3 月 31 日凌晨 4 点，原始的 Claude Code 源代码意外泄露。这事儿一出，整个开发者社区瞬间沸腾，Twitter/X 上的话题直接刷爆，GitHub Trending 也被相关项目疯狂霸榜。

不过话又说回来，其实也没什么大瓜可吃，毕竟没出现什么实质性的重大事故。现在热度稍稍褪去，咱们正好静下心来，好好聊聊由此诞生的这个神级开源项目。

AI 辅助一夜重构

最让人拍案叫绝的是，一位工程师在巨大的压力下，直接用 Python 从零重建了整个系统，而且是在天亮之前就完工了！这就很离谱了。

更有意思的是，整个重建过程完全是由 AI 驱动工具链（oh-my-codex 和 oh-my-opencode）来编排和验证的。

于是，这个项目横空出世，仅用 2 小时就狂揽 50K Star，现在更是突破了 129K 大关。

苏米注：它不仅仅是对原始架构的一次完美"洁净室重构"，更是一个绝佳的实战案例——向所有人展示了如何利用 AI 和现代开源工程实践，来构建生产级别的 Agent 运行时系统。

Claw Code 是什么

简单来说，Claw Code 是一个 Agent Harness 系统的重新实现。它的核心目标是构建一套通用的、可扩展的框架。

主要功能：

• 工具编排：定义、注册和执行各种工具与命令
• Agent 运行时：管理会话状态、上下文和任务执行流
• MCP 协议支持：集成 Model Context Protocol 来实现工具和 LLM 的互联
• 插件生态：通过插件系统扩展功能

项目创始人 @instructkr 以前在原始平台上消耗过 250 亿 token，创下了记录，还被 Wall Street Journal 报道过。源代码泄露后，他决定进行洁净室重构，因为他不想让泄露的快照成为主要跟踪的源代码。

项目明确声明不声称拥有原始代码，也不与原始作者有关联。他们通过学习原始系统的架构设计和工作流，进行了独立的、合法的洁净室重构。

技术架构拆解

项目采用 Python+Rust 双语言协同架构：

claw-code/
├── src/                   # Python 实现工作区（主要）
│   ├── models.py         # 数据模型（子系统、模块、待办事项）
│   ├── commands.py       # 命令端口元数据
│   ├── tools.py          # 工具端口元数据
│   ├── query_engine.py   # 移植摘要查询引擎
│   ├── task.py           # 任务管理
│   └── main.py           # CLI 入口
├── rust/                  # Rust 端口（开发中，已即将合并主分支）
│   ├── crates/api-client/      # API 客户端 + 流式传输
│   ├── crates/runtime/         # 会话、工具、MCP、配置
│   ├── crates/claw-cli/        # 交互式 REPL 二进制
│   ├── crates/plugins/         # 插件系统
│   ├── crates/commands/        # 斜杠命令
│   ├── crates/server/          # HTTP/SSE 服务器
│   └── crates/tools/           # 工具规范
├── tests/                # Python 验证套件
└── assets/              # 文档、截图、工作流示例

核心组件

Python 工作区已经可以投入生产使用：

• models.py：定义了数据结构并支持序列化
• commands.py：移植了命令接口，支持斜杠命令
• tools.py：定义了工具清单和执行框架
• query_engine.py：用于生成工作区摘要并支持兼容性审计

Rust 端口还在开发中，主打性能和内存安全。包含支持多种 LLM 的 API 客户端、管理会话和 MCP 的运行时、交互式命令行界面以及动态加载的插件系统。

AI 辅助开发工作流

这个项目最吸引我的地方在于它的开发方式。整个重构过程使用了两款 AI 工具：

oh-my-codex (OmX)：由 @bellman_ych 开发，通过 $team 模式进行并行代码审查，用 $ralph 模式执行架构级验证。

oh-my-opencode (OmO)：主要用于后期的代码生成、优化和发布验证。

这本质上是一个 AI 驱动的软件工程实验，AI 工具不仅用来写代码，更是用来编排整个开发流程。

快速上手

Python 安装命令

# 渲染 Python 移植摘要
python3 -m src.main summary

# 打印当前 Python 工作区清单
python3 -m src.main manifest

# 列出当前 Python 模块（限制 16 个）
python3 -m src.main subsystems --limit 16

# 运行验证测试
python3 -m unittest discover -s tests -v

# 运行兼容性审计
python3 -m src.main parity-audit

# 查询命令和工具清单
python3 -m src.main commands --limit 10
python3 -m src.main tools --limit 10

架构亮点

洁净室重构（Clean Room Implementation）

Claw Code 研究了原始架构的设计模式，从零开始编写，确保了法律和伦理合规。这种做法在开源社区很受尊重。

苏米注：洁净室重构是开源社区应对源码泄露的标准做法——学习架构设计，但代码完全自己写，法律上安全。

多语言协同

Python 提供快速原型和易用性，Rust 提供性能和内存安全。这种组合在现代开源项目中越来越常见。

插件系统设计

动态加载的插件系统允许开发者扩展功能，无需修改核心代码。这是构建生态的关键。

MCP 协议支持

集成 Model Context Protocol，实现工具和 LLM 的标准化互联，这是 Agent 系统的未来方向。

项目数据

总结

Claw Code 项目展示了 AI 辅助开发的巨大潜力。一位工程师在一个晚上，借助 AI 工具，从零重构了一个复杂的 Agent Harness 系统，并且获得了 GitHub 历史第一的增长速度。

最佳实践：这个项目不仅是技术上的成功，更是工程方法上的突破。它证明了 AI 可以作为开发流程的编排者，而不仅仅是代码生成器。

对于想要学习 Agent 系统架构、AI 辅助开发、开源工程实践的开发者来说，Claw Code 是一个绝佳的学习案例。

项目地址 https://github.com/instructkr/claw-code

社区 https://instruct.kr/

赞助 https://github.com/sponsors/instructkr