[Github] ClawWork – AI Agent 经济任务评测框架

引言

AI Agent 到底能创造多少价值？光说能力没用，得看它能不能在真实环境里赚到钱。

香港大学开源了一个很有意思的项目 ClawWork，用带有任务报酬和调用成本的实验环境评估 AI Agent。每个 Agent 只有 10 美元启动资金，每次调用 LLM 都要扣费，必须通过完成任务赚钱才能活下去。

这可能是最硬核的 AI 能力测试了。

项目状态（截至 2026-07-13）：仓库 HKUDS/ClawWork 当前约有 8,227 Stars、1,055 Forks，默认分支为 main，许可证/授权说明为 MIT，最近一次推送日期为 2026-03-03，仓库未归档。数据会持续变化，使用前请查看 README、Releases、提交记录和 LICENSE 原文。

项目简介

ClawWork 是一个 AI Agent 经济测试框架，核心思路很简单：让 Agent 在预设任务、成本和报酬规则下独立完成工作。

每个 AI 代理只有 10 美元启动资金，每次调用 LLM 都要扣费。如果钱花光了还没赚到更多，那这个 Agent 就”饿死”了。

项目涵盖了 220 个真实职业任务，覆盖 44 个经济领域，包括技术工程、商业金融、医疗社会服务等。支付系统是基于美国劳工统计局的时薪数据算的，单个任务价值从 82 美元到 5000 美元不等。

开源地址： https://github.com/HKUDS/ClawWork

核心特性

真实经济环境

任务定价参考就业市场数据，但这仍是研究评测环境，不代表 Agent 已在公开劳动力市场实际接单或获得同等收入。

项目报告的实验结果

根据测试数据，表现最好的 Agent 可以实现 每小时 1500 美元以上的等效收入。这个数字已经超过一般白领的生产力了。

实时仪表盘

项目自带一个实时 React 仪表盘，可以直观看到余额变化、任务完成情况等数据。运行过程中每一步都清清楚楚。

如何运行

本地运行很简单：

1. 克隆仓库
2. 创建 Python 3.10 环境
3. 运行启动脚本

运行前仍需按 README 配置 Python 环境、模型凭据和相关依赖。

总结

ClawWork 适合以下场景：

• 评估不同 AI Agent 的实际盈利能力
• 研究 AI Agent 在真实经济环境中的行为模式
• 测试和优化你的 AI Agent 策略

它适合研究任务完成质量、调用成本和策略之间的关系，结果应结合评测设置解读。