Clawd Code: eine Nachbildung der durchgesickerten Version von Claude Code, der Open-Source-Portierung von Python

Clawd Code ist ein unabhängiges und quelloffenes Python-Projekt, das darauf abzielt, das zufällige Leck des berühmten KI-Programmierassistenten Claude Die zentralen Interaktions- und Werkzeugplanungsmechanismen von Code werden portiert und in Python Open Source reproduziert. Das Projekt wurde zunächst von den Entwicklern auf der Grundlage des oh-my-codex (OmX)-Frameworks entwickelt, wobei der Schwerpunkt auf innovativem “Harness Engineering” lag - einer eingehenden Untersuchung, wie KI-Intelligenzsysteme externe Tools effizient planen, komplexe Aufgaben orchestrieren und lange Laufzeitkontexte verwalten können. KI-Intelligenzsysteme sind in der Lage, externe Tools effizient zu planen, komplexe Aufgaben zu programmieren und sehr lange Laufzeitkontexte zu verwalten. Das Tool ist nicht nur ein Codebase-Backup oder ein Proof of Concept, sondern ein automatisierter Endpunkt-Programmierassistent, der tatsächlich “die Arbeit macht”. Es wird lokal ausgeführt, liest selbstständig das Dateisystem, führt Code aus, führt Tests durch und verfügt über integrierte fortschrittliche Kollaborationsmodi, die den Entwicklern helfen, ein tieferes Verständnis der Funktionsweise und des zugrunde liegenden architektonischen Designs der nächsten Generation von automatisierten KI-Entwicklungsintelligenzen zu erlangen.

Funktionsliste

• Die Terminal Native Experience von Claude Code nachbildenDie KI kann Verzeichnisse durchsuchen, Codedateien lesen, Code schreiben und ändern und lokale Tests auf der Grundlage von Befehlen in natürlicher Sprache selbstständig auslösen, indem sie direkt in der Terminalumgebung mit dem großen Sprachmodell spricht.
• Parallele Codeüberprüfung ($team-Modus)Der einzigartige fortschrittliche Multithreading-Modus des Projekts unterstützt die parallele Überprüfung der Codebasis durch mehrere KI-Instanzen und ermöglicht so die Überprüfung der Codequalität und die Behebung von Sicherheitsproblemen aus mehreren Perspektiven.
• Implementierung der Persistenz auf Architekturebene ($ralph-Modus)Die KI-Intelligenzeinheit unterstützt die Eröffnung einer kontinuierlichen Ausführungsschleife, in der die KI-Intelligenzeinheit in die Fußstapfen des “Architekten” tritt und mehrstufige logische Schlussfolgerungen, Codegenerierung und mehrere Validierungsrunden komplexer Refactoring- und Entwicklungsaufgaben durchführt, bis die Aufgabe vollständig mit den Anforderungen konform ist.
• Unterstützung der OmX Underlying Workflow EngineProzessorchestrierung auf der Grundlage der oh-my-codex-Architektur, die eine hoch belastbare Planungslogik bereitstellt, die das große Sprachmodell weniger anfällig für Kontextverluste bei der mehrstufigen Aufgabenplanung macht.
• Flexible Integration externer ToolchainsEs unterstützt vollständig automatisierte Arbeitsabläufe vom Schreiben von Code bis zum Einreichen von PRs durch die Konfiguration von Systemumgebungsvariablen oder Token, die es Intelligenz ermöglichen, externe Tools von Drittanbietern wie GitHub, Linear usw. direkt aufzurufen.
• Individuelles Arbeitsplatz- und Smartbody-IdentitätsmanagementMarkdown-Textdateien werden verwendet, um die Systembefehle und den Speicherkontext der Intelligenz zu verwalten, so dass die Benutzer die Persönlichkeit, die Codierungsnormen und die Arbeitsgewohnheiten der KI jederzeit ändern können, indem sie den lokalen Text bearbeiten.

Hilfe verwenden

Willkommen bei Clawd Code, einem Open-Source-Code, der auf dem Claude Code Dieses Tool ist eine leistungsstarke End-to-End-KI-Programmierintelligenz für die Open-Source-Portierung von Python aus ausgelaufenen Versionen und nimmt Ihnen die mühsame Aufgabe des Codierens, Überprüfens und Testens ab. Damit Sie das volle Potenzial dieses Tools und die Effizienzgewinne von 100% ausschöpfen können, lesen Sie bitte die folgende detaillierte Installations- und Betriebsanleitung.

I. Installation und Vorbereitung der Vor-Umgebung

1. die System- und Umweltanforderungen

• BetriebssystemUnterstützung für macOS, Linux und Windows (WSL2 wird für eine optimale Kompatibilität der Terminalumgebung empfohlen).
• Python-VersionErfordert die Installation von Python 3.10 oder höher.
• Werkzeuge zur Paketverwaltung: Empfohlene Verwendung pipUm Abhängigkeitskonflikte zu vermeiden, wird dringend empfohlen, mit dem virtualenv 或 conda Erstellen Sie eine isolierte virtuelle Python-Umgebung.

2. die Beschaffung des Quellcodes und die Installation von Abhängigkeiten
Öffnen Sie Ihr Kommandozeilenterminal und führen Sie den folgenden Befehl aus, um das Clawd Code Projekt lokal zu klonen und die notwendigen Laufzeitabhängigkeiten zu installieren:

# 克隆开源仓库到本地
git clone https://github.com/instructkr/clawd-code.git
cd clawd-code
# 创建并激活 Python 虚拟环境（推荐操作）
python3 -m venv venv
source venv/bin/activate  # Windows 用户请使用 venv\Scripts\activate
# 安装项目的核心依赖包
pip install -r requirements.txt

3. die Konfiguration der Umgebungsvariablen und des API-Schlüssels
Da Clawd Code auf einem großen Sprachmodell-gesteuerten System von Intelligenzen basiert, müssen Sie die entsprechenden Modell-API-Schlüssel konfigurieren, um es zum Denken und Codieren zu befähigen. Eine Basis-Umgebungsvariablen-Vorlagendatei wird im Hauptverzeichnis des Projekts bereitgestellt .env.example。

cp .env.example .env

Verwenden Sie einen Texteditor (z. B. vim, nano oder VS Code), um die neu erstellte .env Datei mit Ihrem API-Schlüssel:

# 必填：配置 Anthropic 的 API 密钥（推荐使用 Claude 3.5 Sonnet）
ANTHROPIC_API_KEY="sk-ant-api03-xxxxxxxxxxxxxxxxxxxx"
# 选填：如果需要智能体执行 GitHub 自动化提交流程，建议配置 Personal Access Token
GITHUB_ACCESS_TOKEN="ghp_xxxxxxxxxxxxxxxxxxxxxxxxxx"

II. Kernfunktionen und grundlegende Arbeitsabläufe

1. aktivieren und in den Smart Body Interaction Modus wechseln
Nachdem Sie sichergestellt haben, dass die Umgebungsvariablen korrekt konfiguriert sind und die virtuelle Umgebung aktiviert ist, starten Sie den Intelligent Body Master mit dem folgenden Befehl:

python main.py

Sobald das Terminal gestartet ist, wird eine interaktive Eingabeaufforderung (Prompt) angezeigt. Zu diesem Zeitpunkt hat Clawd Code den Kontext des aktuellen Verzeichnisses übernommen. Sie können ihm direkt in natürlicher Sprache Entwicklungsaufgaben stellen.
Beispiele für Grundoperationen：

👤 User“Bitte analysieren Sie das aktuelle Verzeichnis von src/utils.py Datei, um Funktionen zu identifizieren, die Speicherlecks verursachen können, und Vorschläge zur Umstrukturierung zu machen.”
🤖 AgentClawd Code: (Clawd Code startet die Planung lokaler Tools zum Lesen von Dateien -> analysiert den Codeinhalt -> gibt einen Analysebericht im Terminal aus -> fragt, ob die Datei direkt geändert werden soll)

2. die Anwendung des $team-Modells: parallele Codeüberprüfung
Im Entwicklungsalltag, wenn Sie an einem großen Pull Request arbeiten oder ein größeres Refactoring durchführen, das mehrere Module umfasst, könnte eine KI, die in eine Richtung denkt, etwas übersehen. In diesem Fall können Sie die Signatur von Clawd Code aufrufen $team Modus.
Arbeitsweise：
Geben Sie im Terminal-Interaktionsmodus eine Zeichenfolge mit $team Vorangestellte Befehle:

$team 审查当前 Git 分支中所有的修改，重点检查 SQL 注入漏洞和多线程安全问题。

ArbeitsprinzipDie zugrundeliegende OmX Scheduling Engine erzeugt mehrere Instanzen unabhängig voneinander bewerteter KI zur gleichen Zeit (z. B. eine mit dem Schwerpunkt Cybersicherheit, eine mit dem Schwerpunkt Laufzeitverhalten und eine mit dem Schwerpunkt Codespezifikation). Diese Intelligenzen lesen Ihren Code parallel im Hintergrund des Terminals und fassen dann die mehrdimensionalen Prüfmeinungen zusammen und geben sie an Sie aus, was die Strenge und Effizienz der Codeprüfung erheblich verbessert.

3. das $ralph-Modell verwenden: Implementierung der dauerhaften Authentifizierung auf Architekturebene
Herkömmliche Tools zur Codegenerierung neigen dazu, “Codeschnipsel zu schreiben”, ohne zu garantieren, dass “der Code im Kontext der gesamten Projektarchitektur perfekt funktioniert”.$ralph Muster sind eine fortschrittliche Funktion von Clawd Code, die speziell für diesen Zweck entwickelt wurde und der KI eine dauerhafte Schleifenausführung und eine mehrstufige Trial-and-Error-Validierung ermöglicht.
Arbeitsweise：

$ralph 将项目底层的 SQLite 数据库操作逻辑整体迁移到 PostgreSQL，请自行修改代码、编写单元测试并运行验证，直到测试全部通过为止。

ArbeitsprinzipWenn dieser Modus aktiviert ist, tritt Clawd Code in einen vollautomatischen geschlossenen Kreislauf von “Denken -> Planen -> Code -> Lokale Tests ausführen -> Terminalfehler erfassen -> Selbstkorrektur des Codes -> Erneuter Test” ein. Ein Schritt-für-Schritt-Statusprotokoll erscheint auf dem Bildschirmterminal, so dass Sie den Versuch-und-Irrtum-Prozess beobachten und die Taste Ctrl+C Manuelles Eingreifen oder Beenden. Dieses Modell eignet sich besonders gut für schwierige Refactoring-Aufgaben auf Systemebene, die ein iteratives Debugging erfordern.

III. erweiterte Konfiguration: benutzerdefinierter Arbeitsbereich und Integration externer Tools

1. die Verwaltung des intelligenten Speichers und des Arbeitsbereichs (.workspace)
Wenn Sie Clawd Code zum ersten Mal in einem Projektverzeichnis ausführen, wird automatisch eine Datei im aktuellen Verzeichnis erzeugt, die wie die folgende aussieht .clawd-workspace/ Dieser Ordner ist das “Gehirn” der Intelligenzen des aktuellen Projekts. Dieser Ordner ist das "Gehirn" der Intelligenzen des aktuellen Projekts und enthält mehrere Konfigurationsdateien im Markdown-Format:

• identity.md: Definieren Sie die Rollen und Persönlichkeiten der Intelligenzen. Sie könnten dies ändern in “Sie sind ein extrem anspruchsvoller Linux-Kernel-Entwickler, bitte sprechen Sie mit mir in diesem Ton”.
• rules.md: Legen Sie projektspezifische Kodierungsspezifikationen fest. Schreiben Sie zum Beispiel: “Alle Python-Funktionen in diesem Projekt müssen ausschließlich Type Hints verwenden, keine globalen Variablen und müssen als Docstring geschrieben werden”.
  Indem Sie diese nativen Markdown-Dateien direkt mit einem Texteditor ändern, können Sie Ihren KI-Assistenten an die Bedürfnisse Ihres Teams anpassen, ohne den zugrunde liegenden Python-Quellcode zu verändern.

2) Externe Werkzeuge und Planungskonfigurationen (Werkzeuge und Integrationen)
Die Stärke von Clawd Code liegt in seiner Fähigkeit, seine “Toolchain” zu erweitern. Durch die Freigabe bestimmter Token für die Systemumgebung können Intelligenzen Werkzeuge von Drittanbietern direkt manipulieren:

• Andocken an die GitHub-Pipeline: in .env Datei wird mit der Option GITHUB_ACCESS_TOKEN In diesem Fall können Sie einfach in das Terminal sagen: “Commit Ihre aktuellen Änderungen in einen neuen Git-Zweig und erstellen Sie einen neuen Zweig namens feat-update Clawd Code ruft automatisch die zugrunde liegenden Git-Befehle und GitHub-APIs auf, um eine Abfolge von Aktionen auszuführen.
• Aufrufen lokaler CLI-ToolsWenn Sie ein Codeformatierungs- oder statisches Analysewerkzeug auf Ihrem System installiert haben (wie z. B. das black、mypy 或 ruff), können Sie der KI einfach den Befehl erteilen: “Führen Sie ruff aus, um alle geänderten Dateien zu formatieren, nachdem der Code geändert wurde.” Die KI gibt die entsprechenden Befehlszeilenbefehle im Terminal ein und führt die Bereinigung durch, genau wie ein echter Programmierer es tun würde.

IV. Hinweise und bewährte Verfahren

1. Sicherheit und Abgrenzung von PrivilegienClawd Code hat echte Berechtigungen zum Lesen, Schreiben und sogar Löschen von Dateien auf Ihrem lokalen System. Wenn Sie automatisierte Aufgaben aus unbekannten Quellen ausführen oder in Umgebungen arbeiten, die wichtige Produktionsdaten enthalten, wird dringend empfohlen, Clawd Code in einem Docker-Container oder einer dedizierten Sandbox-Umgebung für virtuelle Maschinen auszuführen, um zu verhindern, dass das große Sprachmodell “Illusionen” erzeugt, die zum versehentlichen Löschen oder Überschreiben von wichtigen Dateien führen können.
2. Token-Gemeinkosten und Kostenüberwachung: Häufige Verwendung $team(mehrere AI-Instanzen parallel) und $ralph(Es wird empfohlen, die KI einen einfachen Ausführungsplan ausgeben zu lassen, bevor sie mit einer großen, komplexen Aufgabe fortfährt, um zu bestätigen, dass die Logik korrekt ist, bevor sie zur Ausführung der vollständigen geschlossenen Schleife ermächtigt wird.
3. Akademische Forschung und sekundäre EntwicklungDieses Projekt (Harness Engineering) soll Entwicklern ein transparentes Verständnis dafür vermitteln, wie das Big Model Tool Scheduling funktioniert. Es wird empfohlen, den zugrundeliegenden Quellcode zu lesen, um zu erfahren, wie Clawd Code das JSON-Ausgabeformat des Big Model analysiert und in native Python-Funktionen umwandelt, die für die Entwicklung eigener Agentensysteme nützlich sein können.

Anwendungsszenario

1. Native Automatisierungsprogrammierung und Code-Refactoring
   Bei der Arbeit mit veralteten Legacy-Codebasen können Entwickler Clawd Code nutzen, um komplexe Funktionsabhängigkeiten automatisch zu analysieren und Refactoring-Patches direkt in der lokalen Umgebung anzuwenden, wodurch die Notwendigkeit entfällt, Refactoring-Patches in einem Browser (wie z. B. dem ChatGPT (Web-Version) und das mühsame Kopieren und Einfügen zwischen lokalen Code-Editoren.
2. Parallele Überprüfung einer mehrdimensionalen Codebasis
   Das F&E-Team kann die $team Clawd Code bietet eine schnelle und parallele automatisierte Fehlerbehebung lokaler Codebasen mit Empfehlungen aus verschiedenen Blickwinkeln, einschließlich Netzwerksicherheit, Ausführungsleistung und Codeformatierungsspezifikationen, und stellt sofort eine Jury aus erfahrenen Architekten ein.
3. Intelligente Karosseriearchitektur Forschung und Sekundärentwicklung
   Dieses Projekt stellt eine hervorragende Referenzquelle für Ingenieure dar, die an der Entwicklung von KI-Agenten arbeiten. Durch die Lektüre des Open-Source-Codes des Projekts können Entwickler lernen, wie man Aufgaben-Persistenz-Warteschlangen in reinem Python erstellt, wie man die Phantomausgaben von LLM abfängt und verarbeitet und wie man native Funktionen sicher als Tool-Aufrufe für große Sprachmodelle bereitstellt.
4. Closed-Loop-Behebung komplexer Probleme (Fehlerbehebung)
   Bei tiefen Logikfehlern verwenden Sie die $ralph Mit Hilfe von Pattern-Mounting-Aufgaben kann Clawd Code selbstständig die Fehlerprotokolle des Terminals lesen, Quellcodedateien finden, die Geschäftslogik ändern und lokale Testfälle so lange ausführen, bis das System keine Ausnahmen mehr auslöst, was die Belastung des Entwicklers und die Zeit für die Fehlersuche erheblich reduziert.

QA

1. Was hat dieses Projekt mit dem ursprünglichen Claude-Code zu tun?
   Clawd Code ist eine eigenständige, quelloffene Neufassung der Python-Portierung auf der Grundlage der versehentlich durchgesickerten Version von Claude Code. Die Entwickler haben diesen funktionalen Klon schnell auf der Grundlage des oh-my-codex-Frameworks geschrieben, das die Kernmechanismen für die Werkzeugplanung und den Endpunkt-Agenten genau wiedergibt.
2. Warum diese Open-Source-Portierung von Python?
   Dieses Tool ist nur für Bildungszwecke gedacht. Während der ursprüngliche Code von Claude Code Closed-Source und komplex war, entfernt diese Python-Open-Source-Portierung die kommerziellen Komponenten und bietet Entwicklern ein großartiges Forschungsmaterial zum transparenten Lernen über KI-Intelligenzen “Harness Engineering” und Workflow-Orchestrierung.
3. Welche Modellunterstützung ist für die Ausführung von Clawd Code erforderlich?
   Das zugrundeliegende Scheduling Framework (OmX) stützt sich auf große Sprachmodelle mit starken logischen Schlussfolgerungen und nativen Tool Calling-Funktionen. Für eine optimale automatisierte Programmierung wird empfohlen, eine Top-Modell-API wie Claude 3.5 Sonnet / Opus von Anthropic oder GPT-4o von OpenAI usw. zu konfigurieren. Die Benutzer müssen den entsprechenden API-Schlüssel vorbereiten und registrieren.
4. Kann das Projekt für die alltägliche Entwicklung eines Unternehmens genutzt werden?
   Das Projekt selbst ist quelloffen, aber die Entwickler weisen deutlich darauf hin, dass es in erster Linie zum Lernen und für die Ausbildung gedacht ist. Wenn Sie es direkt in einen Geschäftsablauf integrieren, sind Sie für potenzielle API-Abrechnungskosten und Sicherheitshaftungen im Zusammenhang mit automatisierten Codeänderungen verantwortlich und sollten die Open-Source-Vereinbarung auf GitHub beachten. Auch hier wird die Ausführung in einer Sandbox oder einem Container dringend empfohlen, um lokale Geschäftsdateien zu schützen.