Claw Code vs Claude Code：一個開源 GitHub 仿製專案揭示了什麼 AI Agent 架構

如果你搜尋過 claw code github，或曾經想過是否真的存在有意義的 Claude Code 開源版本，那麼 Claw Code 就是大家指的專案。它是一個開源、逆向工程實作的 Anthropic Claude Code 重建版本——以 Rust（runtime）與 Python（metadata 與 porting scaffold）重構——並且提供了難得的機會，讓人一窺 production-style AI 程式編碼 agent 的架構方式。

本指南延續我們一貫的 比較 格式：先看雙方是什麼、實際表現如何、Claw Code 在技術上落在哪裡，以及對評估這個 codebase 的開發者給出清楚結論。

什麼是 Claw Code？

Claw Code 是一個開源專案，試圖重現 Claude Code 的核心功能——Anthropic 為終端機與 IDE 打造的 agentic 編碼工具。原始碼託管在 GitHub 並採用開源授權；它與 Anthropic 沒有隸屬關係。

這個專案分成兩層：

• Python metadata layer：主要作為 porting scaffold，用於追蹤進度、管理 session persistence，並承載基於 dataclass 的 schema。
• Rust CLI runtime：實作真正的 agentic 對話迴圈、工具執行、API 串流與權限管理。

Claw Code 約有 1,500 行 Python 與 4,000 行 Rust，屬於早期原型。不過，它確實正確辨識出幾個讓 AI 程式編碼 agent 能運作的架構模式。

什麼是 Claude Code？

Claude Code 是 Anthropic 的專有終端機與 IDE 原生 AI 程式編碼助理。它不是開源：這個產品是封閉的，由 Anthropic 發行，並在 Claude models 上運作，具備 MCP（Model Context Protocol）、subagents、hooks、skills，以及深度 IDE 整合等功能。

當人們詢問 Claude Code 開源時，通常是在找兩種東西之一：（a）像 GitHub 上 Claw Code 這樣的獨立重實作，或（b）完全不同的產品（例如多 agent 桌面同事）。Claw Code 明確屬於第一類——它是 Claude Code 行為的一部分之教育與實驗鏡像，而非官方版本。

Claw Code vs Claude Code：快速比較

這個比較本來就是不對稱的：Claw Code 是學習產物與部分重實作；Claude Code 則是有完整平台投資的正式產品。

Claw Code 做對了什麼

agentic 對話迴圈

Claw Code 最厲害的一點，是它抓到了基本的 agentic 迴圈——任何 AI 程式編碼助理的核心引擎：

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

Rust 實作（ConversationRuntime<C, T>）以 trait-based abstractions 來建模這個迴圈，涵蓋 ApiClient 與 ToolExecutor。這種分離方式與 production agents 很像：模型呼叫與工具執行保持解耦、可測試、可替換。

SSE 串流與 API 整合

API client 可以說是 Claw Code 最接近 production 的部分。它實作了：

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

對任何正在打造自訂 Anthropic client 的人來說，這個 crate 都是可信的參考。

檔案操作工具

Claw Code 提供六個核心工具——Bash、Read、Write、Edit、Glob 與 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 的行為相符，也避免了一類跳脫字元 bug。
• Glob 依修改時間排序結果（最新在前）。
• Grep 支援 context lines、多種輸出模式與分頁。
• Write 會自動建立父層目錄。

權限模型

三層權限系統（Allow、Deny、Prompt）搭配 PermissionPolicy struct 的逐工具覆寫，反映了 Claude Code 如何限制工具執行。任何會執行 shell command 並編輯檔案的 agent 都需要這一層；Claw Code 的設計方向是正確的。

session compaction

當 context 接近 token 上限時，agent 必須壓縮較早的輪次，同時保留近期訊息的可用性。Claw Code 的 compaction——把較早訊息摘要進 system prompt，並保留最後 N 輪——呈現了這個機制在實務中的運作方式。

重大缺口：缺少什麼

雖然 Claw Code 捕捉到了 AI 程式編碼 agent 的骨架，但把原型與 production tools 區分開來的幾個系統仍然缺席。

沒有 MCP（Model Context Protocol）支援

這是最大的缺口。MCP 是 Claude Code 的擴充骨幹：外部 MCP servers 會提供工具、資源與 prompts，讓 agent 在 runtime 時發現。Claw Code 沒有 MCP client、transport、動態發現或 resource 整合——工具集合在 build time 就固定了。

沒有 subagent 協調

Claude Code 可以啟動巢狀 agent 對話與平行工作（具備隔離與彙整）。Claw Code 沒有實作巢狀對話、worktree 隔離、子 context 邊界或結果合併。

沒有 hook 或 skill 系統

production 版 Claude Code 提供使用者可設定的 hooks 與 skill / slash-command pipeline。Claw Code 的 handler 很簡化（例如只有 /compact），沒有 hook 或 skill 的發現流程。

system prompt 建構不完整

prompt builder 有正確的大致區塊，但缺少動態部分，例如 CLAUDE.md discovery、git status 快照、MCP server 指令，以及 runtime metadata（日期、模型名稱等）。

沒有 IDE 整合

用於 VS Code 與 JetBrains extensions 的 bridge 與 server 架構都不存在。

實作品質

Rust 層——穩固基礎（7/10）

Rust 程式碼使用 #![forbid(unsafe_code)]、基於 trait 的結構，以及能處理多行 frame 與 ping 的 SSE parser。粗糙之處包括：session 檔案使用自訂 JSON parser，而不是 serde_json；CLI entry points 重疊；預設值硬編碼；以及天真的 token 估算（字串長度 / 4）。

Python 層——大多是 scaffolding（3/10）

Python 層對 dataclass 與 parity audits 來說很乾淨，但其中很多是 placeholder stubs、模擬工具，以及空的 remote/SSH 路徑。現階段的 runtime 價值主要集中在 Rust 層。

功能對等評分表

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 persistence 與 compaction

部分實作

• 權限強制執行（框架有了，但沒有完整的互動式提示）
• system prompt 建構（有結構，但沒有完整的動態注入）
• 設定檔合併（user / project / local）

未實作

• MCP client 與 transport
• Subagent / Agent 工具啟動
• 透過 LSP 或 extensions 的 IDE bridge
• skill 系統、hooks、web search 工具
• 更智慧的 context 預算控管與成本工具
• Notebook 與 PDF 讀取工具

這對 AI agent 架構的啟示

除了 Claw Code vs Claude Code 逐項對照之外，這個 GitHub 專案對開發者來說也是很有價值的產物：

• 迴圈本身並不難。「呼叫模型 → 解析 tools → 執行 → 回饋」很直接。真正的能力來自 MCP、subagents、hooks、skills 與 IDE bridges。
• 串流很重要。 CLI agents 若要等到完整回應才顯示，體驗會很糟；Claw Code 在 SSE 上的工作是最可重用的部分。
• 權限是基本門檻，尤其對 shell 與檔案工具而言。
• Context 仍然很難。 天真的 compaction 只在失效前有效；production systems 需要選擇性保留與預算紀律。

結論

Claw Code 大約捕捉了 Claude Code 20–25% 的功能面。Rust 層——API client、迴圈、檔案工具——是有價值的核心。Python 層主要是在記錄 porting 的意圖。

作為對 claw code github 的研究，以及對非官方 Claude Code 開源風格鏡像能展示什麼的觀察，它是成功的。作為 Claude Code 的直接替代品，它還需要在 MCP、協調層與整合層投入大量額外工作。

誰應該深入研究 GitHub 上的 Claw Code？

如果你想要：

• 閱讀一個具體的開源實作，理解 Anthropic 風格的 tool loops 與 SSE clients
• 在不依賴封閉程式碼的情況下，教學或研究 AI 程式編碼 agent 架構
• Fork 一個 Rust-first 的基底，並自行投入 MCP

那麼就選擇 Claw Code。

誰應該繼續使用 Claude Code？

如果你需要 MCP、subagents、IDE extensions、hooks、skills，以及受支援的產品路線，而不是研究原型，那就繼續使用 Anthropic 的 Claude Code。

為什麼也可以考慮 Eigent 作為更廣泛的開源選項

如果你的目標是超越單一終端機編碼 agent 的 開源自動化，Eigent 是一個具備桌面工作流程、skills 與多個模型供應商的多 agent 開源 coworker——在閱讀 Claw Code 了解底層 agent 機制之外，它是很適合搭配參考的選項。

FAQ

GitHub 上的 Claw Code 是什麼？

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

Claude Code 是開源的嗎？

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 的正式發布版本。

Claw Code 可以完全取代 Claude Code 嗎？

目前還不行。關鍵缺口包括 MCP、subagent 協調、IDE 整合，以及完整的工具與 prompt pipeline。

Claw Code 是用哪些語言寫的？

主要是 Rust 負責 runtime（約 4k 行），以及 Python 負責 scaffolding（約 1.5k 行）。Claude Code 本身是封閉的 TypeScript/Node 產品。

為什麼缺少 MCP 很重要？

MCP 是 Claude Code 動態擴充工具的方式。沒有 MCP，Claw Code 的工具面就會固定，因而限制真實世界的工作流程。

重點整理

• Claw Code GitHub = 開放、教學用的部分仿作；Claude Code = 專有、完整產品。
• Claw Code 的核心迴圈、串流 client、檔案工具與權限機制很有參考價值；但 MCP、subagents 與 IDE 層目前還沒有。
• 搜尋 claude code open source 時，你應該會找到像 Claw Code 這類專案——它們是有用的參考，不是功能完整的替代品。