Claw Code vs Claude Code：開源 GitHub 仿製版揭示了 AI Agent 架構的甚麼

如果你曾搜尋 claw code github，或者想知 Claude Code open source 是否真的存在， Claw Code 就是大家所指的項目。它是一個開源、逆向工程重構的 Anthropic Claude Code 實現——以 Rust（runtime）和 Python（metadata 及移植腳手架）重建——讓人罕有地一窺生產級 AI coding agent 的架構方式。

本指南沿用我們一貫的 Comparison 格式：各自是甚麼、實際表現如何、Claw Code 在技術上落點在哪裡，以及對評估這個 codebase 的開發者而言有甚麼明確結論。

甚麼是 Claw Code？

Claw Code 是一個開源專案，嘗試複製 Claude Code 的核心功能——Anthropic 為終端機和 IDE 提供的 agentic coding 工具。源碼託管在 GitHub 的開源授權下；它並不隸屬 Anthropic。

這個專案分為兩層：

• Python metadata layer，主要作為移植腳手架——追蹤進度、管理 session 持久化，以及承載以 dataclass 為基礎的 schema。
• Rust CLI runtime，實作真正的 agentic 對話迴圈、工具執行、API 串流，以及權限管理。

Claw Code 目前大約只有 1,500 行 Python 和 4,000 行 Rust，屬於早期原型。不過，它正確捕捉到幾個讓 AI coding agents 運作起來的架構模式。

甚麼是 Claude Code？

Claude Code 是 Anthropic 的專有、原生支援終端機與 IDE 的 AI coding assistant。它不是開源：產品是封閉的，由 Anthropic 發佈，並在 Claude models 上運行，具備 MCP（Model Context Protocol）、subagents、hooks、skills，以及深度 IDE 整合等功能。

當人們搜尋 Claude Code open source 時，通常是在找以下其中一種： (a) 像 GitHub 上 Claw Code 那樣的獨立重構版本，或 (b) 完全不同的產品（例如多 agent 桌面協作者）。Claw Code 明顯屬於第一類——它是一個教育性、實驗性的 Claude Code 行為局部鏡像，而不是官方版本。

Claw Code vs Claude Code：一覽

這個比較本來就是非對稱的：Claw Code 是 學習產物與局部重構；Claude Code 則是 已正式交付的產品，而且有完整平台投入。

Claw Code 做對了甚麼

agentic 對話迴圈

Claw Code 最成功之處，是它抓住了 agentic loop 的基本形態——任何 AI coding assistant 的核心引擎：

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

Rust 實作（ConversationRuntime<C, T>）以 trait-based abstractions 去建模這個迴圈，分別包裝 ApiClient 和 ToolExecutor。這種分離方式與生產環境中的 agents 很相似：模型調用和工具執行保持解耦、可測試，而且可替換。

SSE 串流與 API 整合

API client 可以說是 Claw Code 最接近生產級的部分。它實作了：

• Anthropic 的 Messages API v1 與 Server-Sent Events (SSE) 串流
• 具緩衝的增量 frame 解析
• 針對 408、429 及 5xx 回應的 exponential backoff 重試邏輯
• cache_creation_input_tokens 和 cache_read_input_tokens 的 cache token 追蹤
• 透過 ANTHROPIC_API_KEY 和 ANTHROPIC_AUTH_TOKEN 進行 authentication

對任何正在構建自訂 Anthropic client 的人來說，這個 crate 都是一個相當可信的參考。

檔案操作工具

Claw Code 提供六個核心工具——Bash、Read、Write、Edit、Glob 和 Grep——其行為與 Claude Code 的模型一致：

• Edit 使用精確字串比對，而不是 regex，這與 Claude Code 的行為一致，並避免一類 escaping bug。
• Glob 按修改時間排序結果（最新優先）。
• Grep 支援 context lines、多種輸出模式，以及分頁。
• Write 會自動建立父目錄。

權限模型

三層權限系統（Allow、Deny、Prompt）配合 PermissionPolicy struct 的 per-tool overrides，反映了 Claude Code 如何管控工具執行。任何會執行 shell command 和編輯檔案的 agent 都需要這一層——Claw Code 的方向是合理的。

session 壓縮

當 context 接近 token 上限時，agents 必須壓縮較早的對話，同時保留近期訊息的可用性。Claw Code 的 compaction——把較早訊息摘要到 system prompt，同時保留最後 N 輪——捕捉了這種實際運作方式。

重大缺口：缺少甚麼

雖然 Claw Code 捕捉到 AI coding agent 的骨架，但一些把原型與生產工具區分開來的系統仍然缺失。

未支援 MCP（Model Context Protocol）

這是最大的缺口。MCP 是 Claude Code 的可擴充性支柱：外部 MCP servers 會提供工具、resources 和 prompts，讓 agent 在執行時發現。Claw Code 沒有 MCP client、transport、動態發現，或 resource 整合——工具集在編譯時就固定了。

沒有 subagent 編排

Claude Code 可以啟動嵌套的 agent 對話和平行工作（具隔離與彙整能力）。Claw Code 沒有實作嵌套對話、worktree 隔離、子 context 邊界，或結果合併。

沒有 hook 或 skill 系統

生產版 Claude Code 提供使用者可設定的 hooks，以及 skill / slash-command pipeline。Claw Code 的 handler 很精簡（例如只支援 /compact），沒有 hook 或 skill 的發現流程。

system prompt 組裝不完整

prompt builder 雖然有大致正確的區段，但缺少動態部分，例如 CLAUDE.md 發現、git status 快照、MCP server 指示，以及 runtime metadata（日期、模型名稱等）。

沒有 IDE 整合

用於 VS Code 和 JetBrains extensions 的 bridge 與 server 架構並不存在。

實作質素

Rust 層——基礎穩固（7/10）

Rust 程式碼使用 #![forbid(unsafe_code)]、基於 trait 的結構，以及可處理多行 frame 和 ping 的 SSE parser。不足之處包括：session 檔案使用自訂 JSON parser 而非 serde_json、CLI entry points 重疊、預設值硬編碼，以及簡單的 token 估算（字元長度 / 4）。

Python 層——多數只是腳手架（3/10）

Python 層在 dataclasses 和 parity audits 方面寫得乾淨，但大部分只是 placeholder stubs、模擬工具，以及空的 remote/SSH 路徑。現階段真正有 runtime 價值的主要還是在 Rust 層。

功能相似度評分卡

已實作

• 核心 agentic 對話迴圈
• 六個 MVP 工具（bash、read、write、edit、glob、grep）
• 具 SSE 的 API 串流 client
• Session 持久化與壓縮

部分實作

• 權限執行（框架存在，但沒有完整互動式提示）
• System prompt 組裝（有結構，但缺少完整動態注入）
• 設定檔合併（user / project / local）

未實作

• MCP client 和 transport
• Subagent / Agent 工具啟動
• 透過 LSP 或 extensions 的 IDE bridge
• Skill system、hooks、web search tools
• 更聰明的 context budgeting 和成本工具
• Notebook 和 PDF 閱讀工具

這對 AI agent 架構有甚麼啟示

除了 Claw Code vs Claude Code 的逐項對照外，這個 GitHub 專案對建構者而言也是很有用的材料：

• 迴圈本身其實不難。「呼叫模型 → 解析工具 → 執行 → 回饋」相對直接。真正的力量來自 MCP、subagents、hooks、skills 和 IDE bridge。
• 串流很重要。 等到完整完成才回應，對 CLI agents 來說體驗會很差；Claw Code 在 SSE 上的工作是最可重用的部分。
• 權限是基本門檻。 shell 和 file tools 都必須有這一層。
• Context 仍然很難。 簡單 compaction 只是在失效前可用；生產系統需要選擇性保留和嚴格 budget 控制。

結論

Claw Code 大約涵蓋了 Claude Code 功能面的 20–25%。Rust 層——API client、loop、file tools——才是有價值的核心。Python 層主要是用來記錄移植意圖。

作為對 claw code github 的研究，以及對非官方 Claude Code open source 式鏡像能展示甚麼的觀察，它是成功的。作為 Claude Code 的 即插即用替代品，它還需要在 MCP、編排和整合層面投入大量額外工作。

誰應該深入研究 GitHub 上的 Claw Code？

如果你想要以下其中一種目的，就適合看 Claw Code：

• 閱讀一個 具體的開源 實作，了解 Anthropic 風格的 tool loop 和 SSE client
• 教學或研究 AI coding agent 架構，而不依賴封閉程式碼
• fork 一個 Rust-first 的基礎，並自行投入 MCP

誰應該繼續使用 Claude Code？

如果你需要 MCP、subagents、IDE extensions、hooks、skills，以及有支援路線的正式產品，而不是研究原型，那就繼續使用 Anthropic 的 Claude Code。

為何可以考慮 Eigent 作為更廣泛的開源選擇

如果你的目標是超越單一終端機 coding agent 的 開源自動化，Eigent 是一個多 agent 開源協作者，具備桌面工作流程、skills，以及多個模型供應商——與閱讀 Claw Code 以了解底層 agent 機制是互補的。

FAQ

GitHub 上的 Claw Code 是甚麼？

Claw Code 是一個開源專案，使用 Rust CLI 和 Python metadata layer 來逆向工程 Claude Code 的部分功能。倉庫是 github.com/instructkr/claw-code。

Claude Code 是開源嗎？

不是。Claude Code 是專有產品。Claw Code 是一個受 Claude Code 行為啟發的獨立開源專案；它不是 Anthropic 的正式發佈。

Claw Code 可以完全取代 Claude Code 嗎？

現時不能。關鍵缺口包括 MCP、subagent 編排、IDE 整合，以及完整的工具與 prompt pipeline。

Claw Code 是用甚麼語言寫的？

主要是 Rust 負責 runtime（約 4k 行），以及 Python 負責腳手架（約 1.5k 行）。Claude Code 本身則是封閉的 TypeScript/Node 產品。

為甚麼缺少 MCP 會很重要？

MCP 是 Claude Code 動態擴充工具的方式。沒有它，Claw Code 的工具範圍就會固定，限制了真實世界的工作流程。

重點總結

• Claw Code GitHub = 開放、教育性質的部分仿製版；Claude Code = 專有、完整產品。
• Claw Code 的核心 loop、串流 client、file tools 和權限機制都很有參考價值；但 MCP、subagents 和 IDE 層面仍未到位。
• 搜尋 claude code open source 時，應該會找到像 Claw Code 這類專案——它們是有用的參考，而不是功能完整的替代品。