claw-code是一个基于Claude Code架构的clean-room重写开源项目，在GitHub上创造了2小时5万星、24小时破10万星的历史最快纪录。作为用户，你可以将它理解为一个"可编程的AI工程助手操作系统"，能够理解自然语言指令，自主完成代码读取、修改、测试、Git提交等全流程开发任务。

项目深度解析

核心架构与技术特点
claw-code采用Python+Rust双语言架构，Python占27.1%负责快速原型验证，Rust占72.9%构建高性能运行时。项目复刻了Claude Code的核心系统：

• 工具系统：19种内置工具，包括文件读写、Bash执行、Git操作、网络抓取、LSP集成等
• 权限系统：ReadOnly/WorkspaceWrite/DangerFullAccess三级权限控制
• 多智能体协同：支持子代理并行处理复杂任务
• MCP协议支持：兼容模型控制协议，可接入外部工具服务器
• 会话管理：持久化保存工作状态，支持断点续做

项目起源的戏剧性故事
2026年3月31日凌晨，Anthropic的Claude Code命令行工具因构建工具Bun的漏洞，意外将59.8MB的source map文件打包进npm包，导致51.2万行TypeScript源代码完全泄露。安全研究员Chaofan Shou发现这一泄露后，消息迅速传开。

韩国AI工程师Sigrid Jin（GitHub账号@instructkr）——此前被《华尔街日报》报道为Claude Code最重度用户之一（年消耗250亿token）——在凌晨4点得知消息后，面临两个选择：直接使用泄露代码或基于公开架构重新开发。他选择了后者，借助自研的AI工作流工具oh-my-codex（OmX），仅用12小时完成了从零开始的clean-room重写。

数据飙升的四大原因

1. 行业"首次开门"，打破黑盒壁垒
   Claude Code长期以来是开发者眼中的"黑盒神器"，此次源码泄露首次完整暴露了顶级AI编程工具的底层逻辑：多智能体设计思路、工具权限管控方式、上下文压缩算法等。这些信息对AI编程领域开发者极具参考价值。

2. 极具传播力的"绝地反击"叙事
   "核心源码泄露→工程师连夜clean-room重写→12小时完成→上线即破纪录"的故事完美契合开发者社区的情感偏好。Sigrid Jin作为Claude Code重度用户的背景让故事更具戏剧性。

3. 填补"开源AI编程代理"的市场空白
   全球数百万开发者在使用Claude Code，但它存在闭源、收费较高、无法深度定制等短板。claw-code提供了完全开源、可自由定制、架构清晰的AI编程代理框架，精准填补了市场空白。

4. 技术实力支撑，热度可持续
   项目不仅蹭热点，更有扎实的技术架构：双语言实现兼顾易用性与性能，完整的工具生态覆盖开发全场景，模块化设计便于二次开发。大量开发者在Star后真正留下来研究代码、提交PR，形成了活跃的开源社区。

与Claude Code的核心差异

架构设计理念差异
claw-code更注重"工具harness工程"的本质改进，而Claude Code是Anthropic官方的TypeScript CLI。claw-code将路由控制权上浮给AI，换取极大的开放性和探索力；而OpenClaw（另一个相关项目）将路由控制权下沉到工程底座，用确定的系统规则托底AI的不确定性。

安装部署详细指南

环境要求

• Python 3.10+
• Rust 1.94+
• Git
• API密钥（支持Claude、OpenAI、Google等）

三种部署方式

1. 从源码编译安装（推荐）

# 克隆项目
git clone https://github.com/instructkr/claw-code.git
cd claw-code

# 安装Python依赖
pip install -r requirements.txt

# 构建Rust核心
cd rust
cargo build --release
cd ..

2. Docker快速部署

docker run -it --rm -v $(pwd):/app ghcr.io/instructkr/claw-code:latest

3. 仅使用Python版本（研究用途）

# 查看系统模块总览
python3 -m src.main subsystems --limit 16

# 查看命令清单
python3 -m src.main commands --limit 10

# 运行测试验证
python3 -m unittest discover -s tests -v

环境配置

# 设置API密钥
export OPENAI_API_KEY="your-api-key-here"
export ANTHROPIC_API_KEY="your-anthropic-key"  # 可选
export GOOGLE_API_KEY="your-google-key"        # 可选

启动使用

# 启动交互式REPL
./target/release/claw-cli

# 或使用Python入口
python main.py

启动后，系统会提示你配置大模型API Key，支持Claude、GPT、通义千问等主流模型。配置完成后，就可以直接用自然语言让AI写代码、改Bug、操作文件、执行脚本。

项目结构概览

claw-code/
├── src/              # Python工作区（快速原型）
│   ├── commands.py   # CLI命令注册与分发
│   ├── tools.py      # 插件化工具系统（约40个工具）
│   ├── models.py     # LLM提供商抽象层
│   ├── query_engine.py # 核心查询引擎
│   └── main.py       # 入口点
├── rust/             # Rust核心（高性能运行时）
│   ├── crates/api-client    # API客户端
│   ├── crates/runtime       # 会话状态管理
│   ├── crates/tools         # 工具定义与执行框架
│   └── crates/claw-cli      # 交互式REL
└── tests/            # 验证与集成测试

claw-code的价值不仅在于提供了一个Claude Code的开源替代品，更重要的是它展示了AI工具链竞争正在从模型能力的表层PK，向runtime、tooling、workflow、harness等更深层的工程领域推进。谁能把这一层做明白，谁就在定义一整套工作方式。