Claw Code：Rust 重写的 AI Agent 缰绳，让 AI 替你写代码

想象这样一个场景：你周一早上起床，手机上收到一条 Discord 消息——你的 AI 团队已经完成了上周你布置的任务：PR 合入、测试通过、文档更新完毕，没有催进度、没有坐等指令。这就是 Claw Code 试图构建的世界——人类设定方向，AI 爪子（Claw）完成劳动。

背景：从 Claude Code 的"干净房间"复制开始

Claw Code 由 UltraWorkers 团队开发，最初的愿景是做一件看似不可能的事：在不看一行 Claude Code 源代码的前提下，从零复刻出一个功能对等的 AI 编程 Agent 缰绳（harness）系统。团队成员 Sigrid Heo 在社交媒体上发布后，这个项目迅速走红——它成为 GitHub 历史上最快突破 10 万 Stars 的仓库之一，最终吸引了超过 19.2 万颗星，引发了华尔街日报等主流媒体的报道。

这个项目远不止是一个"克隆"。它的哲学内核是探索：当人类从微观管理中解放出来，给 AI 设定方向后，多个自主 AI Agent 并行工作、通知路由脱离上下文窗口、规划-执行-审查-重试循环全部自动化，会发生什么？Claw Code 正是这一理念的公开演示场。

核心功能：给你的 AI Agent 装上缰绳

Claw Code 本质上是一个 Rust 编写的命令行 Agent 缰绳框架，其核心功能围绕以下几点展开：

交互式 REPL 编程环境：运行 claw 后进入交互式命令行，可以随时输入自然语言指令让 AI 执行代码操作，支持会话管理（session），可以随时 resume 上次进度。

多模型后端兼容：内置 OpenAI-Compatible Provider，支持 Claude、GPT、Kimi、Qwen 等多种大模型，通过 ANTHROPIC_API_KEY 或 ANTHROPIC_AUTH_TOKEN 配置认证，并支持自定义 ANTHROPIC_BASE_URL 指向代理或本地服务。不同模型有特定参数处理逻辑（如 Kimi 模型需要剔除 is_error 字段，推理模型需剥离 tuning 参数）。

原生工具执行：Claw 缰绳提供文件读写、Bash 命令执行、grep 搜索等核心工具，并通过插件系统扩展能力。内置 /doctor 健康检查命令，首次使用必跑。

MCP（Model Context Protocol）编排：支持通过 MCP 协议连接外部工具和服务，实现 Agent 与外部系统的集成。

自动化工作流：基于 oh-my-codex（OmX）工作流层，将简短指令分解为结构化执行计划，支持规划关键词、执行模式、持续验证循环。

技术架构：Rust 工作空间 + 双层实现

Claw Code 的技术架构分为两层：

Rust 规范实现层（rust/）：canonical 实现，包含 9 个核心 crate：

Python 配套层（src/）：包含更丰富的组件，如 assistant/、coordinator/、hooks/、plugins/、skills/、server/ 等，提供更完整的 Agent 生命周期管理（会话、权限、成本追踪、权限审批等）。

Mock Parity Harness：内置一个确定性 Mock Anthropic 服务 + 清洁环境 CLI 测试框架，覆盖 streaming_text、read_file_roundtrip、grep_chunk_assembly、bash 权限审批等核心场景，用于验证 Rust 实现与 Python 行为的一致性。

上手体验：纯 CLI，无 Web 界面

Claw Code 是纯命令行工具，不提供 Web 界面，适合有一定技术背景的开发者。上手指南：

1. 安装 Rust 工具链
2. cd rust && cargo build --workspace 编译整个工作空间
3. ./target/debug/claw 启动 REPL
4. 首次运行 /doctor 健康检查
5. export ANTHROPIC_API_KEY=sk-... 配置 API Key

或者使用 install.sh --release 一键安装（支持 Linux、macOS、WSL）。Windows 用户注意：二进制文件名是 claw.exe 而非 claw。

注意：cargo install claw-code 安装的是错误的废弃桩（deprecated stub），请务必从源码构建或从官方 Release 下载。

局限与争议

法律边界模糊：团队明确表示这是"干净房间"实现，但外界对其与 Claude Code 的功能相似程度存在争议，Anthropic 官方未表态。

Rust 重写仍在进行中：Python 层仍然是功能最完整的部分，Rust 工作空间虽然模块化程度高，但部分高级功能（如 ACP/Zed daemon、完整 MCP 支持）仍在 Roadmap 中。

上手门槛较高：需要 Rust 工具链、API Key 配置、无 Web 界面，对于非开发者用户极不友好。

安全风险：工具执行涉及文件系统写操作、Bash 命令执行，错误指令可能导致本地代码被覆盖。

行业意义：开源 Agent 缰绳的新范式

Claw Code 的爆炸式增长（19.2 万 Stars）不仅仅是数字，它在以下几个方面具有重要意义：

证明了 AI 协作飞轮的可行性：项目本身就是用 AI 写的——人类在 Discord 上给出方向，多个 Claw Agent 并行执行代码、测试、PR 流程，没有人在终端前盯着每一行代码。这本身就是对"AI Agent 能否自主完成软件工程任务"的最有力证明。

推动了 Agent 标准化：通过 MCP 协议、OpenAI-Compatible Provider、多模型支持，Claw Code 在推动 Agent 缰绳的跨模型、跨平台标准化。

Rust 在 AI 工具链中的地位：Claw Code 用 Rust 编写运行时核心，体现了 AI 工具链向高性能、系统级语言迁移的趋势，为未来更大规模的 Agent 系统提供基础设施参考。

如果你对 AI 编程工具的底层原理感兴趣，或想构建自己的 Agent 缰绳系统，Claw Code 是目前最具参考价值的开源项目之一——它不只是一个 CLI 工具，更是一套关于"人类与 AI 如何分工"的哲学实验。