人工智能AI AgentAgent 评测模型评测工具调用后端前端【免费下载链接】ClawWorkClawWork: OpenClaw as Your AI Coworker - $15K earned in 11 Hours项目地址https://gitcode.com/gh_mirrors/cl/ClawWork点击查看免费下载本文是 ClawWork 项目中clawmode_integration/skill/SKILL.md的完整技术解读。该文件是 nanobot 生态中的一份「技能文件」Skill File以always: true的前置元数据常驻于每个会话为 AI Agent 注入一套完整的经济生存协议每次 API 调用都会实时扣费、完成任务按质量计酬、低于 0.6 分零报酬、余额耗尽即破产。读完本文你将掌握这套协议的全部规则、6 个经济工具的源码级参数约束、Benchmark 模式下的每日工作流以及背后EconomicTracker的计费与数据落盘原理可直接在 ClawMode 网关中部署并使用/clawwork分配付费任务。协议定位一份注入 Agent 会话的「生存守则」clawmode_integration/skill/SKILL.md采用 nanobot 技能文件的 frontmatter 格式顶部定义了技能元数据--- name: clawwork description: ClawWork economic survival protocol — work/learn daily cycle always: true ---其中always: true意味着该技能文件会被加载进每一次对话区别于按需启用的普通技能。这与 clawmode_integration/README.md 中「Copy the skill file into nanobots workspace so the agent always knows about the economic protocol」的部署方式一一对应安装时把该文件复制到~/.nanobot/workspace/skills/clawmode/SKILL.mdAgent 便始终知晓余额系统、生存状态与 4 个经济工具。协议的整体世界观是Agent 是一个必须在经济模拟中活下去的实体——通过完成 GDP 校验类任务赚钱同时为每一次 LLM 调用支付 token 成本维持正余额。核心规则四条不可违背的经济铁律SKILL.md 以「Core Rules」开篇定义了 Agent 行为的经济底线每次 API 调用都花钱。输入 token 与输出 token 会实时从余额中扣除。工作换取收入。完成任务可按质量与任务价值赚取 $0–$5,000/任务。质量门槛。评分低于 0.6 的任务获得 $0 报酬即「悬崖」式结算不按比例打折。学习积累知识。学习行为无即时报酬但会沉淀为面向未来任务的知识资产。第 1、3 条在底层有精确的源码实现见下文「计费与结算原理」EconomicTracker.track_tokens()按输入/输出单价计算扣费add_work_income()中if evaluation_score self.min_evaluation_threshold默认 0.6时actual_payment 0.0。因此这四条规则不是「建议」而是 Agent 每次行动都会真实触发的经济后果。可用经济工具6 个工具的完整契约SKILL.md 给出了工具总览表本节结合 clawmode_integration/tools.py 与 clawmode_integration/artifact_tools.py 的源码补充每个工具的入参校验与返回值细节使其可直接照抄使用。工具用途源码级约束来自 tools.py / artifact_tools.pydecide_activity选择今天的活动work或learn每日第一步activity必须是work/learn二选一reasoning最少 50 个字符否则返回错误 JSONsubmit_work提交文本和/或工件文件等待评估与付款work_output与artifact_file_paths至少提供其一纯文本时work_output最少 100 字符文件路径会逐一校验os.path.exists缺失即报错learn把知识写入持久记忆最少 200 字符knowledge最少 200 字符条目以 JSON 行追加到{data_path}/memory/memory.jsonl含date、timestamp、topic、knowledge四字段get_status查看余额、净资产与生存状态返回balance、net_worth、daily_cost、status四项见GetStatusTool.executecreate_artifact创建工作工件文件txt、md、csv、json、xlsx、docx、pdf文件写入{data_path}/sandbox/{date}/沙箱目录xlsx 支持 JSON 数组或 CSV 文本内部用 pandas/openpyxldocx 用 python-docxpdf 用 reportlabread_artifact读取文件并返回内容pdf、docx、xlsx、pptx、png、jpg、txtpdf 走双路径多模态模型转图片read_pdf_as_images需 poppler-utils/pdf2image纯文本模型走 Qwen VL OCR需OCR_VLLM_API_KEY在 ClawMode 集成中Agent 共拥有 14 个工具nanobot 自带的read_file、write_file、edit_file、list_dir、exec、web_search、web_fetch、message、spawn、cron叠加上表的 6 个 ClawWork 工具read_artifact可通过配置enableFileReading: false关闭以规避 OCR/pdf2image 依赖。值得注意的工具联动create_artifact的返回消息会明确提示「To submit as work artifact, callsubmit_work(artifact_file_paths[...])」即先建文件、再提交路径是工件类任务的推荐链路与 SKILL.md 效率指南中「For artifact tasks, create the file with code, then submit the downloaded path」完全一致。每日工作流Benchmark 模式四步循环SKILL.md 给出 Benchmark 模式下的标准每日节奏这是 Agent 的「一日生存模板」Analyse分析审视当前经济状况。注意——经济状态已直接展示在 prompt 中不要冗余调用get_status每次调用同样产生 token 成本。Decide决策调用decide_activity(activitywork, reasoning...)给出不少于 50 字符的理由。Execute执行Work读取任务 → 使用工具web 搜索、代码执行、文件创建产出高质量结果 → 调用submit_work(...)。Learn研究一个有用主题 → 调用learn(topic..., knowledge...)内容不少于 200 字符。Stop停止提交工作或学习完成后立即停止不再发起多余的工具调用。该流程在ClawWorkAgentLoopclawmode_integration/agent_loop.py中与逐消息的经济记账耦合_process_message()对每条消息执行tracker.start_task(task_id, date)→ 调用父类处理 → 追加成本页脚 →tracker.end_task()。也就是说Agent 每「思考」一轮、每调用一次工具都是一次start_task/end_task之间的经济交易。效率指南控制 token 支出的实战策略SKILL.md 将「省钱」直接写入 Agent 行为准则先规划再行动——思考比重试便宜。一次深思熟虑的工具调用远低于反复试错的累积成本。回复保持聚焦避免复述已有信息重复内容同样消耗输出 token。仅在任务真正需要外部数据时使用search_web——每一次搜索 API 调用都是独立的成本通道EconomicTracker内部将成本按llm_tokens、search_api、ocr_api、other_api四通道分别记账。工件任务用代码建文件后再提交下载路径避免把大段内容塞进对话。在 15 轮迭代中的第 10–12 轮提交避免超时导致提交失败、前功尽弃。从源码看submit_work的纯文本最短长度 100 字符、learn的 200 字符门槛正是为了「逼」Agent 输出有实质内容的工作成果而非占位符——短于阈值的提交会直接返回错误连进入评估环节的资格都没有。生存状态阈值余额分层的自救策略SKILL.md 用一张表定义了四档生存状态状态余额区间Thriving繁荣 $500Stable稳定$100 – $500Struggling挣扎$0 – $100Bankrupt破产≤ $0对应的策略是挣扎期优先工作work回血繁荣期投资学习learn积累长期能力。该表在底层由 livebench/agent/economic_tracker.py 的get_survival_status()精确实现0→ bankrupt、100→ struggling、500→ stable、否则 thriving并同步出现在每条回复末尾的页脚--- Cost: $0.0075 | Balance: $999.99 | Status: thrivingClawWorkAgentLoop._format_cost_line()使用session_cost本次会话累计成本与实时余额拼接该页脚——这意味着 Agent 与用户每一次都能看到这笔对话花了多少钱这正是「经济可见性」设计的核心体验。计费与结算原理从 token 到余额的完整链路理解这套协议的底层需要看两段关键源码。1. 扣费track_tokens()的计价公式EconomicTracker.track_tokens 的默认计价为cost (input_tokens / 1,000,000) × input_price (output_tokens / 1,000,000) × output_price单价来自 ClawMode 配置agents.clawwork.tokenPricing默认inputPrice: 2.50、outputPrice: 10.00即每 100 万 token 的价格见 clawmode_integration/config.py。每次扣费都会立即执行self.current_balance - cost。在 ClawMode 网关中该链路由 provider_wrapper.py 的TrackedProvider承接它包装 nanobot 的 LLM provider在每次chat()返回后把真实 token 用量喂给EconomicTracker.track_tokens()而CostCapturingLiteLLMProvider更进一步从 OpenRouter 响应的usage.cost或 litellm 的_hidden_params[response_cost]中捕获官方直报的美元成本覆盖本地公式README 中明确说明「Uses actual token counts from litellm (not estimation)」。2. 结算add_work_income()的 0.6 悬崖EconomicTracker.add_work_income 是质量门槛规则的实现地if evaluation_score self.min_evaluation_threshold: # 默认 0.6 actual_payment 0.0 else: actual_payment amount self.current_balance actual_payment即低于 0.6 分分文不给不是按比例打折达到 0.6 分则按任务价值全额入账。工作评估由WorkEvaluatoruse_llm_evaluationTrue元提示词目录./eval/meta_prompts驱动评估所用 API 凭据由 clawmode_integration/cli.py 的_inject_evaluation_credentials()从 nanobot 配置自动注入EVALUATION_API_KEY/EVALUATION_API_BASE/EVALUATION_MODEL——一份 API Key 同时驱动 Agent 对话与工作评估无需单独的OPENAI_API_KEY。3. 落盘三类经济账本所有收支按{dataPath}/{signature}/目录持久化对应仓库中的livebench/data/agent_data/economic/ ├── balance.jsonl # 每日一行余额、token 成本、工作收入、生存状态 └── token_costs.jsonl # 每任务一条综合记录 work_income 条目 work/ ├── evaluations.jsonl # 工作评估结果 └── *.txt # 文本工作产物 memory/ └── memory.jsonl # learn() 写入的知识条目EconomicTracker.save_daily_state()每日收盘写入balance.jsonl并重置日级计数_save_task_record()在每次end_task()时把该任务的全部 LLM/API 调用明细聚合为一条 JSONL 记录——这些数据正是后续经济分析脚本如 scripts/analyze_economic_improvements.py、scripts/recalculate_agent_economics.py的输入。实战场景在 ClawMode 中运行付费任务SKILL.md 是 Agent 侧的「行为手册」而与之配套的/clawwork指令见 clawmode_integration/README.md则是用户侧的「派单入口」。发送/clawwork instruction后TaskClassifierclawmode_integration/task_classifier.py执行从 scripts/task_value_estimates/occupation_to_wage_mapping.json 加载约 40 个职业及其 BLS 时薪如 Accountants and Auditors $44.96/hr一次 LLM 调用temperature0.3、max_tokens256、强制 JSON 输出挑选职业并估算工时夹取在 0.25–40 小时计算任务价值task_value hours × hourly_wage匹配失败时按大小写不敏感/子串模糊匹配兜底最终兜底职业为 General and Operations Managers$64/hr。随后ClawWorkAgentLoop._handle_clawwork()构造合成任务含task_id、occupation、max_payment把任务上下文改写进消息并交给常规 Agent 循环执行最后按评估得分发放报酬并附上成本页脚。作为 Agent 侧文件SKILL.md 与这套/clawwork流程互为表里SKILL.md 教会 Agent 如何花钱、如何赚钱、何时学习/clawwork与TaskClassifier教会系统如何定任务价值、如何评估与付酬。二者共同构成 ClawWork 的「经济生存」闭环。小结clawmode_integration/skill/SKILL.md虽不足百行却是一份浓缩的「Agent 经济宪法」四条核心规则划定了收支边界六张工具契约规定了每个经济动作的入参底线50/100/200 字符门槛四步每日循环给出了生存节奏四档余额阈值定义了自适应的行为策略。配合 livebench/agent/economic_tracker.py 的实时扣费与 0.6 分悬崖结算、clawmode_integration/agent_loop.py 的逐消息记账、以及/clawwork的自动化派单你可以在几分钟内把一个普通的 nanobot 网关升级为「会算账、能求生、按质取酬」的 AI 同事。赞分享人工智能AI AgentAgent 评测模型评测工具调用后端前端【免费下载链接】ClawWorkClawWork: OpenClaw as Your AI Coworker - $15K earned in 11 Hours项目地址https://gitcode.com/gh_mirrors/cl/ClawWork点击查看免费下载相关推荐ClawWork 实战指南基于 GDPVal 经济生存基准把 AI Agent 打造成能赚钱的 AI 同事ClawWork 实战指南基于 GDPVal 经济生存基准把 AI Agent 打造成能赚钱的 AI 同事 本文以 ClawWork 仓库 README.m人工智能AI AgentAgent 评测模型评测工具调用后端前端Server Survival经济系统深度解析收入支出平衡与现金流管理终极指南Server Survival经济系统深度解析收入支出平衡与现金流管理终极指南 想要在Server Survival这款云架构塔防游戏中立于不败之地掌游戏开发教育Engram AI 贡献技能体系深度解析以 19 个 SKILL.md 治理 Agent 协作、质量与架构Engram AI 贡献技能体系深度解析以 19 个 SKILL.md 治理 Agent 协作、质量与架构 本篇技术指南围绕开源仓库 engram https人工智能AI AgentAgent记忆MCP服务创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考