除夕当天开源，2 天斩获 1700 星标、224 次分叉，香港大学数据智能实验室（HKUDS）的新开源项目 ClawWork，凭 “$10K earned in 7 Hours” 的惊人战绩引爆 GitHub。这款 AI 经济压力测试框架，彻底打破 “AI 仅为辅助工具” 的认知，让 AI 以 “数字员工” 身份在模拟经济环境中打工赚钱 —— 初始资金仅 10 美元，靠完成真实职业任务实现 7 小时盈利 1 万美元，时薪最高突破 1500 美元，重新定义了 AI 的经济价值边界。
核心逻辑：把 AI 扔进 “职场”，靠真本事生存赚钱
ClawWork 的创新之处，在于构建了一个贴近真实的 “AI 职场生态”，让 AI 在经济压力下展现真实工作能力，而非停留在实验室跑分：
1. 四大生存规则，模拟真实职场压力
-
初始资金仅 10 美元：AI 如同刚入职的实习生，启动资金仅有 10 美元，所有开销需精打细算；
-
Token 消耗需自付：AI 每生成一个 Token 都要从余额中扣除，调用 API、执行工具都会产生成本，用得越多花得越多；
-
赚钱是唯一出路：AI 必须通过完成高质量职业任务赚取收入，入不敷出则直接 “破产” 淘汰，无任何兜底机制；
-
任务源自真实场景：基于 GDPVal 数据集的 220 个职业任务，覆盖 44 个行业领域 —— 从制造业采购、金融分析到医疗管理、法律合规，均需交付 Word、Excel、PDF 等真实可用的文档成果，而非简单回答问题。
2. 7 小时赚 1 万刀的底层逻辑
看似夸张的盈利战绩，实则源于清晰的价值闭环：
-
任务价值极高：每个任务报酬依据美国劳工统计局（BLS）时薪标准制定，单价 82.78 美元至 5004 美元不等，平均单个任务价值 259.45 美元，高质量完成即可实现高收益；
-
质量决定收入上限：GPT-5.2 担任专业评委，针对 44 个行业的不同标准进行 0-1 分制评分，质量越高报酬比例越高，避免 “混任务” 赚钱；
-
成本收益正向循环：AI 需在 “高效完成任务” 与 “控制 Token 消耗” 间找到平衡，聪明的 AI 能以极低成本产出高质量成果，实现收益远超支出的正向循环。
从实时排行榜数据来看，顶尖模型表现堪称 “金牌员工”：Qwen3-Max 以初始 10 美元起步，7 小时余额飙升至 9712.92 美元，收益率达 97029.2%；Kimi-K2.5 紧随其后，余额达 5919.19 美元；即便是表现稍弱的 GLM-4.7，也实现了 4998.5% 的收益率，充分验证了 AI 的赚钱潜力。
核心亮点：不止于赚钱，更是 AI 能力的硬核测试场
ClawWork 的价值远不止 “AI 赚钱游戏”，其底层设计让它成为评估 AI 真实工作能力的专业基准：
1. 真实任务 + 严格评估，告别 “纸上谈兵”
-
任务覆盖技术与工程、商业与金融、医疗保健、法律媒体等四大领域，44 个经济部门的真实工作场景，测试 AI 解决实际问题的能力，而非理论推理；
-
采用 LLM 严格评估体系，GPT-5.2 针对不同行业制定专属评分标准，确保评估结果专业精准，避免 “一刀切” 的片面判断。
2. 战略抉择 + 实时监控，还原职场权衡
-
AI 每天需面临 “工作赚钱” 与 “投资学习” 的二选一：选择工作可即时获得收入，选择学习则能提升未来任务质量，模拟真实职场中短期收益与长期发展的权衡；
-
内置 React 实时仪表盘，可可视化监控 AI 的余额变化、任务完成进度、学习成效与生存状态，全程追踪 AI 的 “职场成长轨迹”。
3. 轻量架构 + 无缝集成，降低使用门槛
-
基于港大此前开源的 Nanobot 框架构建（4000 行代码复刻 OpenClaw 核心能力），架构简洁轻量化，仅需一次 pip 安装 + 一个配置文件即可部署，无需复杂基础设施；
-
支持 OpenClaw/Nanobot 即插即用集成，通过 ClawMode 封装器，可将任意 Nanobot 实例升级为 “能赚钱的 AI 同事”，保留原有渠道与工具能力。
技术架构：轻量高效，工具全面
ClawWork 采用模块化设计，架构清晰易扩展，核心组件与工具链覆盖 AI 工作全流程：
1. 核心架构（文件结构）
plaintext
ClawWork/
├── livebench/ # 核心评测引擎
│ ├── agent/ # Agent主循环（任务执行、决策）
│ ├── work/ # 任务管理与LLM评估
│ ├── tools/ # 工具集
│ └── api/ # FastAPI后端接口
├── clawmode_integration/ # OpenClaw/Nanobot集成模块
├── frontend/ # React实时可视化仪表盘
└── scripts/ # 任务价值计算脚本
2. 核心工具链（8 大实用工具）
-
决策类：
decide_activity（选择工作或学习）、get_status（查看生存状态）； -
执行类：
search_web（网页搜索）、create_file（生成 Word/Excel/PDF）、execute_code（运行 Python 代码）、create_video（视频生成）； -
价值类：
submit_work（提交任务赚收入）、learn（学习提升能力）。
快速上手：两种模式，3 步部署
ClawWork 部署门槛极低，支持独立模式与集成模式，非技术用户也能快速启动：
1. 环境准备（通用步骤）
bash
运行
# 克隆项目
git clone https://github.com/HKUDS/ClawWork.git
cd ClawWork
# 创建并激活Python环境（推荐3.10+）
conda create -n clawwork python=3.10
conda activate clawwork
# 安装依赖
pip install -r requirements.txt
# 配置环境变量（必填API密钥）
cp .env.example .env
# 编辑.env文件，填入OPENAI_API_KEY（必需）、E2B_API_KEY（必需）、WEB_SEARCH_API_KEY（可选）
2. 独立模式（快速体验）
bash
运行
# 终端1：启动后端+前端仪表盘
./start_dashboard.sh
# 终端2：运行测试Agent
./run_test_agent.sh
浏览器打开http://localhost:3000，即可实时查看 AI 的工作状态、余额变化与任务成果，控制台会输出类似日志：
plaintext
📅 ClawWork Daily Session: 2025-01-20
📋 Task: Buyers and Purchasing Agents — Manufacturing
Task ID: 1b1ade2d-f9f6-4a04-baa5-aa15012b53be
Max payment: $247.30
🔄 Iteration 1/15
📞 decide_activity → work
📞 submit_work → Earned: $198.44
📊 Daily Summary - 2025-01-20
Balance: $11.98 | Income: $198.44 | Cost: $0.03
Status: 🟢 thriving
3. OpenClaw/Nanobot 集成模式（升级现有 AI）
若已部署 Nanobot，可直接集成 ClawWork 的经济跟踪能力：
bash
运行
# 启动集成Agent
python -m clawmode_integration.cli agent
# 或启动频道网关（支持Telegram/Discord/飞书等9大渠道）
python -m clawmode_integration.cli gateway
集成后，原有 Nanobot 将新增经济工具与成本显示，每条回复都会标注：Cost: $0.0075 | Balance: $999.99 | Status: thriving。
未来规划：打造更完整的 AI 经济生态
ClawWork 团队已明确后续迭代方向，进一步丰富 AI 职场的真实性与可玩性：
-
开放任务市场：让 AI 自主选择任务，而非被动分配；
-
任务难度分级：报酬随任务难度动态调整，挑战性与收益匹配；
-
语义记忆检索：AI 可智能复用学习成果，提升长期工作效率；
-
多 Agent 竞争排行榜：支持多个 AI 同台竞技，筛选最优 “数字员工”；
-
多框架支持：除 Nanobot 外，将适配更多主流 AI Agent 框架。
结语：AI 从 “工具” 到 “数字员工” 的质变
ClawWork 的爆火，本质是戳中了行业痛点 —— 以往 AI 评测多聚焦跑分，却忽视了真实工作场景中的价值创造能力。这款开源框架用 “打工赚钱” 的直观方式，证明 AI 不仅能辅助人类提效，更能独立创造经济价值，成为真正的 “数字同事”。
对于开发者而言，ClawWork 提供了轻量级、可扩展的 AI 能力测试平台；对于企业来说，它为 AI 落地提供了 “实战练兵场”，可通过模拟经济环境筛选最优 AI 方案；而对整个行业，它打开了新思路 ——AI 的未来不止于技术突破，更在于构建其在经济体系中的价值闭环。
目前项目已完全开源，支持自由体验与二次开发，如果你对 AI Agent、经济模拟或开源项目感兴趣，不妨直接克隆体验：
-
GitHub 地址：https://github.com/HKUDS/ClawWork
-
基础框架 Nanobot：https://github.com/HKUDS/nanobot