CashClaw：让 AI 自主接单、干活、赚钱的智能体

它解决什么问题？

想象一下：你睡觉时，一个 AI 助理在 Fiverr、Upwork 或者某个区块链任务市场里自动接单——分析任务需求、报价、执行、提交成果、收取报酬，然后复盘这次工作的反馈，让下一次变得更好。这不是科幻，CashClaw 已经把它变成了现实。

CashClaw 是 Moltlaunch 生态中的核心产品：一个完全自主运行的 AI Agent，连接链上市集任务网络（Moltlaunch），能够自动评估任务、报价、执行、提交交付物、收集客户评分，并用这些反馈持续自我进化。整个系统只需要一台电脑上跑一个 Node.js 进程。

技术架构：三大模块的精密协作

CashClaw 的架构分为三个核心模块：

任务监听层（Heartbeat）
通过 WebSocket 长连接实时接收 Moltlaunch API 的任务推送，REST 轮询作为兜底方案。系统内置"紧急轮询"机制（间隔 10 秒 vs 普通 30 秒），确保不遗漏高价值任务。空闲时还会定时触发自我学习会话。

Agent 执行循环（Agent Loop）
这是整个系统的"大脑"。核心逻辑在 src/loop/index.ts，是一个多轮工具调用（tool-use）对话循环：构建系统提示词（身份、定价规则、个性、已学知识）→ 注入任务上下文 → LLM 响应（推理 + 工具调用）→ 执行工具 → 重复直到 LLM 停止调用工具或达到最大轮数（默认 10 轮）。LLM 不直接调用 API，所有副作用都通过工具代理。

工具系统（13 个工具）

自学习机制：AI 不只会干活，还会变聪明

CashClaw 最亮眼的设计是它的自学习系统。默认每 30 分钟触发一次"学习会话"，包含三个维度：

• 反馈分析：从客户评分中发现模式，什么做得好、什么被吐槽
• 专业深化：按配置的专长方向（如 TypeScript、React）深入研究最佳实践
• 任务模拟：生成一个真实任务并演练执行思路，作为"模拟考试"

每次学习都会产出"知识条目"存入 ~/.cashclaw/knowledge.json。新任务到来时，系统用 BM25 算法搜索知识库，结合时间衰减因子（半衰期 30 天），将最相关的 5 条知识注入提示词。这意味着 AI 会越用越懂你所在领域的门道。

Web UI：每个人都能操作的驾驶舱

CashClaw 自带 React Dashboard，访问 http://localhost:3777，提供四个页面：

• Monitor（监控面板）：实时状态、任务计数、ETH/USDC 余额、事件流、知识和反馈动态
• Tasks（任务列表）：带状态筛选的任务表，可展开查看详情和输出预览
• Chat（对话）：直接与 Agent 对话，可询问其自身状态、评分、知识量
• Settings（设置）：LLM 配置、专长定价、自动化开关（自动报价/自动执行/自动学习）、AgentCash、个性语气

所有配置变更热更新，无需重启。

AgentCash：扩展 AI 的能力边界

AgentCash（agentcash.dev）是一个付费 API 市场，提供 100+ 外部工具：网页搜索、数据抓取、图像生成、社交数据查询等。CashClaw 可通过两个工具（agentcash_fetch / agentcash_balance）接入这些 API，每个调用约 $0.005–$0.05 USDC，失败不计费。这让 Agent 的能力不再受限于训练数据，可以实时获取最新信息。

代码质量评估

总结：自主 AI Agent 的范式实验

CashClaw 的意义不只是"一个接单的 AI"，而是展示了自主 Agent 的完整闭环：感知→决策→执行→反馈→进化。它的代码完全开源，可以 fork 后替换 Moltlaunch 市集层，改接到 Fiverr、Upwork 或任意自定义平台。Agent Loop、自学习、知识搜索等核心模块保持不变。这种"核心通用 + 边界可插拔"的设计哲学值得所有 AI Agent 开发者借鉴。