Создание персонального трекера рисковых эпизодов с помощью OpenClaw: пример rug-pull в DeFi

Пользователь Reddit, потерявший часть сбережений в результате мошенничества DeFi rug pull ("NexaVault"), использовал OpenClaw для создания личного трекера риск-эпизодов. Целью было не обнаружение мошенничества или бюджетирование, а выявление опасных самоуправляемых действий: крупные относительные переводы, концентрированное назначение, навязчивые напоминания о мониторинге, социальное давление и растущий долг.

Ключевые проектные решения

• Реальные данные, а не память: OpenClaw извлёк актуальные цифры из банковских выписок и исправил собственный отчёт пользователя (сумма и дата были неверны).
• Группировка эпизодов: Инструмент объединил одно реальное событие, разбросанное по 5 приложениям (банковское оповещение о списании, email о депозите, ежедневное напоминание "проверить позицию", рекламные тексты), в единый эпизод, отделив первичные улики (транзакция + подтверждения) от сопутствующего контекста (напоминания, сообщения, растущий остаток по карте).
• Приватность превыше всего: Сохранялись только сводки-ссылки, а не исходный текст сообщений — потому что экран мог быть открыт перед семьёй.
• Сравнение с базовым уровнем: Пользователь явно противопоставил схему rug pull обычным крупным платежам (ипотека, зарплата, уход за детьми), чтобы избежать ложных тревог на рутинных транзакциях.

Неожиданные результаты

Пользователя удивило, что OpenClaw: исправил его ошибочную память с помощью банковских выписок; сгруппировал разрозненные улики из разных приложений; и записал проектные решения в память для итеративного улучшения. Трекер также научился различать "большое, но нормальное" и "начало спирали".

В полном обсуждении рассматривается, как другие моделируют то же различие — ознакомьтесь с источником для дискуссии сообщества.