19.5 万星、10.8 万 Fork，这个”AI 自我管理”的实验品现在走到哪一步了

19.5 万星、10.8 万 Fork，这个”AI 自我管理”的实验品现在走到哪一步了

2026 年 3 月底，一个名为 ultraworkers/claw-code 的 GitHub 仓库悄然上线。不到两周，这个用 Rust 重写 AI 编程工具的项目狂揽 57K Star，成为当年开源圈最现象级的增长案例之一。半年后的今天，它的 Star 数停在 195,282，Forks 数高达 108,461——Forks 数量比 Stars 还多，这在 GitHub 历史上极为罕见。

但这个项目最值得关注的地方，不在于这些数字。

这个仓库本身，就是一个 AI Agent 在跑

打开 ultraworkers/claw-code 的 README，第一句话就让很多开发者停下来：

“Claw Code is not the serious production project here. This repository is closer to a museum exhibit than a product pitch.”

翻译过来就是：这个仓库不是正经的生产项目，更像是一个展览品。它存在的目的不是让你拿来直接用，而是记录了”用 AI Agent 全程维护一个开源项目”这件事，到底能不能跑通。

整个仓库的维护工作——代码规划、执行、验证、打标签、保存——全部由 Agent 自动完成，人类只负责围观。README 里甚至专门留了一个 Discord 链接，叫”crab tank”（螃蟹缸）。

“螃蟹”是什么？理解项目结构

claw-code 的核心是 rust/ 目录下的 Rust 工作区，这是官方认定的规范实现（canonical implementation）。围绕它有两个真正能用来干活的分支项目：

• LazyCodex（github.com/code-yeongyu/lazycodex）— 面向”不用动脑子”的日常开发场景
• Gajae-Code（github.com/Yeachan-Heo/gajae-code）— 另一个 Agent Harness，专注于 LazyCodex 覆盖不到的工作流

而 claw-code 本身，是一个”元项目”：它用 9 条车道（9-lane）的方式，完整记录了一次从 Python 到 Rust 的代码迁移过程，每条车道的状态、提交、功能都有详细记录。

根据 PARITY.md，截至 2026 年 4 月 3 日的检查点，这个仓库的规模是：

• 292 次提交（main 分支）
• 9 个 crate（Rust 工作区）
• 48,599 行跟踪的 Rust 代码
• 2,568 行测试代码

9 条车道分别覆盖了：Bash 验证、CI 修复、文件工具、任务注册、任务接线、Team+Cron、MCP 生命周期、LSP 客户端、权限执行。每条车道都有独立的功能提交记录和合并记录。

编译即测试：Rust 生态的工程承诺

README 里有一段话值得单独拿出来说：

“这种’编译即测试’的哲学，正是 Rust 生态对工程可靠性的底层承诺。”

这听起来像是一句口号，但在 claw-code 的实际工程实践中，这句话是有具体支撑的。项目内置了一套模拟对等性测试框架（Mock Parity Harness），在 CI 环境里用确定性模拟服务（mock-anthropic-service）来跑 12 个场景脚本，捕获 21 个 /v1/messages 请求，完全不依赖真实的 Anthropic API key。

这套框架的好处是：任何人都可以在隔离环境下，验证 Rust 版本的 claw CLI 与上游 Python 版本的行为是否一致。这正是”编译即测试”的含义——Rust 的类型系统和借用检查器在编译时就拦截了大量错误，而剩余的行为一致性，由这套 Mock Parity Harness 来兜底。

真实使用门槛

claw-code 不是一个开箱即用的工具。

硬门槛：

• 需要先装 Rust 工具链（rustup.rs）
• 需要 Anthropic API Key（不是 Claude 订阅账号，需要独立申请 ANTHROPIC_API_KEY）
• cargo install claw-code 安装的是错误的东西——crates.io 上的 claw-code 包已弃用，安装后运行会提示”claw-code has been renamed to agent-code”。正确的做法是从源码构建，或直接安装上游二进制 cargo install agent-code

安装路径：

git clone https://github.com/ultraworkers/claw-code
cd claw-code/rust
cargo build --workspace
export ANTHROPIC_API_KEY="sk-ant-..."
./target/debug/claw doctor  # 验证一切正常
./target/debug/claw prompt "say hello"

Windows 用户注意：二进制文件是 claw.exe，不是 claw，需要用完整路径或 cargo run -- prompt "say hello" 来跳过路径查找。

适合谁，不适合谁

适合：

• 对”AI Agent 全程维护开源项目”这个命题感兴趣的研究者和开发者
• 想理解 Rust 重写 Python 项目具体工程路径的团队
• 想在隔离环境里测试 Claude CLI 行为一致性的开发者

不适合：

• 想找一个开箱即用的 Claude Code 替代品的用户（应该去 LazyCodex 或 Gajae-Code）
• 没有 Rust 环境的普通用户
• 需要稳定生产级工具的团队（这个项目明确说了不是生产项目）

现象级的本质：不是产品，是实验

claw-code 的 195K Star 不是靠功能堆出来的。它的本质是一个开源实验：如果让 AI Agent 从零规划、执行、验证、维护一个 GitHub 仓库，最终会变成什么样？

这个实验的答案目前写在 ultraworkers/claw-code 的每一个提交记录里——9 条车道、292 次提交、9 个 crate，以及一个不断提醒访客”这不是正经产品”的 README。

它不是最实用的 AI 编程工具，但它可能是目前最诚实地展示”AI Agent 自我管理”这个命题的项目之一。

相关链接：

• 仓库：https://github.com/ultraworkers/claw-code
• LazyCodex（真正可用的分支）：https://github.com/code-yeongyu/lazycodex
• Gajae-Code（另一个分支）：https://github.com/Yeachan-Heo/gajae-code
• Rust 重写工程实践：CSDN《Rust重写AI编程工具:Claw Code的工程实践与性能突破》（https://blog.csdn.net/weixin_34241036/article/details/92096596）
• Star 历史：https://star-history.com/#ultraworkers/claw-code&Date