TL;DR
用 Rust 从零撸了一个 AI Coding Agent：CrabClaw。支持 OpenAI / Anthropic / Codex （白嫖 ChatGPT Plus 额度）三套 Provider ，CLI 一次性执行、交互式 REPL 、Telegram Bot 三种模式，能自主调用工具、读写文件、执行 Shell 命令，278 个自动化测试保障质量。
GitHub： https://github.com/jackwener/crabclaw
这是什么？
CrabClaw 是一个 OpenClaw 兼容的 Agentic Coding 工具链，核心思路是把「命令执行」和「模型推理」彻底解耦，在一个统一的路由循环里同时处理用户指令和 AI 生成的工具调用。
简单说：你给它一段自然语言，它会自主规划→调用工具→读写文件→执行命令→把结果喂回模型→继续推理，最多跑 5 轮，直到任务完成。
设计哲学
参考了 bub 的设计理念和 @frostming 的文章 《打造属于自己的 AI Claw 》，核心思想是：
框架是能力内核，不是功能仓库。 硬化内核行为，软化外部能力层。
- 内核（路由、Tape 、安全边界）必须确定性可测试
- 能力扩展优先通过 Prompt 和 Skill 文本驱动，而非硬编码
- Channel 适配器只负责唤醒和传输，不包含业务逻辑
Tape-First 记忆
学习了 bub 的 tape 思路。不用向量数据库，用最朴素的 JSONL 追加写入。支持 Anchor （锚点标记阶段）、Handoff （上下文交接）、Search （全文搜索历史），滑动窗口截断防止上下文爆炸。简单、可靠、可审计。
测试
- 4 层测试架构：单元 → AgentLoop 集成 → CLI 端到端 → Telegram 端到端
- 10 个 Live E2E 测试：对真实 LLM API 跑集成测试
 |
1
jakevin OP 感觉项目不错的可以帮忙点个 star ，感谢。
|
 |
2
sunny352787 2 月 27 日
你这个和 zeroclaw 有啥区别？或者说有啥优势？
|
|
3
jakevin OP @sunny352787 CrabClaw 的定位更聚焦一些，只保留核心功能。
1. 命令执行和模型推理解耦。 2. 只保留基本的文件操作 read/write/edit/list/search 3. 按需展开 Schema 省 token 4. 支持 skill 引擎 只保留了最基本的 framework 最小内核 |
Select Language