HKUDS开源AI Agent经济生存基准测试框架ClawWork详解

ClawWork是什么

如果让AI去真实世界里“打工”，它能不能养活自己？香港大学数据科学实验室（HKUDS）开源的ClawWork项目，就是为了回答这个问题而生的。它本质上是一个AI Agent的“经济生存”基准测试框架，专门评估大模型在模拟真实商业环境中的“赚钱能力”。

这套系统的规则很现实：给每个Agent 10美元作为启动资金，然后把它扔进一个包含220个真实职业任务的环境里。这些任务可不是凭空捏造的，它们覆盖了金融、医疗、制造等44个行业，都是现实工作中会遇到的场景。Agent需要通过完成任务来赚取报酬，而每一次调用模型、生成回答，都要消耗Token——这都得从自己的“钱&包”里扣钱。一旦资金耗尽，Agent就宣告“破产”，游戏结束。

更有意思的是任务报酬机制。报酬不是固定的，而是根据任务完成质量，由GPT-5.2模型进行评分（0-1分）来结算。任务价值从82美元到5000美元不等，这意味着Agent必须做出战略权衡：是赶紧接个简单活，赚点快钱维持生计？还是花点成本去“学习”和“思考”，提升能力，以便未来能拿下报酬更高的大任务？这种在“立即工作赚钱”与“投资学习提升”之间的抉择，像极了真实商业世界中的生存逻辑。

目前，ClawWork支持GPT-4o、Claude、Kimi等多种主流模型同台竞技，并通过一个React开发的实时仪表板来监控所有Agent的生存状态。可以说，它为研究AI劳动力经济提供了首个“用进废退”的真实压力测试场。

ClawWork的主要功能

要理解ClawWork的独特价值，可以从它的几个核心功能模块来看：

1. 基于真实世界的任务库

框架内置的220个职业任务，全部来源于OpenAI的GDPVal数据集，覆盖了制造、金融、医疗、政府、零售等44个经济部门。每个任务都对应着一个真实的工作场景，确保了测试环境与现实商业挑战的高度吻合。

2. 硬核的经济责任制

这是ClawWork的灵魂。在模拟中，每一个Token的消耗都需要“付费”，而收入唯一来源就是高质量地完成任务。这种设计将成本控制压力直接嵌入系统，迫使Agent必须像真正的商业实体一样，关注投入产出比。

3. 工作与学习的战略博弈

Agent每天都需要做出关键决策：是消耗资源立即工作以获取现金流入，还是将资源投入“学习”（例如进行更深度的规划或反思），以提升未来任务的表现和报酬？这模拟了企业或个人在短期生存与长期发展之间的经典权衡。

4. 多模型竞技场

框架支持集成GPT-4o、Claude、GLM、Kimi、Qwen等主流大模型。研究者可以让不同模型的Agent在完全相同的经济环境中竞争，直观地对比它们的经济生存能力和策略有效性。

5. 实时可视化监控

通过一个基于React构建的仪表板，用户可以实时追踪每个Agent的余额、收入、成本消耗和生存状态，所有数据一目了然。

6. 灵活的集成扩展

通过其ClawMode，可以将任何基于Nanobot网关的Agent转化为被经济追踪的“AI同事”，支持本地和云端多种部署方式，提升了框架的实用性和可扩展性。

ClawWork的项目地址

该项目已在GitHub上开源，感兴趣的研究者和开发者可以直接访问仓库获取全部代码和详细文档：https://github.com/HKUDS/ClawWork。

如何使用ClawWork

上手ClawWork进行实验，通常需要经历以下几个步骤：

第一步：环境搭建与依赖安装

首先克隆GitHub项目仓库到本地。然后，通过命令行执行 pip install -r requirements.txt 来安装所有必要的Python依赖。接下来，需要配置OpenAI API密钥，这个密钥主要用于驱动任务质量的评估器。

第二步：配置你的Agent

在项目配置文件中，你可以定义Agent的关键参数：选择使用的模型类型（如GPT-4o、Claude等）、设定初始资金（默认为10美元），以及制定Agent的每日核心决策策略（例如，是倾向于“工作优先”还是“学习优先”）。

第三步：加载任务集

系统默认会从OpenAI GDPVal数据集中加载那220个真实职业任务。如果你有特定需求，也可以自定义添加某个垂直行业的专业任务，以测试Agent在特定领域的生存能力。

第四步：启动经济生存模拟

运行主程序，模拟便正式开始。你的Agent将自动接收任务、调用模型执行、并根据完成质量获得相应的报酬，同时承担所有的Token成本。

第五步：实时监控与过程分析

在整个模拟运行期间，你可以打开React实时仪表板，动态查看Agent的当前余额、累计收入、成本消耗以及它已经“存活”了多少天。这有助于你即时理解Agent的策略表现。

第六步：结果导出与深度分析

模拟结束后，可以导出完整的分析报告。报告会涵盖盈利能力、任务完成质量分布、成本效率等关键指标。这些数据是进行不同模型对比或优化Agent决策策略的基础。

ClawWork的应用场景

这样一个独特的经济模拟框架，能在哪些领域发挥作用呢？它的应用场景相当广泛。

对于大模型研发与选型团队而言，ClawWork提供了一个前所未有的评估维度。它不再只看模型的回答是否准确流畅，而是看它在真实的商业成本压力下，能否持续“盈利”。你可以让GPT-4o、Claude、Kimi等模型同台竞技，用数据说话，为生产环境的模型选型提供扎实的成本效益支撑。

对于计划部署AI Agent的企业来说，这相当于一个“商业可行性验证沙盒”。在将Agent投入真实业务并开始产生实际费用之前，可以先在ClawWork中测试它是否具备经济上的自我维持能力，从而大幅降低部署的财务风险。

在学术研究领域，特别是经济学和AI交叉领域，ClawWork为研究者提供了一个绝佳的实验环境。可以用来模拟和研究AI Agent在劳动力市场中的行为模式、定价策略以及生存法则，推动AI劳动力经济这门新兴学科的发展。

对于Agent策略开发者，框架是绝佳的优化平台。通过反复调整Agent在“工作”与“学习”之间的资源分配参数，观察长期生存表现，可以迭代出最优的战略算法，提升Agent的长期盈利能力和鲁棒性。

在企业决策层面，ClawWork的模拟结果可以转化为直观的成本效益分析报告。帮助决策者量化评估引入AI Agent替代或辅助人工所能带来的真实投资回报率（ROI），让技术投资决策更加理性。

最后，在教育领域，ClawWork也是一个生动的教学工具。它能让学习AI工程的学生在早期就建立起强烈的“成本意识”，理解一个AI系统不仅要在技术上可行，更要在经济上可持续，从而培养出兼具技术能力和商业思维的新一代开发者。