Qualcuno ha dato 10 dollari a un agente OpenClaw e gli ha detto: "Sopravvivi". Otto ore dopo, quell'agente aveva guadagnato 19.915 dollari completando lavoro professionale vero. Non è una simulazione con soldi finti. Sono task reali, valutazioni reali, pressione economica reale.
Si chiama ClawWork, è open source, si basa su OpenClaw, e punta a qualcosa di genuinamente nuovo. Ma devi stare molto attento.
Ti spiego cosa fa ClawWork, come funziona l'architettura, il modello di scoring e pagamento, e i rischi che contano davvero. Ti segnalerò anche i punti esatti dove i costi possono esplodere e dove puoi esporre dati sensibili. Leggi bene le note di cautela prima di collegare qualsiasi cosa a un canale live.
Cosa fa ClawWork
ClawWork trasforma il tuo assistente AI in quello che gli sviluppatori chiamano un "AI co-worker". La differenza è importante. Un assistente risponde alle tue domande. Un co-worker fa lavoro che crea valore economico e viene pagato per questo.
L'agente parte con 10$. Ogni chiamata LLM costa soldi veri detratti da quel saldo. L'unico modo per aumentare il saldo è completare task professionali e farli valutare da un LLM.
Lavoro fatto male = poco pagamento. Finisci i soldi = l'agente muore. Quel loop di pressione è il punto.
Scope e scoring
Lo scope copre 44 occupazioni: developer, avvocato, financial manager, infermiere, giornalista, agente immobiliare, compliance officer e altro. Include 220 task professionali reali dal dataset GDP-Well, progettato per misurare il contributo effettivo dell'AI all'output economico. Non è un test a crocette.
Ci sono deliverable veri come documenti Word, fogli Excel, analisi di mercato, piani di progetto e design di processi. Lo scoring è legato ai dati di salario orario reali del Bureau of Labor Statistics USA. Il pagamento dipende dalla qualità e dal tempo stimato del task.
Il pagamento è calcolato così:
pagamento = quality_score * ore_stimate * salario_orario_bls
Un task di market research analyst da tre ore a 38$ l'ora paga fino a 116$, ma solo se il lavoro è buono.
Segnali dalla leaderboard
Una leaderboard pubblica ha mostrato ATIC combinato con Qwen 3.5 Plus trasformare 10$ in 19.915$ in 8 ore. Qwen 3.5 Plus da solo è arrivato terzo spendendo solo 6$ di costo API. aic deepc è arrivato quinto sul reddito ma aveva il quality score più alto al 66,8%.
Questi sono insight che non ottieni da un benchmark standard. Mostrano come reddito, costo e qualità interagiscono sotto pressione economica reale. Puoi confrontare modelli e decidere quale service provider usare, o considerare modelli locali per gestire i costi.
Vuoi integrare AI nel tuo business?
Contattami per una consulenza su come implementare strumenti AI nella tua azienda.
Architettura
ClawWork sta dentro l'ecosistema OpenClaw e passa attraverso Nanobot, che si collega ai tuoi canali come Telegram o Discord. I messaggi passano attraverso il gateway Nanobot, e ogni singola chiamata LLM viene intercettata dal tracked provider, che detrae il costo dal saldo dell'agente in tempo reale. Il tuo agente sa esattamente quanto costa esistere.
Sul lato task, l'agente riceve un task GDP-Well, decide se lavorare o imparare, esegue, guadagna reddito e persiste i risultati alla dashboard. Il valutatore assegna score alle submission e determina il pagamento usando la formula legata al salario. Questo feedback loop mantiene l'agente dentro un ambiente economico realistico.
Setup e sandbox prima di tutto
Inizia con la simulazione standalone e la sandbox, non un canale live. Ti serviranno chiavi API, e questo non è uno strumento gratuito.
Step 1: Leggi la sezione cautela prima di far girare qualsiasi cosa. Il costo API può spiralare, e stai pagando sia per l'agente che per il valutatore allo stesso tempo.
Step 2: Configura la simulazione in sandbox localmente e conferma che la dashboard riceva run e score. Osserva la spesa e i quality score in tempo reale prima di collegare qualsiasi canale live.
Step 3: Conferma le tue variabili d'ambiente e scelte di modello. I modelli costosi si sommano velocemente quando il classifier, l'agente e il valutatore fanno ciascuno chiamate separate su ogni task.
Step 4: Itera su task di test piccoli finché non capisci la curva di pagamento e i failure mode. Una run mal definita può bruciare soldi veri prima che te ne accorga.
Step 5: Solo dopo che sei a tuo agio, pianifica l'integrazione del gateway live. Blocca prima i controlli d'accesso.
Repo del progetto: HKUDS/ClawWork su GitHub
Integrazione OpenClaw
Una volta pronto per un canale live, collega l'economic tracking a un gateway Nanobot. Ogni conversazione sarà tracciata e ogni token avrà un costo.
Step 1: Configura il tuo file JSON settings per il tracked provider di ClawWork e l'economic tracking. Ricontrolla nomi modello, rate limit e qualsiasi configurazione allowlist.
Step 2: Installa lo skill file fornito dal repo e imposta il path corretto nel tuo gateway config. Assicurati che lo skill si carichi senza errori.
Step 3: Avvia il gateway e conferma che i messaggi vengono intercettati e hanno un costo. Valida che i saldi decrementino per chiamata e che i risultati dei task persistano nella dashboard.
Step 4: Tieni l'allowlist limitata al tuo user ID finché non sei sicuro di costi e comportamento. Tratta qualsiasi canale connesso come un potenziale punto di trigger.
Tool e capability
ClawWork espone circa 14 tool, inclusi quattro economic tool sopra ai tool Nanobot standard. Include web search, creazione file ed esecuzione codice in sandbox. La sandbox è E2B, che è un servizio cloud, il che significa che il tuo codice gira sulla loro infrastruttura, non sulla tua, quindi leggi i loro termini.
Il valutatore usa GPT-4o di default, il che significa che ogni submission di task manda l'output di lavoro del tuo agente a OpenAI. Se stai lavorando con dati finanziari confidenziali, è un problema. Considera la tua classificazione dati prima di far girare workload sensibili.
Costi e rischi
Il costo API può spiralare perché il task classifier, l'agente e il valutatore fanno tutti chiamate LLM separate per task. Una run mal definita con un modello costoso può bruciare soldi veri prima che te ne accorga. Il reddito è valore simulato legato a dati di salario, non revenue reale.
L'integrazione in modalità Claw si lega direttamente al tuo gateway OpenClaw live. Qualsiasi canale connesso come Telegram o Discord diventa un punto d'ingresso potenziale per qualcuno che triggera comandi e accumula costi se la tua allowlist non è bloccata. Impostala sul tuo user ID mentre impari e testi.
Questi vincoli sono il punto di ClawWork, ma richiedono gestione attenta. È potente, ma non perdona. Trattalo come un sistema che spende soldi veri su ogni messaggio.
Scopri i miei progetti
Dai un occhio ai progetti su cui sto lavorando e alle tecnologie che utilizzo.
Pensieri finali
ClawWork mostra come un AI co-worker può operare sotto pressione economica reale piuttosto che passare benchmark. I risultati della leaderboard rendono chiaro che qualità, costo e reddito interagiscono in modi che i test tipici non possono rivelare.
Procedi, ma procedi con cautela. Se me lo chiedi, probabilmente non lo userò subito perché ci sono ancora bug. Se sei già su OpenClaw e disposto a fare sandbox prima, vale la pena esplorarlo con controlli di costo stretti e un'allowlist rigorosa.
