Creación de un Rastreador Personal de Episodios de Riesgo con OpenClaw: Un Estudio de Caso de Estafa de Salida en DeFi

Un usuario de Reddit que perdió una parte de sus ahorros en un rug pull de DeFi ("NexaVault") usó OpenClaw para construir un rastreador de episodios de riesgo privado. El objetivo no era la detección de fraudes ni la elaboración de presupuestos, sino detectar movimientos peligrosos autoautorizados: transferencias grandes relativas, destino concentrado, recordatorios obsesivos de monitoreo, presión social y deuda creciente.

Decisiones de diseño clave

• Datos reales, no memoria: OpenClaw extrajo números reales de los registros bancarios y corrigió la propia descripción del usuario (el monto y la fecha estaban equivocados).
• Agrupación de episodios: Combinó un evento real disperso en 5 aplicaciones (alerta de retiro bancario, correo de depósito, recordatorio diario de "revisar posición", mensajes de hype) en un solo episodio, separando la evidencia principal (transacción + confirmaciones) del contexto de apoyo (recordatorios, mensajes, saldo creciente de la tarjeta).
• Privacidad primero: Almacenó resúmenes de referencia, no el texto del mensaje original, porque la pantalla podría estar abierta frente a la familia.
• Comparación con la línea base: Contrastó explícitamente el patrón de rug pull con grandes pagos normales (hipoteca, nómina, cuidado infantil) para evitar falsas alarmas en transacciones rutinarias.

Resultados inesperados

Al usuario le sorprendió que OpenClaw: corrigiera su propio recuerdo erróneo con los registros bancarios; agrupara evidencia dispersa entre aplicaciones; y escribiera las decisiones de diseño en la memoria para refinamiento iterativo. El rastreador también aprendió la diferencia entre "grande pero normal" y "comienzo de una espiral".

El hilo completo explora cómo otros están modelando la misma distinción: consulta la fuente para la discusión comunitaria.