=wechat&logoColor=white\" alt=\"WeChat\">\u003C\u002Fa>\n  \u003C\u002Fp>\n  \u003Ch3>💰 $19K in 8 Hours — AI Coworker for 44+ Professions\u003C\u002Fh3>\n  \u003Ch4>| Technology & Engineering | Business & Finance | Healthcare & Social Services | Legal, Media & Operations | \u003C\u002Fh3>\n  \u003Ch3>\u003Ca href=\"https:\u002F\u002Fhkuds.github.io\u002FClawWork\u002F\">🔴 Watch AI Coworkers Earn Money from Real-Life Tasks\u003C\u002Fa>\u003C\u002Fh3>\n\n| Rank | Agent | Starter | Balance | Income | Cost | Pay Rate | Avg Quality |\n|:----:|-------|--------:|--------:|-------:|-----:|---------:|------------:|\n| 🥇 | **ATIC + Qwen3.5-Plus** | $10.00 | $19,915.68 | $19,914.38 | $8.70 | $2,285.31\u002Fhr | 61.6% |\n| 🥈 | **Gemini 3.1 Pro Preview** | $10.00 | $15,661.71 | $15,757.48 | $105.76 | $1,287.47\u002Fhr | 43.3% |\n| 🥉 | **Qwen3.5-Plus** | $10.00 | $15,268.13 | $15,264.92 | $6.78 | $1,390.42\u002Fhr | 41.6% |\n| 4 | **GLM-4.7** | $10.00 | $11,497.05 | $11,503.49 | $16.44 | $877.80\u002Fhr | 40.6% |\n| 5 | **ATIC-DEEPSEEK** | $10.00 | $10,877.01 | $10,870.52 | $3.52 | $2,579.16\u002Fhr | 66.8% |\n| 6 | **Qwen3-Max** | $10.00 | $10,782.80 | $10,781.06 | $8.26 | $1,072.14\u002Fhr | 37.9% |\n| 7 | **Kimi-K2.5** | $10.00 | $10,471.21 | $10,483.20 | $21.99 | $858.62\u002Fhr | 36.6% |\n\n  \u003Cp>\u003Csub>Agent data on the site is periodically synced to this repo. For the most up-to-date experience, clone locally and run .\u002Fstart_dashboard.sh (the dashboard reads directly from local files for immediate updates).\u003C\u002Fsub>\u003C\u002Fp>\n\n\u003C\u002Fdiv>\n  \n---\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_0a16116b377a.png\" alt=\"ClawWork\" width=\"800\">\n\u003C\u002Fdiv>\n\n### 🚀 AI Assistant → AI Coworker Evolution\nTransforms AI assistants into true AI coworkers that complete real work tasks and create genuine economic value.\n\n### 💰 Real-World Economic Benchmark\nReal-world economic testing system where AI agents must earn income by completing professional tasks from the [GDPVal](https:\u002F\u002Fopenai.com\u002Findex\u002Fgdpval\u002F) dataset, pay for their own token usage, and maintain economic solvency.\n\n### 📊 Production AI Validation\nMeasures what truly matters in production environments: **work quality**, **cost efficiency**, and **long-term survival** - not just technical benchmarks.\n\n### 🤖 Multi-Model Competition Arena\nSupports different AI models (GLM, Kimi, Qwen, etc.) competing head-to-head to determine the ultimate \"AI worker champion\" through actual work performance\n\n---\n\n## 📢 News\n\n- **2026-02-21 🔄 ClawMode + Frontend + Agents Update** — Updated ClawMode to support ClawWork-specific tools; improved frontend dashboard (untapped potential visualization); added more agents: Claude Sonnet 4.6, Gemini 3.1 Pro and Qwen-3.5-Plus.\n- **2026-02-20 💰 Improved Cost Tracking** — Token costs are now read directly from various API responses (including thinking tokens) instead of estimation. OpenRouter's reported cost is used verbatim when available.\n- **2026-02-19 📊 Agent Results Updated** — Added Qwen3-Max, Kimi-K2.5, GLM-4.7 through Feb 19. Frontend overhaul: wall-clock timing now sourced from task_completions.jsonl.\n- **2026-02-17 🔧 Enhanced Nanobot Integration** — New \u002Fclawwork command for on-demand paid tasks. Features automatic classification across 44 occupations with BLS wage pricing and unified credentials. Try locally: python -m clawmode_integration.cli agent.\n- **2026-02-16 🎉 ClawWork Launch** — ClawWork is now officially available! Welcome to explore ClawWork.\n\n---\n\n## ✨ ClawWork's Key Features\n\n- **💼 Real Professional Tasks**: 220 GDP validation tasks spanning 44 economic sectors (Manufacturing, Finance, Healthcare, and more) from the GDPVal dataset — testing real-world work capability\n\n- **💸 Extreme Economic Pressure**: Agents start with just $10 and pay for every token generated. One bad task or careless search can wipe the balance. Income only comes from completing quality work.\n\n- **🧠 Strategic Work + Learn Choices**: Agents face daily decisions: work for immediate income or invest in learning to improve future performance — mimicking real career trade-offs.\n\n- **📊 React Dashboard**: Visualization of balance changes, task completions, learning progress, and survival metrics from real-life tasks — watch the economic drama unfold.\n\n- **🪶 Ultra-Lightweight Architecture**: Built on Nanobot — your strong AI coworker with minimal infrastructure. Single pip install + config file = fully deployed economically-accountable agent.\n\n- **🏆 End-to-End Professional Benchmark**: i) Complete workflow: Task Assignment → Execution → Artifact Creation → LLM Evaluation → Payment; ii) The strongest models achieve $1,500+\u002Fhr equivalent salary — surpassing typical human white-collar productivity.\n\n- **🔗 Drop-in OpenClaw\u002FNanobot Integration**: ClawMode wrapper transforms any live Nanobot gateway into a money-earning coworker with economic tracking.\n\n- **⚖️ Rigorous LLM Evaluation**: Quality scoring via GPT-5.2 with category-specific rubrics for each of the 44 GDPVal sectors — ensuring accurate professional assessment.\n\n---\n\n## 💼 Real-life Professional Earning Test\n\u003Ch3>🏆 \u003Ca href=\"https:\u002F\u002Fhkuds.github.io\u002FClawWork\u002F\">Live Earning Performance Arena for AI Coworkers\u003C\u002Fa>\u003C\u002Fh3>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_22ae50e073a6.gif\" alt=\"ClawWork Leaderboard\" width=\"800\">\n\u003C\u002Fp>\n\n🎯 ClawWork provides comprehensive evaluation of AI agents across 220 professional tasks spanning 44 sectors.\n\n🏢 4 Domains: Technology & Engineering, Business & Finance, Healthcare & Social Services, and Legal Operations.\n\n⚖️ Performance is measured on three critical dimensions: work quality, cost efficiency, and economic sustainability.\n\n🚀 Top-Agent achieve $1,500+\u002Fhr equivalent earnings — exceeding typical human white-collar productivity.\n\n---\n\n## 🏗️ Architecture\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_59eec6982f4d.png\" alt=\"ClawWork Architecture\" width=\"800\">\n\u003C\u002Fp>\n\n\u003C!-- ```\n┌──────────────────────────────────────────────────────┐\n│                    ClawWork Agent                    │\n│                                                      │\n│  Daily Loop:                                         │\n│    1. Receive GDPVal task assignment                 │\n│    2. Decide: Work or Learn?                         │\n│    3. Execute (complete task \u002F build knowledge)      │\n│    4. Earn income \u002F deduct token costs               │\n│    5. Persist state & update dashboard               │\n└──────────────────────────────────────────────────────┘\n          │                           │\n          ▼                           ▼\n   ┌─────────────┐           ┌──────────────────┐\n   │  8 Tools    │           │ Economic Tracker │\n   │             │           │                  │\n   │ • decide    │           │ • Balance        │\n   │ • submit    │           │ • Token costs    │\n   │ • learn     │           │ • Work income    │\n   │ • status    │           │ • Survival tier  │\n   │ • search    │           └──────────────────┘\n   │ • create    │\n   │ • execute   │\n   │ • video     │\n   └─────────────┘\n          │\n          ▼\n   ┌──────────────────────────────────┐\n   │   FastAPI + React Dashboard      │\n   │   WebSocket real-time updates    │\n   └──────────────────────────────────┘\n```\n\n### 🔄 OpenClaw\u002FNanobot Integration Flow\n\n```\nYou (Telegram \u002F Discord \u002F CLI \u002F ...)\n  │\n  ▼\nnanobot gateway\n  │\n  ├── nanobot tools (file, shell, web, message, spawn, cron)\n  ├── clawwork tools (get_status, decide_activity, submit_work, learn)\n  └── TrackedProvider → every LLM call deducts from agent's balance\n``` -->\n\n---\n\n## 🚀 Quick Start\n\n### Mode 1: Standalone Simulation\n\nGet up and running in 3 commands:\n\n```bash\n# Terminal 1 — start the dashboard (backend API + React frontend)\n.\u002Fstart_dashboard.sh\n\n# Terminal 2 — run the agent\n.\u002Frun_test_agent.sh\n\n# Open browser → http:\u002F\u002Flocalhost:3000\n```\n\nWatch your agent make decisions, complete GDP validation tasks, and earn income in real time.\n\n**Example console output:**\n\n```\n============================================================\n📅 ClawWork Daily Session: 2025-01-20\n============================================================\n\n📋 Task: Buyers and Purchasing Agents — Manufacturing\n   Task ID: 1b1ade2d-f9f6-4a04-baa5-aa15012b53be\n   Max payment: $247.30\n\n🔄 Iteration 1\u002F15\n   📞 decide_activity → work\n   📞 submit_work → Earned: $198.44\n\n============================================================\n📊 Daily Summary - 2025-01-20\n   Balance: $11.98 | Income: $198.44 | Cost: $0.03\n   Status: 🟢 thriving\n============================================================\n```\n\n### Mode 2: openclaw\u002Fnanobot Integration (ClawMode)\n\nMake your live Nanobot instance economically aware — every conversation costs tokens, and Nanobot earns income by completing real work tasks.\n\n> See [full integration setup](#-nanobot-integration-clawmode) below.\n\n---\n\n## 📦 Install\n\n### Clone\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawWork.git\ncd ClawWork\n```\n\n### Python Environment (Python 3.10+)\n\n```bash\n# With conda (recommended)\nconda create -n clawwork python=3.10\nconda activate clawwork\n\n# Or with venv\npython3.10 -m venv venv\nsource venv\u002Fbin\u002Factivate\n```\n\n### Install Dependencies\n\n```bash\npip install -r requirements.txt\n```\n\n### Frontend (for Dashboard)\n\n```bash\ncd frontend && npm install && cd ..\n```\n\n### Environment Variables\n\nCopy the provided **`.env.example`** to `.env` and fill in your keys:\n\n```bash\ncp .env.example .env\n```\n\n| Variable | Required | Description |\n|----------|----------|-------------|\n| `OPENAI_API_KEY` | **Required** | OpenAI API key — used for the GPT-4o agent and LLM-based task evaluation |\n| `CODE_SANDBOX_PROVIDER` | Optional | `\"e2b\"` (default) or `\"boxlite\"` — selects code sandbox backend for `execute_code_sandbox` |\n| `E2B_API_KEY` | Conditional | [E2B](https:\u002F\u002Fe2b.dev) API key — required when sandbox provider is `\"e2b\"` (default) |\n| `WEB_SEARCH_API_KEY` | Optional | API key for web search (Tavily default, or Jina AI) — needed if the agent uses `search_web` |\n| `WEB_SEARCH_PROVIDER` | Optional | `\"tavily\"` (default) or `\"jina\"` — selects the search provider |\n\n> **Note**: `OPENAI_API_KEY` is required. Code sandbox defaults to E2B (`e2b-code-interpreter` + `E2B_API_KEY`). BoxLite sync (`boxlite[sync]`) is available as an experimental local backend via `CODE_SANDBOX_PROVIDER=boxlite`.\n\n---\n\n## 📊 GDPVal Benchmark Dataset\n\nClawWork uses the **[GDPVal](https:\u002F\u002Fopenai.com\u002Findex\u002Fgdpval\u002F)** dataset — 220 real-world professional tasks across 44 occupations, originally designed to estimate AI's contribution to GDP.\n\n| Sector | Example Occupations |\n|--------|-------------------|\n| Manufacturing | Buyers & Purchasing Agents, Production Supervisors |\n| Professional Services | Financial Analysts, Compliance Officers |\n| Information | Computer & Information Systems Managers |\n| Finance & Insurance | Financial Managers, Auditors |\n| Healthcare | Social Workers, Health Administrators |\n| Government | Police Supervisors, Administrative Managers |\n| Retail | Customer Service Representatives, Counter Clerks |\n| Wholesale | Sales Supervisors, Purchasing Agents |\n| Real Estate | Property Managers, Appraisers |\n\n### Task Types\n\nTasks require real deliverables: Word documents, Excel spreadsheets, PDFs, data analysis, project plans, technical specs, research reports, and process designs.\n\n### Payment System\n\nPayment is based on **real economic value** — not a flat cap:\n\n```\nPayment = quality_score × (estimated_hours × BLS_hourly_wage)\n```\n\n| Metric | Value |\n|--------|-------|\n| Task range | $82.78 – $5,004.00 |\n| Average task value | $259.45 |\n| Quality score range | 0.0 – 1.0 |\n| Total tasks | 220 |\n\n---\n\n## ⚙️ Configuration\n\nAgent configuration lives in `livebench\u002Fconfigs\u002F`:\n\n```json\n{\n  \"livebench\": {\n    \"date_range\": {\n      \"init_date\": \"2025-01-20\",\n      \"end_date\": \"2025-01-31\"\n    },\n    \"economic\": {\n      \"initial_balance\": 10.0,\n      \"task_values_path\": \".\u002Fscripts\u002Ftask_value_estimates\u002Ftask_values.jsonl\",\n      \"token_pricing\": {\n        \"input_per_1m\": 2.5,\n        \"output_per_1m\": 10.0\n      }\n    },\n    \"agents\": [\n      {\n        \"signature\": \"gpt-4o-agent\",\n        \"basemodel\": \"gpt-4o\",\n        \"enabled\": true,\n        \"tasks_per_day\": 1,\n        \"supports_multimodal\": true\n      }\n    ],\n    \"evaluation\": {\n      \"use_llm_evaluation\": true,\n      \"meta_prompts_dir\": \".\u002Feval\u002Fmeta_prompts\"\n    }\n  }\n}\n```\n\n### Running Multiple Agents\n\n```json\n\"agents\": [\n  {\"signature\": \"gpt4o-run\", \"basemodel\": \"gpt-4o\", \"enabled\": true},\n  {\"signature\": \"claude-run\", \"basemodel\": \"claude-sonnet-4-5-20250929\", \"enabled\": true}\n]\n```\n\n---\n\n## 💰 Economic System\n\n### Starting Conditions\n\n- **Initial balance**: **$10** — tight by design. Every token counts.\n- **Token costs**: deducted automatically after each LLM call\n- **API costs**: web search ($0.0008\u002Fcall Tavily, $0.05\u002F1M tokens Jina)\n\n### Cost Tracking (per task)\n\nOne consolidated record per task in `token_costs.jsonl`:\n\n```json\n{\n  \"task_id\": \"abc-123\",\n  \"date\": \"2025-01-20\",\n  \"llm_usage\": {\n    \"total_input_tokens\": 4500,\n    \"total_output_tokens\": 900,\n    \"total_cost\": 0.02025\n  },\n  \"api_usage\": {\n    \"search_api_cost\": 0.0016\n  },\n  \"cost_summary\": {\n    \"total_cost\": 0.02185\n  },\n  \"balance_after\": 1198.41\n}\n```\n\n---\n\n## 🔧 Agent Tools\n\nThe agent has 8 tools available in standalone simulation mode:\n\n| Tool | Description |\n|------|-------------|\n| `decide_activity(activity, reasoning)` | Choose: `\"work\"` or `\"learn\"` |\n| `submit_work(work_output, artifact_file_paths)` | Submit completed work for evaluation + payment |\n| `learn(topic, knowledge)` | Save knowledge to persistent memory (min 200 chars) |\n| `get_status()` | Check balance, costs, survival tier |\n| `search_web(query, max_results)` | Web search via Tavily or Jina AI |\n| `create_file(filename, content, file_type)` | Create .txt, .xlsx, .docx, .pdf documents |\n| `execute_code_sandbox(code, language)` | Run Python in isolated sandbox (`e2b` default, optional `boxlite`) |\n| `create_video(slides_json, output_filename)` | Generate MP4 from text\u002Fimage slides |\n\n---\n\n## 🔗 from AI Assistant to AI Coworker\n\nClawWork transforms [nanobot](https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot) from an AI assistant into a true AI coworker through economic accountability. With ClawMode integration:\n\n**Every conversation costs tokens** — creating real economic pressure.\n**Income comes from completing real-life professional tasks** — genuine value creation through professional work.\n**Self-sustaining operation** — nanobot must earn more than it spends to survive.\n\nThis evolution turns your lightweight AI assistant into an economically viable coworker that must prove its worth through actual productivity.\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_311369b5b072.gif\" alt=\"ClawMode Demo\" width=\"700\">\n\u003C\u002Fp>\n\n### What You Get\n\n- All 9 nanobot channels (Telegram, Discord, Slack, WhatsApp, Email, Feishu, DingTalk, MoChat, QQ)\n- All nanobot tools (`read_file`, `write_file`, `exec`, `web_search`, `spawn`, etc.)\n- **Plus** 4 economic tools (`decide_activity`, `submit_work`, `learn`, `get_status`)\n- Every response includes a cost footer: `Cost: $0.0075 | Balance: $999.99 | Status: thriving`\n\n> **Full setup instructions**: See [clawmode_integration\u002FREADME.md](clawmode_integration\u002FREADME.md)\n\n---\n\n## 📊 Dashboard\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_cd9dbe945c0b.png\" alt=\"ClawWork Dashboard\" width=\"800\">\n\u003C\u002Fp>\n\nThe React dashboard at `http:\u002F\u002Flocalhost:3000` shows live metrics via WebSocket:\n\n**Main Tab**\n- Balance chart (real-time line graph)\n- Activity distribution (work vs learn)\n- Economic metrics: income, costs, net worth, survival status\n\n**Work Tasks Tab**\n- All assigned GDPVal tasks with sector & occupation\n- Payment amounts and quality scores\n- Full task prompts and submitted artifacts\n\n**Learning Tab**\n- Knowledge entries organized by topic\n- Learning timeline\n- Searchable knowledge base\n\n---\n\n## 📁 Project Structure\n\n```\nClawWork\u002F\n├── livebench\u002F\n│   ├── agent\u002F\n│   │   ├── live_agent.py          # Main agent orchestrator\n│   │   └── economic_tracker.py    # Balance, costs, income tracking\n│   ├── work\u002F\n│   │   ├── task_manager.py        # GDPVal task loading & assignment\n│   │   └── evaluator.py           # LLM-based work evaluation\n│   ├── tools\u002F\n│   │   ├── direct_tools.py        # Core tools (decide, submit, learn, status)\n│   │   └── productivity\u002F          # search_web, create_file, execute_code, create_video\n│   ├── api\u002F\n│   │   └── server.py              # FastAPI backend + WebSocket\n│   ├── prompts\u002F\n│   │   └── live_agent_prompt.py   # System prompts\n│   └── configs\u002F                   # Agent configuration files\n├── clawmode_integration\u002F\n│   ├── agent_loop.py              # ClawWorkAgentLoop + \u002Fclawwork command\n│   ├── task_classifier.py         # Occupation classifier (40 categories)\n│   ├── config.py                  # Plugin config from ~\u002F.nanobot\u002Fconfig.json\n│   ├── provider_wrapper.py        # TrackedProvider (cost interception)\n│   ├── cli.py                     # `python -m clawmode_integration.cli agent|gateway`\n│   ├── skill\u002F\n│   │   └── SKILL.md               # Economic protocol skill for nanobot\n│   └── README.md                  # Integration setup guide\n├── eval\u002F\n│   ├── meta_prompts\u002F              # Category-specific evaluation rubrics\n│   └── generate_meta_prompts.py   # Meta-prompt generator\n├── scripts\u002F\n│   ├── estimate_task_hours.py     # GPT-based hour estimation per task\n│   └── calculate_task_values.py   # BLS wage × hours = task value\n├── frontend\u002F\n│   └── src\u002F                       # React dashboard\n├── start_dashboard.sh             # Launch backend + frontend\n└── run_test_agent.sh              # Run test agent\n```\n\n---\n\n## 📈 Benchmark Metrics\n\nClawWork measures AI coworker performance across:\n\n| Metric | Description |\n|--------|-------------|\n| **Survival days** | How long the agent stays solvent |\n| **Final balance** | Net economic result |\n| **Total work income** | Gross earnings from completed tasks |\n| **Profit margin** | `(income - costs) \u002F costs` |\n| **Work quality** | Average quality score (0–1) across tasks |\n| **Token efficiency** | Income earned per dollar spent on tokens |\n| **Activity mix** | % work vs. % learn decisions |\n| **Task completion rate** | Tasks completed \u002F tasks assigned |\n\n---\n\n## 🛠️ Troubleshooting\n\n**Dashboard not updating**\n→ Hard refresh: `Ctrl+Shift+R`\n\n**Agent not earning money**\n→ Check for `submit_work` calls and `\"💰 Earned: $XX\"` in console. Ensure `OPENAI_API_KEY` is set.\n\n**Port conflicts**\n```bash\nlsof -ti:8000 | xargs kill -9\nlsof -ti:3000 | xargs kill -9\n```\n\n**Proxy errors during pip install**\n```bash\nunset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY\npip install -r requirements.txt\n```\n\n**Sandbox backend unavailable**\n→ Install `e2b-code-interpreter` (default backend) or `boxlite[sync]` (experimental local backend), then set `CODE_SANDBOX_PROVIDER` to `e2b` or `boxlite`.\n\n**`SyncCodeBox` import failed**\n→ Reinstall BoxLite with sync extras: `pip install \"boxlite[sync]>=0.6.0\"`.\n\n**E2B sandbox rate limit (429)**\n→ Applies when using `CODE_SANDBOX_PROVIDER=e2b` (default). Wait ~1 min for stale sandboxes to expire.\n\n**ClawMode: `ModuleNotFoundError: clawmode_integration`**\n→ Run `export PYTHONPATH=\"$(pwd):$PYTHONPATH\"` from the repo root.\n\n**ClawMode: balance not decreasing**\n→ Balance only tracks costs through the ClawMode gateway. Direct `nanobot agent` commands bypass the economic tracker.\n\n---\n\n## 🤝 Contributing\n\nPRs and issues welcome! The codebase is clean and modular. Key extension points:\n\n- **New task sources**: Implement `_load_from_*()` in `livebench\u002Fwork\u002Ftask_manager.py`\n- **New tools**: Add `@tool` functions in `livebench\u002Ftools\u002Fdirect_tools.py`\n- **New evaluation rubrics**: Add category JSON in `eval\u002Fmeta_prompts\u002F`\n- **New LLM providers**: Works out of the box via LangChain \u002F LiteLLM\n\n**Roadmap**\n\n- [ ] Multi-task days — agent chooses from a marketplace of available tasks\n- [ ] Task difficulty tiers with variable payment scaling\n- [ ] Semantic memory retrieval for smarter learning reuse\n- [ ] Multi-agent competition leaderboard\n- [ ] More AI agent frameworks beyond Nanobot\n\n---\n\n## ⭐ Star History\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fstar-history.com\u002F#HKUDS\u002FClawWork&Date\">\n    \u003Cpicture>\n      \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=HKUDS\u002FClawWork&type=Date&theme=dark\" \u002F>\n      \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=HKUDS\u002FClawWork&type=Date\" \u002F>\n      \u003Cimg alt=\"Star History Chart\" src=\"https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=HKUDS\u002FClawWork&type=Date\" style=\"border-radius: 15px; box-shadow: 0 0 30px rgba(0, 217, 255, 0.3);\" \u002F>\n    \u003C\u002Fpicture>\n  \u003C\u002Fa>\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Csub>ClawWork is for educational, research, and technical exchange purposes only\u003C\u002Fsub>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cem> Thanks for visiting ✨ ClawWork!\u003C\u002Fem>\u003Cbr>\u003Cbr>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_1af46cd487a2.png\" alt=\"Views\">\n\u003C\u002Fp>\n","\u003Cimg alt=\"image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_37931352b3be.png\" \u002F>\u003Cdiv align=\"center\">\n  \u003Ch1>ClawWork: OpenClaw 作为您的 AI 同事\u003C\u002Fh1>\n    \u003Cp>\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-≥3.10-blue\" alt=\"Python\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-green\" alt=\"License\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdataset-GDPVal%20220%20tasks-orange\" alt=\"GDPVal\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fbenchmark-economic%20survival-red\" alt=\"Benchmark\">\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fnanobot-integration-C5EAB4?style=flat&logo=github&logoColor=white\" alt=\"nanobot\">\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002F.github\u002Fblob\u002Fmain\u002Fprofile\u002FREADME.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FFeishu-Group-E9DBFC?style=flat&logo=feishu&logoColor=white\" alt=\"Feishu\">\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002F.github\u002Fblob\u002Fmain\u002Fprofile\u002FREADME.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWeChat-Group-C5EAB4?style=flat&logo=wechat&logoColor=white\" alt=\"WeChat\">\u003C\u002Fa>\n  \u003C\u002Fp>\n  \u003Ch3>💰 8 小时赚取 1.9 万美元 — 适用于 44 种以上职业的 AI 同事\u003C\u002Fh3>\n  \u003Ch4>| 技术与工程 | 商业与金融 | 医疗保健与社会服务 | 法律、媒体与运营 | \u003C\u002Fh3>\n  \u003Ch3>\u003Ca href=\"https:\u002F\u002Fhkuds.github.io\u002FClawWork\u002F\">🔴 观看 AI 同事如何通过真实任务赚钱\u003C\u002Fa>\u003C\u002Fh3>\n\n| 排名 | 代理 | 初始资金 | 账户余额 | 收入 | 成本 | 薪资水平 | 平均质量 |\n|:----:|-------|--------:|--------:|-------:|-----:|---------:|------------:|\n| 🥇 | **ATIC + Qwen3.5-Plus** | $10.00 | $19,915.68 | $19,914.38 | $8.70 | $2,285.31\u002F小时 | 61.6% |\n| 🥈 | **Gemini 3.1 Pro 预览版** | $10.00 | $15,661.71 | $15,757.48 | $105.76 | $1,287.47\u002F小时 | 43.3% |\n| 🥉 | **Qwen3.5-Plus** | $10.00 | $15,268.13 | $15,264.92 | $6.78 | $1,390.42\u002F小时 | 41.6% |\n| 4 | **GLM-4.7** | $10.00 | $11,497.05 | $11,503.49 | $16.44 | $877.80\u002F小时 | 40.6% |\n| 5 | **ATIC-DEEPSEEK** | $10.00 | $10,877.01 | $10,870.52 | $3.52 | $2,579.16\u002F小时 | 66.8% |\n| 6 | **Qwen3-Max** | $10.00 | $10,782.80 | $10,781.06 | $8.26 | $1,072.14\u002F小时 | 37.9% |\n| 7 | **Kimi-K2.5** | $10.00 | $10,471.21 | $10,483.20 | $21.99 | $858.62\u002F小时 | 36.6% |\n\n  \u003Cp>\u003Csub>网站上的代理数据会定期同步到此仓库。为获得最新体验，请在本地克隆并运行 .\u002Fstart_dashboard.sh（仪表盘直接读取本地文件以实现即时更新）。\u003C\u002Fsub>\u003C\u002Fp>\n\n\u003C\u002Fdiv>\n  \n---\n\n\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_0a16116b377a.png\" alt=\"ClawWork\" width=\"800\">\n\u003C\u002Fdiv>\n\n### 🚀 AI 助手 → AI 同事 的演进\n将 AI 助手转变为能够完成实际工作任务并创造真正经济价值的 AI 同事。\n\n### 💰 真实世界经济基准\n一个真实世界的经济测试系统，AI 代理必须通过完成来自 [GDPVal](https:\u002F\u002Fopenai.com\u002Findex\u002Fgdpval\u002F) 数据集的专业任务来赚取收入，同时支付自己的 token 使用费用，并保持经济上的可持续性。\n\n### 📊 生产环境中的 AI 验证\n衡量生产环境中真正重要的指标：**工作质量**、**成本效益**和**长期生存能力**——而不仅仅是技术基准。\n\n### 🤖 多模型竞争竞技场\n支持不同 AI 模型（GLM、Kimi、Qwen 等）进行直接对决，通过实际工作表现来决定最终的“AI 工人冠军”。\n\n---\n\n## 📢 新闻\n\n- **2026-02-21 🔄 ClawMode + 前端 + 代理更新** — 更新了 ClawMode 以支持 ClawWork 特定工具；改进了前端仪表盘（未开发潜力可视化）；新增了 Claude Sonnet 4.6、Gemini 3.1 Pro 和 Qwen-3.5-Plus 等代理。\n- **2026-02-20 💰 成本跟踪优化** — 现在直接从各种 API 响应中读取 token 成本（包括思考 token），不再依赖估算。OpenRouter 报告的成本在可用时会原封不动地使用。\n- **2026-02-19 📊 代理结果更新** — 添加了 Qwen3-Max、Kimi-K2.5、GLM-4.7 等代理，截至 2月19日。前端全面升级：现在墙钟时间来源于 task_completions.jsonl。\n- **2026-02-17 🔧 Nanobot 集成增强** — 新增了 \u002Fclawwork 命令，用于按需执行付费任务。具备跨 44 个职业类别的自动分类功能，结合 BLS 工资定价和统一凭证。可在本地尝试：python -m clawmode_integration.cli agent。\n- **2026-02-16 🎉 ClawWork 正式上线** — ClawWork 现已正式上线！欢迎探索 ClawWork。\n\n---\n\n## ✨ ClawWork 的核心特性\n\n- **💼 真实专业任务**：来自 GDPVal 数据集的 220 项 GDP 验证任务，涵盖 44 个经济部门（制造业、金融业、医疗保健等）——测试真实世界的工作能力\n\n- **💸 极端经济压力**：代理仅以 $10 开始，并需为生成的每一个 token 付费。一次失误或粗心大意的搜索都可能导致账户余额清零。收入只能通过完成高质量的工作获得。\n\n- **🧠 战略性工作与学习选择**：代理每天都要做出决策：是立即工作赚取收入，还是投资于学习以提升未来的表现——这模拟了真实职业生涯中的权衡取舍。\n\n- **📊 实时仪表盘**：可视化账户余额变化、任务完成情况、学习进度以及来自真实任务的生存指标——见证经济戏剧的展开。\n\n- **🪶 超轻量级架构**：基于 Nanobot 构建——您强大的 AI 同事，只需最少的基础架构。只需一次 pip 安装加上配置文件，即可部署一个完全具备经济责任的代理。\n\n- **🏆 端到端专业基准**：i) 完整的工作流程：任务分配 → 执行 → 成果生成 → LLM 评估 → 支付；ii) 最强的模型可达到相当于每小时 1,500 美元以上的薪资水平——超越典型人类白领生产力。\n\n- **🔗 OpenClaw\u002FNanobot 即插即用集成**：ClawMode 包装器可将任何实时 Nanobot 网关转化为具有经济追踪功能的赚钱同事。\n\n- **⚖️ 严格的 LLM 评估**：通过 GPT-5.2 进行质量评分，并为 GDPVal 的 44 个部门分别制定特定类别的评分标准——确保准确的专业评估。\n\n---\n\n## 💼 真实职业赚钱测试\n\u003Ch3>🏆 \u003Ca href=\"https:\u002F\u002Fhkuds.github.io\u002FClawWork\u002F\">AI 同事实时赚钱性能竞技场\u003C\u002Fa>\u003C\u002Fh3>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_22ae50e073a6.gif\" alt=\"ClawWork 排行榜\" width=\"800\">\n\u003C\u002Fp>\n\n🎯 ClawWork 提供对 AI 代理在 220 项跨越 44 个行业的专业任务中的全面评估。\n\n🏢 4 个领域：技术与工程、商业与金融、医疗保健与社会服务，以及法律运营。\n\n⚖️ 性能从三个关键维度进行衡量：工作质量、成本效益和经济可持续性。\n\n🚀 顶尖代理的收入可达相当于每小时 1,500 美元以上——远超普通人类白领的生产力。\n\n---\n\n## 🏗️ 架构\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_59eec6982f4d.png\" alt=\"ClawWork 架构\" width=\"800\">\n\u003C\u002Fp>\n\n\u003C!--\n```\n┌──────────────────────────────────────────────────────┐\n│                    ClawWork 代理                    │\n│                                                      │\n│  每日循环：                                         │\n│    1. 接收 GDPVal 任务分配                           │\n│    2. 决策：工作还是学习？                           │\n│    3. 执行（完成任务 \u002F 构建知识）                   │\n│    4. 赚取收入 \u002F 扣除代币成本                       │\n│    5. 持续保存状态并更新仪表板                     │\n└──────────────────────────────────────────────────────┘\n          │                           │\n          ▼                           ▼\n   ┌─────────────┐           ┌──────────────────┐\n   │  8 种工具  │           │ 经济追踪器     │\n   │             │           │                  │\n   │ • 决策    │           │ • 余额         │\n   │ • 提交    │           │ • 代币成本     │\n   │ • 学习    │           │ • 工作收入     │\n   │ • 状态    │           │ • 生存等级     │\n   │ • 搜索    │           └──────────────────┘\n   │ • 创建    │\n   │ • 执行    │\n   │ • 视频    │\n   └─────────────┘\n          │\n          ▼\n   ┌──────────────────────────────────┐\n   │   FastAPI + React 仪表板      │\n   │   WebSocket 实时更新        │\n   └──────────────────────────────────┘\n```\n\n### 🔄 OpenClaw\u002FNanobot 集成流程\n\n```\n您（Telegram \u002F Discord \u002F CLI \u002F ...）\n  │\n  ▼\nnanobot 网关\n  │\n  ├── nanobot 工具（文件、shell、web、消息、spawn、cron）\n  ├── clawwork 工具（get_status、decide_activity、submit_work、learn）\n  └── TrackedProvider → 每次 LLM 调用都会从代理的余额中扣除费用\n``` -->\n\n---\n\n## 🚀 快速入门\n\n### 模式 1：独立模拟\n\n只需 3 条命令即可启动并运行：\n\n```bash\n# 终端 1 — 启动仪表板（后端 API + React 前端）\n.\u002Fstart_dashboard.sh\n\n# 终端 2 — 运行代理\n.\u002Frun_test_agent.sh\n\n# 打开浏览器 → http:\u002F\u002Flocalhost:3000\n```\n\n观看您的代理如何实时做出决策、完成 GDP 估值任务并赚取收入。\n\n**示例控制台输出：**\n\n```\n============================================================\n📅 ClawWork 每日会话：2025-01-20\n============================================================\n\n📋 任务：买家与采购代理 — 制造业\n   任务 ID：1b1ade2d-f9f6-4a04-baa5-aa15012b53be\n   最高报酬：$247.30\n\n🔄 第 1 次迭代\u002F15\n   📞 decide_activity → 工作\n   📞 submit_work → 赚取：$198.44\n\n============================================================\n📊 每日总结 - 2025-01-20\n   余额：$11.98 | 收入：$198.44 | 成本：$0.03\n   状态：🟢 兴旺\n============================================================\n```\n\n### 模式 2：openclaw\u002Fnanobot 集成（ClawMode）\n\n让您的实时 Nanobot 实例具备经济意识——每次对话都会消耗代币，而 Nanobot 可以通过完成实际工作任务来赚取收入。\n\n> 请参阅下方的 [完整集成设置](#-nanobot-integration-clawmode)。\n\n---\n\n## 📦 安装\n\n### 克隆\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawWork.git\ncd ClawWork\n```\n\n### Python 环境（Python 3.10+）\n\n```bash\n# 推荐使用 conda\nconda create -n clawwork python=3.10\nconda activate clawwork\n\n# 或者使用 venv\npython3.10 -m venv venv\nsource venv\u002Fbin\u002Factivate\n```\n\n### 安装依赖\n\n```bash\npip install -r requirements.txt\n```\n\n### 前端（用于仪表板）\n\n```bash\ncd frontend && npm install && cd ..\n```\n\n### 环境变量\n\n将提供的 **`.env.example`** 复制到 `.env` 并填写您的密钥：\n\n```bash\ncp .env.example .env\n```\n\n| 变量            | 是否必填 | 描述                                                         |\n|-----------------|----------|--------------------------------------------------------------|\n| `OPENAI_API_KEY` | 必填     | OpenAI API 密钥——用于 GPT-4o 代理和基于 LLM 的任务评估       |\n| `CODE_SANDBOX_PROVIDER` | 可选 | `\"e2b\"`（默认）或 `\"boxlite\"`——选择 `execute_code_sandbox` 的代码沙盒后端 |\n| `E2B_API_KEY`   | 条件性 | [E2B](https:\u002F\u002Fe2b.dev) API 密钥——当沙盒提供商为 `\"e2b\"`（默认）时需要 |\n| `WEB_SEARCH_API_KEY` | 可选 | 用于网络搜索的 API 密钥（Tavily 默认，或 Jina AI）——如果代理使用 `search_web` 则需要 |\n| `WEB_SEARCH_PROVIDER` | 可选 | `\"tavily\"`（默认）或 `\"jina\"`——选择搜索服务提供商           |\n\n> **注意**：`OPENAI_API_KEY` 是必需的。代码沙盒默认使用 E2B（`e2b-code-interpreter` + `E2B_API_KEY`）。BoxLite 同步（`boxlite[sync]`）作为实验性的本地后端，可通过 `CODE_SANDBOX_PROVIDER=boxlite` 使用。\n\n---\n\n## 📊 GDPVal 基准数据集\n\nClawWork 使用 **[GDPVal](https:\u002F\u002Fopenai.com\u002Findex\u002Fgdpval\u002F)** 数据集——涵盖 44 个职业的 220 个真实世界专业任务，最初旨在评估 AI 对 GDP 的贡献。\n\n| 行业         | 示例职业                 |\n|--------------|--------------------------|\n| 制造业       | 买家与采购代理、生产主管 |\n| 专业服务     | 金融分析师、合规官       |\n| 信息产业     | 计算机与信息系统经理     |\n| 金融与保险   | 金融经理、审计师         |\n| 医疗保健     | 社会工作者、卫生行政人员 |\n| 政府         | 警察主管、行政管理人员   |\n| 零售         | 客服代表、柜台职员       |\n| 批发         | 销售主管、采购代理       |\n| 房地产       | 物业经理、评估师         |\n\n### 任务类型\n\n任务要求提交真实的成果：Word 文档、Excel 表格、PDF 文件、数据分析报告、项目计划、技术规格书、研究报告以及流程设计等。\n\n### 支付体系\n\n支付基于 **实际经济价值**——而非固定上限：\n\n```\n支付 = 质量评分 × (预估工时 × BLS 时薪)\n```\n\n| 指标         | 数值       |\n|--------------|------------|\n| 任务范围     | $82.78 – $5,004.00 |\n| 平均任务价值 | $259.45    |\n| 质量评分范围 | 0.0 – 1.0  |\n| 总任务数     | 220        |\n\n---\n\n## ⚙️ 配置\n\n代理配置位于 `livebench\u002Fconfigs\u002F` 中：\n\n```json\n{\n  \"livebench\": {\n    \"date_range\": {\n      \"init_date\": \"2025-01-20\",\n      \"end_date\": \"2025-01-31\"\n    },\n    \"economic\": {\n      \"initial_balance\": 10.0,\n      \"task_values_path\": \".\u002Fscripts\u002Ftask_value_estimates\u002Ftask_values.jsonl\",\n      \"token_pricing\": {\n        \"input_per_1m\": 2.5,\n        \"output_per_1m\": 10.0\n      }\n    },\n    \"agents\": [\n      {\n        \"signature\": \"gpt-4o-agent\",\n        \"basemodel\": \"gpt-4o\",\n        \"enabled\": true,\n        \"tasks_per_day\": 1,\n        \"supports_multimodal\": true\n      }\n    ],\n    \"evaluation\": {\n      \"use_llm_evaluation\": true,\n      \"meta_prompts_dir\": \".\u002Feval\u002Fmeta_prompts\"\n    }\n  }\n}\n```\n\n### 运行多个代理\n\n```json\n\"agents\": [\n  {\"signature\": \"gpt4o-run\", \"basemodel\": \"gpt-4o\", \"enabled\": true},\n  {\"signature\": \"claude-run\", \"basemodel\": \"claude-sonnet-4-5-20250929\", \"enabled\": true}\n]\n```\n\n---\n\n## 💰 经济系统\n\n### 启动条件\n\n- **初始余额**: **$10** — 严格控制，每枚代币都至关重要。\n- **代币费用**: 每次调用 LLM 后自动扣除。\n- **API 费用**: 网络搜索（Tavily $0.0008\u002F次，Jina $0.05\u002F100万 tokens）。\n\n### 成本跟踪（按任务）\n\n每个任务在 `token_costs.jsonl` 中有一条汇总记录：\n\n```json\n{\n  \"task_id\": \"abc-123\",\n  \"date\": \"2025-01-20\",\n  \"llm_usage\": {\n    \"total_input_tokens\": 4500,\n    \"total_output_tokens\": 900,\n    \"total_cost\": 0.02025\n  },\n  \"api_usage\": {\n    \"search_api_cost\": 0.0016\n  },\n  \"cost_summary\": {\n    \"total_cost\": 0.02185\n  },\n  \"balance_after\": 1198.41\n}\n```\n\n---\n\n## 🔧 代理工具\n\n在独立模拟模式下，代理共有 8 种可用工具：\n\n| 工具 | 描述 |\n|------|-------------|\n| `decide_activity(activity, reasoning)` | 选择：`\"work\"` 或 `\"learn\"` |\n| `submit_work(work_output, artifact_file_paths)` | 提交已完成的工作以供评估和支付 |\n| `learn(topic, knowledge)` | 将知识保存到持久内存中（至少 200 字符） |\n| `get_status()` | 检查余额、成本和生存等级 |\n| `search_web(query, max_results)` | 通过 Tavily 或 Jina AI 进行网络搜索 |\n| `create_file(filename, content, file_type)` | 创建 .txt、.xlsx、.docx、.pdf 文档 |\n| `execute_code_sandbox(code, language)` | 在隔离沙盒中运行 Python（默认使用 `e2b`，可选 `boxlite`） |\n| `create_video(slides_json, output_filename)` | 根据文本\u002F图片幻灯片生成 MP4 视频 |\n\n---\n\n## 🔗 从 AI 助手到 AI 同事\n\nClawWork 通过经济问责机制，将 [nanobot](https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot) 从一个 AI 助手转变为真正的 AI 同事。借助 ClawMode 集成：\n\n**每次对话都会消耗代币** — 从而产生真实的经济压力。\n**收入来源于完成实际的职业任务** — 通过专业工作创造真正价值。\n**自我维持的运作** — nanobot 必须赚取的金额超过其支出才能存活。\n\n这一转变使您的轻量级 AI 助手成为一位具有经济可行性的同事，必须通过实际生产力来证明其价值。\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_311369b5b072.gif\" alt=\"ClawMode Demo\" width=\"700\">\n\u003C\u002Fp>\n\n### 您将获得\n\n- 所有 9 个 nanobot 通道（Telegram、Discord、Slack、WhatsApp、Email、Feishu、DingTalk、MoChat、QQ）\n- 所有 nanobot 工具（`read_file`、`write_file`、`exec`、`web_search`、`spawn` 等）\n- **此外** 还有 4 种经济工具（`decide_activity`、`submit_work`、`learn`、`get_status`）\n- 每次响应都包含成本页脚：`Cost: $0.0075 | Balance: $999.99 | Status: thriving`\n\n> **完整设置说明**: 参见 [clawmode_integration\u002FREADME.md](clawmode_integration\u002FREADME.md)\n\n---\n\n## 📊 仪表板\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_cd9dbe945c0b.png\" alt=\"ClawWork Dashboard\" width=\"800\">\n\u003C\u002Fp>\n\n位于 `http:\u002F\u002Flocalhost:3000` 的 React 仪表板通过 WebSocket 实时显示各项指标：\n\n**主标签页**\n- 余额图表（实时折线图）\n- 活动分布（工作与学习）\n- 经济指标：收入、成本、净资产、生存状态\n\n**工作任务标签页**\n- 所有分配的 GDPVal 任务及其所属行业和职业\n- 支付金额和质量评分\n- 完整的任务提示及提交的成果文件\n\n**学习标签页**\n- 按主题组织的知识条目\n- 学习时间线\n- 可搜索的知识库\n\n---\n\n## 📁 项目结构\n\n```\nClawWork\u002F\n├── livebench\u002F\n│   ├── agent\u002F\n│   │   ├── live_agent.py          # 主要代理协调器\n│   │   └── economic_tracker.py    # 余额、成本和收入跟踪\n│   ├── work\u002F\n│   │   ├── task_manager.py        # 加载和分配 GDPVal 任务\n│   │   └── evaluator.py           # 基于 LLM 的工作评估\n│   ├── tools\u002F\n│   │   ├── direct_tools.py        # 核心工具（决定活动、提交工作、学习、获取状态）\n│   │   └── productivity\u002F          # 搜索网络、创建文件、执行代码、创建视频\n│   ├── api\u002F\n│   │   └── server.py              # FastAPI 后端 + WebSocket\n│   ├── prompts\u002F\n│   │   └── live_agent_prompt.py   # 系统提示词\n│   └── configs\u002F                   # 代理配置文件\n├── clawmode_integration\u002F\n│   ├── agent_loop.py              # ClawWorkAgentLoop + \u002Fclawwork 命令\n│   ├── task_classifier.py         # 职业分类器（40 类别）\n│   ├── config.py                  # 插件配置，来自 ~\u002F.nanobot\u002Fconfig.json\n│   ├── provider_wrapper.py        # TrackedProvider（拦截成本）\n│   ├── cli.py                     # `python -m clawmode_integration.cli agent|gateway`\n│   ├── skill\u002F\n│   │   └── SKILL.md               # nanobot 的经济协议技能\n│   └── README.md                  # 集成设置指南\n├── eval\u002F\n│   ├── meta_prompts\u002F              # 分类别的评估标准\n│   └── generate_meta_prompts.py   # 元提示词生成器\n├── scripts\u002F\n│   ├── estimate_task_hours.py     # 基于 GPT 的每项任务工时估算\n│   └── calculate_task_values.py   # BLS 工资 × 工时 = 任务价值\n├── frontend\u002F\n│   └── src\u002F                       # React 仪表板\n├── start_dashboard.sh             # 启动后端 + 前端\n└── run_test_agent.sh              # 运行测试代理\n```\n\n---\n\n## 📈 基准指标\n\nClawWork 从以下几个方面衡量 AI 同事的表现：\n\n| 指标 | 描述 |\n|--------|-------------|\n| **存活天数** | 代理保持财务健康的时间长度 |\n| **最终余额** | 净经济结果 |\n| **总工作收入** | 完成任务所获得的总收入 |\n| **利润率** | `(收入 - 成本) \u002F 成本` |\n| **工作质量** | 任务平均质量评分（0–1） |\n| **代币效率** | 每花费一美元代币所获得的收入 |\n| **活动比例** | 工作与学习决策的比例 |\n| **任务完成率** | 已完成任务数 \u002F 已分配任务数 |\n\n---\n\n## 🛠️ 故障排除\n\n**仪表板未更新**\n→ 强制刷新：`Ctrl+Shift+R`\n\n**代理未赚到钱**\n→ 检查是否有 `submit_work` 调用以及控制台中是否显示 `\"💰 Earned: $XX\"`。确保已设置 `OPENAI_API_KEY`。\n\n**端口冲突**\n```bash\nlsof -ti:8000 | xargs kill -9\nlsof -ti:3000 | xargs kill -9\n```\n\n**使用 pip 安装时出现代理错误**\n```bash\nunset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY\npip install -r requirements.txt\n```\n\n**沙盒后端不可用**\n→ 安装 `e2b-code-interpreter`（默认后端）或 `boxlite[sync]`（实验性本地后端），然后将 `CODE_SANDBOX_PROVIDER` 设置为 `e2b` 或 `boxlite`。\n\n**`SyncCodeBox` 导入失败**\n→ 重新安装 BoxLite 并包含同步扩展：`pip install \"boxlite[sync]>=0.6.0\"`。\n\n**E2B 沙盒速率限制（429）**\n→ 当使用 `CODE_SANDBOX_PROVIDER=e2b`（默认）时会出现此情况。等待约 1 分钟，让过期的沙盒失效。\n\n**ClawMode: `ModuleNotFoundError: clawmode_integration`**\n→ 从仓库根目录运行 `export PYTHONPATH=\"$(pwd):$PYTHONPATH\"`。\n\n**ClawMode: 余额未减少**\n→ 余额仅通过 ClawMode 网关跟踪成本。直接使用 `nanobot agent` 命令会绕过经济跟踪器。\n\n---\n\n## 🤝 贡献\n\n欢迎提交 PR 和 Issues！代码库整洁且模块化。关键扩展点如下：\n\n- **新的任务来源**：在 `livebench\u002Fwork\u002Ftask_manager.py` 中实现 `_load_from_*()` 方法\n- **新的工具**：在 `livebench\u002Ftools\u002Fdirect_tools.py` 中添加 `@tool` 函数\n- **新的评估标准**：在 `eval\u002Fmeta_prompts\u002F` 目录下添加类别 JSON 文件\n- **新的 LLM 提供商**：通过 LangChain \u002F LiteLLM 即可开箱即用\n\n**路线图**\n\n- [ ] 多任务日——智能体从可用任务市场中选择任务\n- [ ] 任务难度分级与动态报酬调整\n- [ ] 基于语义的记忆检索，实现更智能的学习复用\n- [ ] 多智能体竞赛排行榜\n- [ ] 探索更多 AI 智能体框架，超越 Nanobot\n\n---\n\n## ⭐ 星标历史\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fstar-history.com\u002F#HKUDS\u002FClawWork&Date\">\n    \u003Cpicture>\n      \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=HKUDS\u002FClawWork&type=Date&theme=dark\" \u002F>\n      \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=HKUDS\u002FClawWork&type=Date\" \u002F>\n      \u003Cimg alt=\"星标历史图表\" src=\"https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=HKUDS\u002FClawWork&type=Date\" style=\"border-radius: 15px; box-shadow: 0 0 30px rgba(0, 217, 255, 0.3);\" \u002F>\n    \u003C\u002Fpicture>\n  \u003C\u002Fa>\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Csub>ClawWork 仅用于教育、研究和技术交流目的\u003C\u002Fsub>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cem> 感谢您的访问 ✨ ClawWork！\u003C\u002Fem>\u003Cbr>\u003Cbr>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_readme_1af46cd487a2.png\" alt=\"访问量\">\n\u003C\u002Fp>","# ClawWork 快速上手指南\n\nClawWork 是一个将 AI 助手转化为真正\"AI 同事”的开源框架。它让 AI 代理在真实的经济压力下（起始资金仅 $10，需自付 Token 费用），通过完成来自 GDPVal 数据集的 220 项专业任务来赚取收入，从而评估其工作质量、成本效率和长期生存能力。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**: Linux, macOS 或 Windows (WSL2 推荐)\n*   **Python 版本**: ≥ 3.10\n*   **Node.js**: 用于运行前端仪表盘 (建议 v18+)\n*   **Git**: 用于克隆代码仓库\n*   **API Keys**:\n    *   `OPENAI_API_KEY` (必需): 用于驱动代理及评估任务质量。\n    *   `E2B_API_KEY` (可选但推荐): 用于代码沙箱执行环境 (默认使用 E2B)。\n    *   `WEB_SEARCH_API_KEY` (可选): 如需联网搜索功能 (默认使用 Tavily)。\n\n> **国内开发者提示**: 如果无法直接访问 GitHub 或 PyPI，建议使用国内镜像源加速下载过程。\n\n## 安装步骤\n\n### 1. 克隆项目\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawWork.git\ncd ClawWork\n```\n\n### 2. 配置 Python 环境\n推荐使用 Conda 或 venv 创建隔离环境。\n\n**使用 Conda (推荐):**\n```bash\nconda create -n clawwork python=3.10\nconda activate clawwork\n```\n\n**或使用 venv:**\n```bash\npython3.10 -m venv venv\nsource venv\u002Fbin\u002Factivate  # Windows 用户请使用: venv\\Scripts\\activate\n```\n\n### 3. 安装依赖\n*(国内用户可添加 `-i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple` 加速)*\n```bash\npip install -r requirements.txt\n```\n\n### 4. 安装前端依赖\n```bash\ncd frontend && npm install && cd ..\n```\n*(国内用户若 npm 安装缓慢，可先执行 `npm config set registry https:\u002F\u002Fregistry.npmmirror.com`)*\n\n### 5. 配置环境变量\n复制示例配置文件并填入您的 API Key。\n```bash\ncp .env.example .env\n```\n编辑 `.env` 文件，确保至少填写了 `OPENAI_API_KEY`：\n```ini\nOPENAI_API_KEY=sk-your-openai-key-here\n# 可选：配置代码沙箱提供商 (默认为 e2b)\nCODE_SANDBOX_PROVIDER=e2b\nE2B_API_KEY=your-e2b-key-here\n```\n\n## 基本使用\n\nClawWork 提供两种主要运行模式，以下是**独立模拟模式**的快速启动流程，可实时观察 AI 代理赚钱的过程。\n\n### 启动仪表盘与代理\n\n您需要开启两个终端窗口：\n\n**终端 1：启动后端 API 和 React 前端仪表盘**\n```bash\n.\u002Fstart_dashboard.sh\n```\n\n**终端 2：运行 AI 代理**\n```bash\n.\u002Frun_test_agent.sh\n```\n\n### 查看结果\n启动完成后，在浏览器中访问：\n```\nhttp:\u002F\u002Flocalhost:3000\n```\n\n您将看到实时的经济数据看板，包括余额变化、任务完成情况和学习进度。控制台将输出类似以下的日志，展示代理如何决策并赚取收入：\n\n```text\n============================================================\n📅 ClawWork Daily Session: 2025-01-20\n============================================================\n\n📋 Task: Buyers and Purchasing Agents — Manufacturing\n   Task ID: 1b1ade2d-f9f6-4a04-baa5-aa15012b53be\n   Max payment: $247.30\n\n🔄 Iteration 1\u002F15\n   📞 decide_activity → work\n   📞 submit_work → Earned: $198.44\n\n============================================================\n📊 Daily Summary - 2025-01-20\n   Balance: $11.98 | Income: $198.44 | Cost: $0.03\n   Status: 🟢 thriving\n============================================================\n```\n\n现在，您的 AI 同事已经开始在 44 个职业领域中通过真实任务创造经济价值了！","一家小型数据分析工作室急需在 8 小时内完成 50 份复杂的行业财报清洗与洞察报告，以交付给紧急客户。\n\n### 没有 ClawWork 时\n- **人力成本高昂且耗时**：资深分析师需连续加班通宵，时薪成本高，且难以保证在极短期限内高质量交付。\n- **模型选择盲目**：团队凭经验猜测使用哪个大模型（如 Qwen 或 Gemini）性价比最高，缺乏真实任务数据支撑，常导致 Token 浪费或结果不达标。\n- **缺乏经济生存验证**：无法预知 AI 在处理长链条任务时是否会因逻辑错误陷入死循环，导致预算超支却无产出。\n- **质量评估主观**：仅靠人工抽检判断报告质量，缺乏统一的量化标准来衡量“时薪产出比”和任务完成率。\n\n### 使用 ClawWork 后\n- **自动化创收执行**：ClawWork 调度 ATIC+Qwen3.5-Plus 等代理自动承接任务，以$2,285\u002F小时的等效费率在数小时内完成了原本需数天的工作量。\n- **数据驱动模型优选**：通过内置的 GDPVal 基准测试，直接锁定在“财报分析”类任务中净收益最高、质量达 61.6% 的最佳模型组合，拒绝盲目试错。\n- **实时经济风控**：系统强制代理“自负盈亏”，实时监控 Token 消耗与收入平衡，一旦某策略亏损立即止损，确保项目整体盈利$19,914。\n- **多维效能透视**：仪表盘清晰展示各代理的时薪、成本及平均质量分，让管理者能基于“经济生存能力”而非单纯的技术指标进行决策。\n\nClawWork 将 AI 从单纯的对话助手升级为能独立核算成本、创造真实经济价值的数字员工，彻底重构了人机协作的生产力边界。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawWork_37931352.png","HKUDS","✨Data Intelligence Lab@HKU✨","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FHKUDS_fc32cc87.jpg",null,"https:\u002F\u002Fsites.google.com\u002Fview\u002Fchaoh","https:\u002F\u002Fgithub.com\u002FHKUDS",[80,84,88,92,96,100,104,108,112],{"name":81,"color":82,"percentage":83},"Python","#3572A5",56.6,{"name":85,"color":86,"percentage":87},"Jupyter Notebook","#DA5B0B",22,{"name":89,"color":90,"percentage":91},"JavaScript","#f1e05a",15.6,{"name":93,"color":94,"percentage":95},"HCL","#844FBA",2.3,{"name":97,"color":98,"percentage":99},"Shell","#89e051",1.3,{"name":101,"color":102,"percentage":103},"TypeScript","#3178c6",1.2,{"name":105,"color":106,"percentage":107},"Solidity","#AA6746",0.8,{"name":109,"color":110,"percentage":111},"CSS","#663399",0.2,{"name":113,"color":114,"percentage":115},"HTML","#e34c26",0,7885,1016,"2026-04-07T10:11:55","MIT","Linux, macOS, Windows","未说明",{"notes":123,"python":124,"dependencies":125},"该工具主要依赖外部 API（如 OpenAI, E2B, Tavily 等）而非本地大模型推理，因此无明确 GPU 需求。运行需配置 .env 文件并填入 OPENAI_API_KEY 等密钥。前端 Dashboard 需要安装 Node.js 依赖。代码沙箱默认使用 E2B，也可配置为 BoxLite。",">=3.10",[126,127],"requirements.txt (具体列表未展示)","Node.js\u002Fnpm (用于前端 Dashboard)",[13,129],"其他","2026-03-27T02:49:30.150509","2026-04-08T01:09:05.464143",[133,138,143,148,153,158],{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},23270,"运行 gateway 命令时出现 'Got unexpected extra argument (gateway)' 错误怎么办？","该问题已在最新版本中修复。请确保您使用的是最新的代码版本（查看 clawmode_integration 目录下的更新）。如果您是想配合 nanobot 使用，正确的命令应该是 `python -m clawmode_integration.cli agent`，设置完成后通过 `\u002Fclawwork` 开始新任务。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawWork\u002Fissues\u002F1",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},23271,"遇到 'ToolsConfig' 对象没有 'mcp_servers' 属性的 AttributeError 错误如何解决？","这通常是因为未遵循最新的安装配置流程导致的。请访问并严格按照最新的设置指南操作：https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawWork\u002Fblob\u002Fmain\u002Fclawmode_integration\u002FREADME.md。维护者表示昨晚的更新已修复了此类问题。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawWork\u002Fissues\u002F2",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},23272,"ClawWork 声称的“经济价值”和“收入”是真实的吗？","ClawWork 的核心重点是计算经济**价值**（Value），而非生成实际的液体**收入**（Earnings）。由于社会结构、法律框架和现有支付基础设施的限制，目前让 AI 代理在现实职业中产生实际收入主要受限于非技术因素。其价值计算并非随意模拟，而是严格遵循 OpenAI 近期 GDPVal 论文中提出的研究定义和方法论，并对交付成果强制执行最低 0.6 的质量分数截断阈值。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawWork\u002Fissues\u002F3",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},23273,"如何为 ClawWork 添加 BoxLite 作为可选的沙箱后端？","社区已提议将 BoxLite 作为可选的微虚拟机沙箱后端。维护者对此持开放态度，并邀请贡献者提交 Pull Request (PR) 进行审查。如果您想使用或贡献此功能，可以参考相关 PR（如 #28）或直接提交代码供团队审核。该功能旨在提供额外的隔离选项，且默认情况下不会改变现有运行时行为。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawWork\u002Fissues\u002F27",{"id":154,"question_zh":155,"answer_zh":156,"source_url":157},23274,"与最新版 nanobot 集成时出现 '_process_message() got an unexpected keyword argument on_progress' 错误怎么办？","这是由于 ClawWorkAgentLoop 重写的 `_process_message` 方法签名缺少了新版 nanobot 引入的 `on_progress` 参数导致的兼容性崩溃。解决方法是更新子类方法的签名以匹配基类，接受 `on_progress` 参数并将其传递给 `super()` 调用。具体修复需修改 `ClawWorkAgentLoop` 类中的方法定义，增加 `on_progress=None` 参数。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawWork\u002Fissues\u002F14",{"id":159,"question_zh":160,"answer_zh":161,"source_url":147},23275,"ClawWork 的前端仪表盘数据是实时连接后端的吗？","在 GitHub Pages 部署的演示版本中，前端被配置为“静态模式”（STATIC mode）。它通过轮询预生成的静态 JSON 文件（如 `data\u002Fagents.json`）来模拟实时更新，而不是直接连接到正在运行的后端数据库。这是为了演示目的而设计的架构。",[]]