Claw Code vs Claude Code：一个开源 GitHub 克隆项目揭示了什么 AI Agent 架构

如果你搜索过 claw code github，或者想知道 Claude Code open source 是否真的存在，Claw Code 就是人们所指的那个项目。它是 Anthropic 的 Claude Code 的一个开源逆向实现——用 Rust（运行时）和 Python（元数据与移植脚手架）重构而成——让我们得以罕见地窥见一个生产级 AI 编程 Agent 的内部结构。

本指南延续我们一贯的 对比 结构：分别是什么、实际表现如何、Claw Code 在技术上处于什么位置，以及给评估代码库的构建者一个明确结论。

什么是 Claw Code？

Claw Code 是一个开源项目，试图复刻 Claude Code 的核心功能——Anthropic 面向终端和 IDE 的 agentic 编程工具。源代码托管在 GitHub 上并采用开源许可；它与 Anthropic 没有官方关联。

该项目分为两层：

• Python 元数据层：主要作为移植脚手架——跟踪进度、管理会话持久化，并承载基于 dataclass 的 schema。
• Rust CLI 运行时：实现真正的 agentic 对话循环、工具执行、API 流式传输和权限管理。

Claw Code 约有 1,500 行 Python 和 4,000 行 Rust，是一个早期原型。但它确实识别出了支撑 AI 编程 Agent 运作的几个架构模式。

什么是 Claude Code？

Claude Code 是 Anthropic 的专有终端与 IDE 原生 AI 编程助手。它不是开源产品：该产品为闭源，由 Anthropic 分发，并运行在 Claude 模型之上，具备 MCP（Model Context Protocol，模型上下文协议）、subagents、hooks、skills 以及深度 IDE 集成等功能。

当人们询问 Claude Code open source 时，通常是在寻找：(a) 像 GitHub 上的 Claw Code 这样独立的重实现，或 (b) 完全不同的产品（例如多 Agent 桌面协作助手）。Claw Code 明显属于第一类——它是 Claude Code 部分行为的学习与实验镜像，而不是官方发布版本。

Claw Code vs Claude Code：一览

这个对比有意设定为不对称：Claw Code 是学习产物和部分重实现；Claude Code 是获得完整平台投入的正式产品。

Claw Code 做对了什么

Agentic 对话循环

Claw Code 最重要的成果，是准确把握了基础的 agentic 循环——任何 AI 编程助手的核心引擎：

User message → API call → Parse response → Execute tools → Feed results back → Repeat

Rust 实现（ConversationRuntime<C, T>）使用基于 trait 的抽象来建模这个循环，分别封装 ApiClient 和 ToolExecutor。这种拆分方式与生产级 Agent 非常一致：模型调用和工具执行保持解耦、可测试、可替换。

SSE 流式传输和 API 集成

API 客户端可以说是 Claw Code 最接近生产可用的部分。它实现了：

• Anthropic 的 Messages API v1，以及 Server-Sent Events（SSE，服务器发送事件）流式传输
• 带缓冲的增量帧解析
• 针对 408、429 和 5xx 响应的指数退避重试逻辑
• 对 cache_creation_input_tokens 和 cache_read_input_tokens 的缓存 token 跟踪
• 通过 ANTHROPIC_API_KEY 和 ANTHROPIC_AUTH_TOKEN 进行身份验证

对于任何在构建自定义 Anthropic 客户端的人来说，这个 crate 都是一个可信的参考实现。

文件操作工具

Claw Code 提供六个核心工具——Bash、Read、Write、Edit、Glob 和 Grep——其行为与 Claude Code 的模型保持一致：

• Edit 使用精确字符串匹配而不是正则表达式，这与 Claude Code 的行为一致，也避免了一类转义 bug。
• Glob 按修改时间排序结果（最新优先）。
• Grep 支持上下文行、多种输出模式和分页。
• Write 会自动创建父目录。

权限模型

三级权限系统（Allow、Deny、Prompt）以及通过 PermissionPolicy 结构体对单个工具进行覆盖，反映了 Claude Code 如何控制工具执行。任何运行 shell 命令并编辑文件的 Agent 都需要这一层——Claw Code 在这方面的设计方向是正确的。

会话压缩

当上下文接近 token 上限时，Agent 必须压缩更早的对话，同时保留最近消息的可用性。Claw Code 的压缩机制——将较早消息摘要到 system prompt 中，同时保留最近的 N 轮——准确捕捉了这种实际工作方式。

重要缺口：缺少什么

虽然 Claw Code 抓住了 AI 编程 Agent 的骨架，但许多将原型与生产工具区分开的系统仍然缺失。

没有 MCP（Model Context Protocol）支持

这是最大的缺口。MCP 是 Claude Code 的可扩展性支柱：外部 MCP 服务器可在运行时为 Agent 提供工具、资源和 prompts。Claw Code 没有 MCP 客户端、传输层、动态发现或资源集成——工具集在构建时就已经固定。

没有 subagent 编排

Claude Code 可以生成嵌套的 Agent 对话和并行工作（带隔离与聚合）。Claw Code 没有实现嵌套对话、工作树隔离、子上下文边界或结果合并。

没有 hook 或 skill 系统

生产版 Claude Code 提供用户可配置的 hooks 和 skill / slash-command 管道。Claw Code 的处理器非常精简（例如只有 /compact），没有 hook 或 skill 发现管道。

system prompt 构建不完整

Prompt 构建器有正确的粗粒度结构，但缺少动态部分，例如 CLAUDE.md 发现、git 状态快照、MCP 服务器指令，以及运行时元数据（日期、模型名称等）。

没有 IDE 集成

用于 VS Code 和 JetBrains 扩展的 bridge 与 server 架构并不存在。

实现质量

Rust 层——扎实基础（7/10）

Rust 代码使用了 #![forbid(unsafe_code)]、基于 trait 的结构，以及一个能处理多行帧和 ping 的 SSE 解析器。粗糙之处包括：会话文件使用自定义 JSON 解析器而不是 serde_json、CLI 入口重叠、默认值硬编码，以及 token 估算过于简单（字符串长度 / 4）。

Python 层——主要是脚手架（3/10）

Python 层在 dataclass 和一致性审计方面很干净，但其中大部分是占位 stub、模拟工具以及空的 remote/SSH 路径。如今真正的运行时价值主要在 Rust 层。

功能对齐评分表

已实现

• 核心 agentic 对话循环
• 六个 MVP 工具（bash、read、write、edit、glob、grep）
• 支持 SSE 的 API 流式客户端
• 会话持久化与压缩

部分实现

• 权限强制执行（有框架，但缺少完整的交互式提示）
• System prompt 构建（有结构，但缺少完整的动态注入）
• 配置文件合并（用户 / 项目 / 本地）

未实现

• MCP 客户端和传输
• Subagent / Agent 工具生成
• 通过 LSP 或扩展实现 IDE bridge
• Skill 系统、hooks、网页搜索工具
• 更智能的上下文预算和成本工具
• Notebook 和 PDF 阅读工具

这对 AI Agent 架构的启示

除了 Claw Code vs Claude Code 的逐项对比之外，这个 GitHub 项目对构建者来说也是一个有价值的样本：

• 循环本身并不难。“调用模型 → 解析工具 → 执行 → 回传”很直接。真正的能力来自 MCP、subagents、hooks、skills 和 IDE bridge。
• 流式传输很重要。 对 CLI Agent 来说，等待完整输出再继续会显得卡顿；Claw Code 在 SSE 上的工作是最值得复用的部分。
• 权限是基本要求，对于 shell 和文件工具尤其如此。
• 上下文仍然很难。 简单压缩在失效前都还行；生产系统需要选择性保留和预算纪律。

结论

Claw Code 大约覆盖了 Claude Code 功能面的 20–25%。Rust 层——API 客户端、循环、文件工具——是有价值的核心。Python 层主要用于记录移植意图。

作为对 claw code github 的研究，以及对非官方 Claude Code open source 风格镜像能展示什么的观察，它是成功的。作为 Claude Code 的即插即用替代品，它还需要在 MCP、编排和集成层投入大量额外工作。

谁应该研究 GitHub 上的 Claw Code？

当你想要以下内容时，选择 Claw Code：

• 阅读一个具体的开源实现，了解 Anthropic 风格的工具循环和 SSE 客户端
• 在不依赖闭源代码的情况下教学或研究 AI 编程 Agent 架构
• Fork 一个 Rust 优先 的基础，并自行投入 MCP

谁应该继续使用 Claude Code？

当你需要 MCP、subagents、IDE 扩展、hooks、skills，以及一个受支持的产品路线时，继续使用 Anthropic 的 Claude Code——而不是一个研究原型。

为什么要把 Eigent 作为更广泛的开源选项来考虑

如果你的目标是超越单一终端编程 Agent 的开源自动化，Eigent 是一个多 Agent 开源协作助手，具备桌面工作流、skills 和多个模型提供方——与阅读 Claw Code 以了解底层 Agent 机制形成互补。

FAQ

GitHub 上的 Claw Code 是什么？

Claw Code 是一个开源项目，使用 Rust CLI 和 Python 元数据层对 Claude Code 的部分功能进行逆向实现。仓库地址是 github.com/instructkr/claw-code。

Claude Code 是开源的吗？

不是。Claude Code 是专有产品。Claw Code 是一个受 Claude Code 行为启发的独立开源项目；它不是 Anthropic 的官方发布版本。

Claw Code 能完全替代 Claude Code 吗？

目前还不能。关键缺口包括 MCP、subagent 编排、IDE 集成，以及完整的工具和 prompt 管道。

Claw Code 是用什么语言写的？

主要是用于运行时的 Rust（约 4k 行）和用于脚手架的 Python（约 1.5k 行）。Claude Code 本身是一个闭源的 TypeScript/Node 产品。

为什么缺少 MCP 很重要？

MCP 是 Claude Code 动态扩展工具的方式。没有它，Claw Code 的工具范围就会固定下来，从而限制真实工作流。

关键要点

• Claw Code GitHub = 开源、教育性质的部分克隆；Claude Code = 专有、完整产品。
• Claw Code 中的核心循环、流式客户端、文件工具和权限机制都很有参考价值；但 MCP、subagents 和 IDE 层还没有实现。
• 搜索 claude code open source 时，你会找到像 Claw Code 这样的项目——它们是有用的参考，而不是功能完备的替代品。