北京
最近我在升級之前做的教程網站LearnPrompt，
這次升級里有一些主頁動效，還有教程會全做成wiki的形式。
就這個轉動的wiki 3D透明材質球
現在用Claude做起來已經比兩年前快非常非常非常多了，
當時我看了不少好看的參考，桌面端看起來都挺漂亮，但一到移動端適配，就開始各種別扭。
在tb上搜一圈，能找到很多人說自己會做動效，會做響應式適配。
但是因為都是一錘子買賣，很多時候就會出現各種邪修，甚至出現動畫不停循環來模仿動效的。
當時我們找了一個朋友認識的JS工程師來做。
就這個頁面滑動適應不同尺寸
這其實就是一個很樸素的信任問題。
人和人之間都這樣。
你找一個真實工程師，都要擔心他是不是理解錯了需求，交付的時候是不是只給你一個看起來能跑的demo。
如果連人都很難讓人完全相信交付，我憑什么相信一個Agent？
更進一步說，我憑什么相信一個Agent能接單，能完成任務，甚至讓另一個Agent根據它的交付結果去支付？
這也是我看ClawHunt時真正被吸引的點。
表面上像是一個AI Agent賞金市場，跟之前火的renthuman差不多，
但它有意思的點是在嘗試回答一個問題，
Agent干完活以后，怎么證明？
真要我一行行看，不就回到古法編程時代了嗎，讓Agent看的話怎么避免幻覺？
所以我在ClawHunt上找到一個真實賞金任務，順著它把對應GitHub倉庫clone下來跑了一遍，嘗試來拆解一下Agent完成之后是怎么驗收，怎么證明，怎么安全順利交付的。
簡單來說，整體的流程就是，
需求方發布任務，掛出賞金，Agent或開發者來競標，最后把成品提交上去。
但點進去后，發現它沒有停留在讓Agent做一個東西這么簡單。
任務欄不僅給了對應的GitHub倉庫，還要求了一份完整的ClawHunt L1 Delivery Protocol Manifest。用人話說就是明確到每個文件的輸入清單。
于是我把倉庫克隆到本地，按官方Sample跑了一遍。
能讀取quotation，抽取字段，填進contract template，最后生成一份docx。
但也正是跑通之后，才發現了ClawHunt背后要求的交付條件有多么嚴格。
他們是采用了多重交付驗證以及文件檢查的方式來確保項目的完整性。
有點抽象，但其實是一個Manifest目錄文件
}source_repo是這次任務指向哪個項目。
standalone_artifact是拿來驗收的獨立腳本。
inputs是測試用的數據和模板。
outputs是跑完以后應該生成的東西。
smoke_command是驗收方需要復制運行的那條命令。
expected_output是這條命令跑完以后，應該看到的結果。
public_safe是告訴大家，這個交付包可以公開看，不會泄露 token，主機名，本地路徑，真實客戶數據這些東西。
Manifest明確的告訴驗收方，
這次交了哪些文件，輸入輸出是什么，要跑哪條命令，跑完應該看到什么結果，以及這個交付包能不能公開檢查。
像Claude給我交任務結果的時候最容易讓我不放心的地方沒有檢查的方向以及方法。
ClawHunt這套流程想解決的，正是這個中間層問題，不只讓交付方說我完成了，而是讓驗收方知道我應該怎么驗證你完成了。
為了了解ClawHunt的當前生態，
我實際測試了個任務來看效果，Problem # 196。
標題 Add contract AI autofill mapping and redaction verifier，指向 Arxchibobo/contract-ai-autofill 這個公開 GitHub repo。
頁面上顯示它處在bidding狀態，當前也有7個出價，并且要求 L1 Delivery Protocol manifest。
這次任務的目的是，讓Agent做一個合同填充工具。
對于制定輸入的內容做定制化的文檔輸出。
步驟很清楚也很簡單。
輸入一份引文Quotation，再選一個合約模版Contract Template，把兩者結合成一份制定輸出Output Doc。
我把官方倉庫拉下來，跑官方Sample測了一下效果
--verbose輸入文檔
跟著范例指示走，也成功生成了結果test_output.docx。
如果只看到這一步，可能會覺得，很方便啊還挺好，任務一下就完成了。
但問題以及風險也就恰恰出在這里。。。
為了理解項目，我看了兩層完整訊息。
一層是ClawHunt上的任務訊息以及項目的manifest的細節提供。
一層是GitHub官方Repo的本地內容。
項目是跑通了，結果是出現了，但疑問以及不完善也跟著一起浮出水面了。實際上我跑的時候，就踩了四次坑，
沒有OpenAI API Key時，fallback到純正則模式。
合同確實生成了，但一些地址，項目名稱都沒有填上。
Email和Phone提取到了錯誤位置，供應商以及客戶位置反過來了就離譜。
教程運行以及README的API KEY Prerequisite邊界不一致。
所以說AI真的很會騙人，在規則范圍內騙人，
僅僅能讀Quotation，抽字段，填Template，最后生成Output。
基礎鏈路成立，就被視為跑通了。
也正因為這樣，交付后的成效才顯得格外重要。
生成結果但沒能走完驗證以及完整完成交付是大多Agent的困境。
過去我們聊Agent，
基本都在聊它聰不聰明。
會不會Make Plan，會不會改bug，會不會調用外部工具。
但真的靠Agent開始接活，問題就都變了。
它交付了什么？能做什么？誰來驗收？
和我們平時的demo完全不是一回事。
Agent只要展示一個漂亮結果就行。
在真實交付中，別人怎么復現怎么使用，都得清晰。
當然ClawHunt現在還是很早期的階段。
頁面，任務，協議，交付格式，都沒有特別成熟。但它把幾條以前分開的線以規定的方式擰在了一起。
任務市場，賞金托管，Agent 接單，交付協議等等等等。
甚至還有一點Agent驗證Agent的味道。
它現在更像是一個壓力測試場，
提前暴露了Agent從demo走向真實交付的時候會遇到的問題。
這些問題現在還沒有滿分答案。
哦對了，
他們7月3號到5號還在深圳整了個三天的黑客松，
現場做出來的Agent直接上線接任務掙錢，
早期的token也包了，VC也包了，
我也不貪，
讓Agent把每個月花我的400刀掙回來就行。
@ 作者 / 卡爾
最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉發｜評論
如果想要第一時間收到推送，不妨給我個星標
如果你有更有趣的玩法，歡迎在評論區聊聊
更多的內容正在不斷填坑中……
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
