OpenClawで個人リスクエピソードトラッカーを構築する：DeFiラグプルのケーススタディ

RedditユーザーがDeFiのラグプル（「NexaVault」）で貯金の一部を失った後、OpenClawを使って個人用のリスクエピソードトラッカーを構築しました。目的は詐欺検知や予算管理ではなく、危険な自己承認型の動き（大きな相対送金、集中した送金先、強迫的な監視リマインダー、社会的圧力、増大する借金）をキャッチすることでした。

主要な設計判断

• 記憶ではなく実際のデータ：OpenClawは銀行記録から実際の数値を取得し、ユーザー自身の記録（金額と日付が間違っていた）を修正しました。
• エピソードのグループ化：5つのアプリ（銀行引き出しアラート、入金メール、毎日の「ポジション確認」リマインダー、誇大広告のテキスト）に散らばっていた実際の出来事を1つのエピソードにまとめ、主要な証拠（取引+確認）と補助的なコンテキスト（リマインダー、メッセージ、増加するカード残高）を分離しました。
• プライバシー第一：生のメッセージテキストではなく、参照要約を保存。なぜなら画面が家族の前で開かれている可能性があるからです。
• ベースライン比較：ラグプルのパターンを通常の大口支払い（住宅ローン、給与、育児費）と明示的に対比し、日常的な取引での誤報を防止しました。

予想外の結果

ユーザーはOpenClawが次のことに驚きました：銀行記録から自分自身の誤った記憶を修正したこと；アプリ間で散らかった証拠をグループ化したこと；設計判断を記憶に書き込み、反復的な改良を可能にしたこと。また、トラッカーは「大きくても正常」と「スパイラルの始まり」の違いを学習しました。

完全なスレッドでは、他の人々が同じ区別をどのようにモデル化しているかを探っています。コミュニティの議論についてはソースを確認してください。