Claw Code：193K 星的开源 Agent Harness，AI 编程的下一个战场

Smars
开源 , Agent , 开发工具
29 May, 2026

此项目建立的初衷

过去一年，AI 编程工具的变化非常快。

最早，开发者用 AI 主要是为了补全代码。后来，AI 开始进入聊天窗口，帮我们解释代码、生成函数、排查报错、写测试用例。再后来，Cursor、Claude Code、Codex CLI 等工具陆续出现，AI 不再只是回答问题，而是开始进入真实代码仓库——读取项目、修改文件、运行命令、分析报错，围绕一个目标持续工作。

这背后是一场范式变化。

以前的 AI 编程工具，本质上是「模型能力」的竞争。谁的模型代码能力强、上下文窗口长、推理速度快，谁就赢。

现在的 AI 编程工具，正在变成「Agent Harness 能力」的竞争。

Claw Code 值得关注，正是因为它站在这个变化的中心。它不是在做一个更好的 AI 聊天窗口，而是在做一件更有长远价值的事：把 AI 编码 Agent 背后的关键运行层——也就是 Agent Harness——用开源方式暴露出来。

一、Claude Code 打开了那扇门

要理解 Claw Code，必须先理解 Claude Code 带来的影响。

Claude Code 是 Anthropic 推出的终端 AI 编程工具。它和普通聊天助手最大的不同在于：它不是让你把代码复制到聊天框里提问，而是直接进入你的项目目录，在终端里围绕真实代码仓库工作。

它可以读取文件、理解项目结构、执行命令、修改代码、运行测试，并根据结果继续迭代。

这意味着 AI 编程从「问答式协助」进入了「任务式执行」。对于开发者来说，这种体验非常重要。因为真实软件开发不是孤立地生成一段代码，而是在已有项目中理解上下文、修改多个文件、验证结果、处理副作用，并最终形成可提交的改动。

Claude Code 让很多人第一次看清楚：AI 编程工具真正的未来，可能不是聊天框，而是一个能进入工程现场的 Coding Agent。

随后，社区围绕 Claude Code 的架构进行了大量讨论。它的 npm 包中曾因 source map 暴露而让外界看到了其内部架构——这引发了大量镜像、分析和重写尝试，也让开发者开始系统性研究：一个成熟的终端 Coding Agent，到底由哪些模块组成？

Claw Code 就是在「社区已经看到门后面的东西，但无法触碰」的背景下出现的。

它的核心不是复制某个商业产品的代码，而是用开源方式重建一种 Agent Harness：让 AI 编码 Agent 能够在本地终端中读取上下文、调用工具、执行命令、管理会话、控制权限，并支持扩展。

所以，Claw Code 的意义不只是「开源替代品」。更准确地说，它是一次对现代 AI 编码 Agent 架构的开源重建。

二、为什么不能只靠模型？

很多人第一次接触 AI 编程工具时，会自然地把重点放在模型上。

哪个模型代码能力强？哪个上下文长？哪个便宜？哪个适合本地跑？

这些当然很重要。但它们不是全部。

因为模型本身只是「大脑」。真正要让 AI 完成工程任务，还需要「身体」和「手脚」。

模型本身不知道你的项目在哪。它不知道应该先读哪个文件。它不知道哪些命令可以执行。它不知道哪些操作有风险。它不知道修改文件后应该跑什么测试。它不知道一次任务失败后如何恢复。它也不知道怎样把长对话压缩成可持续的上下文。

这些能力，都不属于模型本身。它们属于 Agent Harness。

Agent Harness 负责把模型接入真实工作环境。

它要管理项目上下文。它要提供文件读取、搜索、编辑能力。它要提供 Bash、Git、测试、网页抓取、Notebook 编辑等工具。它要控制权限，避免 AI 随意执行危险命令。它要保存会话，让任务可以中断后恢复。它要管理成本、token、上下文压缩。它要支持多模型、多 provider，甚至本地模型。它还要支持 MCP、skills、hooks 等扩展机制。

没有 Harness，模型只是会说。有了 Harness，模型才可能真正做事。

Claw Code 之所以值得关注，就是因为它关注的是这层系统能力，而不是又做了一个聊天界面。

三、Claw Code 到底是什么？

Claw Code 是一个开源的 CLI Agent Harness。

拆开来看：

CLI：命令行，运行在终端里
Agent：可以围绕目标持续行动的智能体
Harness：让 Agent 能够安全、可控、持续工作的运行框架

合在一起，Claw Code 希望让 AI 在终端里围绕真实代码仓库工作，而不是停留在聊天窗口里一问一答。

它在 GitHub 上积累了 19.3 万星和 11 万 fork，创建至今仅 60 天，却已有 1,512 次提交和 48,599+ 行 Rust 代码。语言栈是 Rust（95%）+ Python（4%），MIT 许可证。

三个产品，不是一个

Claw Code 实际上提供了三个独立的可执行程序：

claw（主程序）：全功能 Agent，带 REPL、OAuth、流式输出、bash、MCP、插件和 provider 路由
claw-analog：轻量 Agent harness，没有任意 bash、MCP 和插件，工具集精简可控，适合 CI 和脚本调用
claw-rag-service：独立的 RAG 索引服务，把你仓库分块 + 向量化存入 SQLite，提供 HTTP API 做语义搜索

生态系统

它属于 UltraWorkers 生态，同一体系还有三个关键项目：

clawhip：事件和通知路由器 — 把监控和投递放在 Agent 上下文窗口之外
oh-my-codex (OmX)：工作流层 — 把模糊人类指令转为结构化执行计划
oh-my-openagent (OmO)：多 Agent 协调层 — 处理架构师、执行者、审查者之间的规划、交接和分歧

四、Claw Code 的核心能力

从公开资料来看，Claw Code 的能力可以概括为六个维度。

1. 工具系统

AI 编码 Agent 不能只靠语言生成，它必须调用工具：读取文件、写入文件、执行 shell 命令、搜索代码、抓取网页、操作 Git、编辑 Notebook、生成任务列表。

Claw Code 内置了 40 多种工具，包括 bash、read_file、write_file、edit_file、glob_search、grep_search、WebFetch、WebSearch、TodoWrite、StructuredOutput、REPL、PowerShell，以及任务/团队/定时器/LSP/MCP 管理工具。

每种操作都通过明确的工具接口执行，不是让模型自由发挥。这让 Agent 行为更可控。

2. 查询引擎

查询引擎是 Agent 的执行循环：接收用户输入 → 模型推理 → 调用工具 → 获取结果 → 继续推理 → 再调用工具 → 直到完成任务。

一个真正的 Coding Agent 通常不是一轮完成的。它需要多轮行动：理解问题、读取文件、调用工具、根据结果继续判断、修改代码、运行测试、处理错误。整个过程需要稳定的轮次循环，查询引擎就是核心。

3. 会话与内存

AI 编程任务往往不是一次性的。你可能上午让它分析项目，下午继续修问题。你希望它记得项目结构、历史对话和已经做过的操作。

Claw Code 设计了 session、transcript、和 context compaction 机制，让 Agent 能够在长任务中保持连续性。

4. 权限系统

一个能执行命令、修改文件、访问网络的 AI Agent，如果没有权限边界，是非常危险的。

Claw Code 支持三级权限：read-only（只能读）、workspace-write（可修改项目文件）、danger-full-access（完全访问）。这不是附加功能，而是底线。

5. 模型与 Provider 接入层

Claw Code 的重要设计之一是它不绑定任何单一模型。它支持 Anthropic Claude、OpenAI 兼容 provider、xAI Grok、阿里 DashScope（千问），以及通过 OpenRouter、Ollama、vLLM 等接入本地模型。

路由使用模型名前缀匹配：openai/ 走 OpenAI，grok/ 走 xAI，qwen/ 走 DashScope。换模型是改配置，不是改代码。

这一点对企业团队尤其重要：很多团队不希望代码全部发给外部服务，而是想通过本地模型或私有网关接入自己的推理后端。

6. 扩展机制

不同的团队有不同的代码规范、CI 流程、内部文档和部署平台。一个固定工具的 Agent 满足不了所有需求。

Claw Code 支持 MCP（Model Context Protocol）让 Agent 接入外部能力，支持 skills 让团队安装自定义技能模块，还有计划模式（EnterPlanMode / ExitPlanMode）、自动 bug 扫描（/bughunter）等命令扩展。

五、为什么需要使用 Claw Code？

这个问题不能简单回答成「因为它开源」或「因为它像 Claude Code」。真正需要使用 Claw Code 的原因，要从实际痛点来看。

你想让 AI 真正进入项目，而不是只在聊天框里回答问题。 如果你只是偶尔问几个技术问题，普通聊天工具就够了。但如果你希望 AI 能在项目目录中理解代码结构、读取多个文件、分析依赖关系、修改代码并运行验证——你需要的是 Coding Agent。

你想研究 AI Coding Agent 的底层架构。 Claw Code 让你看到一个 Coding Agent 不是简单的 prompt 工程，而是由工具系统、查询引擎、权限系统、会话系统、模型路由和 CLI 运行时共同构成的工程系统。如果你在做自己的 AI 编程工具、企业内部 Agent 或研发自动化平台，它是很好的架构参考对象。

你想接入不同模型，甚至本地模型。 商业工具往往绑定特定模型，但现实中的需求是多样化的——有人用 Claude，有人用千问，有人用 OpenRouter 转发，有人只能在企业内网接私有模型网关。Claw Code 的开放 provider 层正适合这类需要模型自由度的用户。

你希望对 AI 的行为有更多控制权。 作为开源项目，Claw Code 更适合审计、修改和定制。对个人开发者，这意味着可玩性；对企业团队，这意味着可控性；对工具作者，这意味着可二次开发。

你想把 AI 编程能力集成进自己的自动化工作流。 把 Agent 接入脚本、CI、代码审查、测试流程、文档生成、Bug 扫描等场景，需要命令行的结构化和可编程性。Claw Code 的 CLI 设计、NDJSON 结构化输出和权限模式，使它更容易被集成。

六、哪些人适合用？

Claw Code 适合这样几类人：

AI 编程工具重度用户：如果你已经在用 Claude Code、Codex CLI、Aider 等工具，Claw Code 能帮你理解这些工具背后的底层机制
本地模型和开源工具爱好者：如果你关心 Qwen、DeepSeek、Ollama、vLLM、OpenAI-compatible API，Claw Code 的开放 Harness 思路很适合
AI Agent 工具开发者：如果你要做自己的 Coding Agent，Claw Code 不是工具，而是可以研究的架构样本
企业内部研发平台团队：如果你希望构建私有化 AI 编码助手，重点关注权限、审计、模型接入和代码安全
想理解 AI 编程趋势的人：Claw Code 代表的不是某个单点功能，而是一个趋势——AI 编程正在从补全、问答，走向可执行的 Agent 工作流

七、哪些情况不一定需要？

也要客观地说，Claw Code 并不适合所有场景：

如果你只是偶尔让 AI 写一个函数，不需要读取项目、运行命令、管理会话，聊天工具就够了
如果你需要成熟稳定、开箱即用的商业体验，Claude Code、Cursor 这类产品更省心
如果你的团队不具备审计开源 Agent 工具的能力，不要轻易给这类工具开放高权限
如果你处理的是高度敏感代码，需要先评估模型接入方式、日志、网络请求、API key、工具权限和本地数据边界
目前需要从源码编译，没有预编译二进制或一键安装，对新人不够友好

八、快速上手

前置条件：Rust 工具链、Anthropic API key。

git clone https://github.com/ultraworkers/claw-code
cd claw-code/rust
export ANTHROPIC_API_KEY="sk-ant-..."
cargo build --workspace
./target/debug/claw doctor
./target/debug/claw prompt "解释 main.rs 的架构"

常用命令：

命令	功能
`claw doctor`	健康检查
`claw init`	初始化工作区
`claw`（无参数）	交互式 REPL
`/ultraplan`	生成结构化执行计划
`/bughunter`	自动 bug 扫描
`/teleport`	跳转到文件或符号

Provider 配置示例：

# OpenRouter
export OPENAI_API_KEY="sk-or-..."
export OPENAI_BASE_URL="https://openrouter.ai/api/v1"

# 阿里 DashScope
export DASHSCOPE_API_KEY="sk-..."

# 本地 Ollama — 设置 OPENAI_BASE_URL 指向本地端点

九、Claw Code 的真正意义

Claw Code 最重要的意义，不是它多了几个命令，也不是它支持多少工具，而是它让开发者意识到：AI 编程工具的核心正在从模型转向 Harness。

未来的 AI 编程工具，不会只是「模型回答得更好」。它们会越来越像一个工程系统：能理解项目、能管理上下文、能调用工具、能执行命令、能验证结果、能控制权限、能保存记忆、能接入不同模型、能嵌入团队工作流、能在安全边界内持续行动。

这就是 Agent Harness 的价值。

模型负责思考。Harness 负责把思考变成可控行动。

Claw Code 的出现，说明开源社区已经开始关注这层能力。它不只是在做一个开源版 Claude Code——它是在向整个行业展示：Coding Agent 的战场已经从「谁的模型更强」转移到了「谁的 Harness 更好」。

结语

AI 编程工具正在加速演进。

代码补全 → 聊天问答 → 项目上下文理解 → Agent 化执行。

在 Agent 化执行阶段里，AI 不再只是生成代码，而是进入开发现场，围绕真实项目执行任务。

但要做到这一点，光有模型是不够的。你需要工具系统、查询引擎、权限系统、会话系统、上下文管理、模型路由和扩展协议。你需要 Agent Harness。

如果说 Claude Code 让开发者看到了终端 Coding Agent 的产品形态，那么 Claw Code 则让开发者看到了这种形态背后的开源架构可能性。

这就是 Claw Code 真正值得关注的原因。

仓库：https://github.com/ultraworkers/claw-code