Claw Code：把 CLI agent harness 做成 Rust 版，還把「先 doctor 再開工」變成流程

如果你只看 AI coding tools 的 demo，很容易誤以為重點是「它能不能幫你寫出一段程式碼」。

但真正值得研究的，往往不是輸出檔案，而是它怎麼被啟動、怎麼被驗證、怎麼被控管、怎麼被重跑。

Claw Code 就是這類 repo 的代表。它是 Claw Code CLI agent harness 的公開 Rust 實作，核心工作區在 rust/，主要入口是 claw CLI。從 README 和使用文件來看，它不是只把一個舊工具「搬到 Rust」，而是把一整套 agent 工作流一起整理成可重複執行的產品表面。

截至我查看時，這個 repo 已經有 19 萬+ stars，而且最近仍然持續更新。這讓它不只是「又一個 coding agent 專案」，而是很適合拿來觀察：一個 agent 工具要怎麼從 demo 變成真正可用的工程系統。

先從第一步開始：`doctor`

Claw Code 最讓我有感的地方，是它把「先檢查環境」做得很明確。

官方文件直接把 /doctor 放在第一個建議動作：先啟動 claw，再跑 doctor health check。這個設計很務實，因為 agent 類工具最常見的問題，從來不是模型不會回答，而是：

API key 沒設好
權限模式不對
工作區沒有初始化
session 狀態不一致

與其讓使用者在失敗後自己猜，不如把診斷流程變成產品的一部分。這也是 Claw Code 跟很多「看起來很會」的 AI 工具不一樣的地方：它先承認真實世界很髒，再提供一個乾淨的起跑線。

它不是只有 REPL，還有完整的 CLI 工作流

從 USAGE.md 看，Claw Code 的重點不是只有互動式 REPL，而是一整套可機器化的操作面：

cargo build --workspace
./target/debug/claw
/doctor

還有：

claw init：初始化專案，建立 .claw、.claw.json、.gitignore 與 CLAUDE.md
claw prompt "..."：單次執行 prompt
claw --output-format json ...：把核心命令輸出成可腳本化格式
claw state：讀取 worker state
claw agents / claw mcp / claw skills / claw sandbox：把 agent 生態需要的周邊能力也納進來

這些功能看起來很像「工具列表」，但其實是在傳達一個很重要的訊息：agent 不是一個 prompt，而是一套可運行的系統。

如果你在做開發者工具，這種設計比單純追求模型輸出更值得學。

Rust 的價值，不只是「更快」

很多人看到 Rust rewrite，第一反應是效能。

但 Claw Code 更有意思的地方，是它把 Rust 用在一個更現實的目標：讓 agent 的行為可預測、可驗證、可回放。

在 rust/README.md 裡，它把能力列得很完整：

provider flows + streaming
interactive REPL
tool system（bash、read、write、edit、grep、glob）
web tools
permission system
MCP server lifecycle
session persistence + resume
git integration
machine-readable JSON output
slash commands

另外，專案還有 deterministic mock Anthropic service、clean-environment CLI harness、mock parity scenarios。這類東西很少出現在對外宣傳頁上，但對真正要把 agent 做成產品的人來說，卻是關鍵。

因為最後決定工具能不能上線的，往往不是「它會不會回答」，而是：

它能不能在乾淨環境中重現？
它能不能被測試？
它能不能安全地跑工具？
它能不能把狀態寫回去？
它能不能把失敗模式變清楚？

Claw Code 的方向很明顯：先把這些問題變成一等公民，再談智能。

我覺得最值得學的是：它把「系統」放在「成果」之前

這個 repo 的哲學文件有一句話很準：如果你只看生成出來的檔案，你就看錯層了。

這句話放在 agent 時代特別有意義。

因為我們現在很容易被「結果」迷惑：

生成了幾個檔案
寫了多少行 code
一次任務完成得多漂亮

但真正拉開差距的，是背後那套協作結構：

人怎麼下指令
agent 怎麼拆解任務
如何檢查
如何恢復
如何把通知與追蹤移出上下文視窗

Claw Code 很像是在公開演示：當 agent 工具成熟到一定程度，產品賣點就不只是「幫你做事」，而是「怎麼穩定地做事」。

如果你在做 coding agent，這個 repo 值得怎麼看

我會建議從這幾個角度讀 Claw Code：

先看 onboarding：第一次跑起來要做什麼？
再看 diagnostics：/doctor 解決哪些常見失敗？
再看 automation surface：它如何支援 JSON、session、state、init？
再看安全與權限：工具執行如何被管控？
最後看 parity / harness：它怎麼驗證行為沒有跑掉？

如果一個 agent 專案只展示「會回答」，那通常還不夠。

如果它連如何讓人放心地使用都設計好了，才開始接近一個真正可持續的產品。

結語

Claw Code 讓我最有印象的，不是它把 CLI agent 做成 Rust，也不是它有哪些命令，而是它很清楚地把一件事說明白：

AI 工具的競爭，最後會從「誰會生成內容」走向「誰能把流程定義得更可靠」。

對正在研究 coding agent、開發者工具或 AI 工作流的人來說，這是一個很值得拆解的 repo。

它不是一個單純的 demo。它是在把 agent 產品化這件事，做成可閱讀的系統設計。

參考資料

GitHub: https://github.com/ultraworkers/claw-code
Usage guide: https://github.com/ultraworkers/claw-code/blob/main/USAGE.md
Rust workspace: https://github.com/ultraworkers/claw-code/blob/main/rust/README.md
Parity status: https://github.com/ultraworkers/claw-code/blob/main/PARITY.md
Philosophy: https://github.com/ultraworkers/claw-code/blob/main/PHILOSOPHY.md