ClawCodex
面向终端的软件工程代理：用 Python 运行工具调用、代码修改与多模型编程工作流。
这个 Agent 能做什么，适合哪些场景？
ClawCodex 是一个以 Python 实现的 Claude Code 风格编程代理，提供可交互的终端界面和可脚本化的命令行入口。默认交互界面是 TypeScript Ink TUI，它通过 NDJSON 管道启动并控制 Python agent-server；无界面任务可通过 `clawcodex -p` 执行。代理循环可流式输出、调用文件与 Shell 工具、保存会话，并通过 `SKILL.md` 扩展斜杠命令。它支持 Anthropic、OpenAI、Gemini、DeepSeek、OpenRouter 等提供方及 OpenAI 兼容服务，也支持 Ollama、vLLM、SGLang 等本地服务器。项目还提供权限模式、MCP 工具与资源接线、计划模式、定时任务和 `/eco` Bash 输出压缩；采用前应评估其默认交互式 Full Access 权限及外部模型服务依赖。
用户启动 clawcodex 后，Ink TUI 将提示词、@ 文件引用和斜杠命令发送给 Python agent-server；也可用 clawcodex -p "..." 直接运行一次任务。agent loop 根据已配置的 provider/model 流式接收模型响应，并调用 Read、Write、Edit、Glob、Grep、Bash、WebFetch、WebSearch、AskUserQuestion、TodoWrite、Agent 等工具，随后把工具结果继续送回模型直至完成。配置保存在 ~/.clawcodex/config.json，可通过 clawcodex login 写入 API 凭据、默认模型和可选的 TAVILY_API_KEY；会话及权限设置另可持久化。/eco 会对进入模型上下文的 Bash 输出执行确定性压缩，并保留可恢复的完整输出；clawcodex mcp serve 可将 ClawCodex 工具以 MCP stdio server 形式暴露。
- 需要在本地 Git 项目中让终端代理阅读源码、修改文件、运行测试和执行 Shell 命令的 Python 或全栈开发者。
- 需要在 CI、脚本或其他自动化流程中通过 `clawcodex -p`、JSON 或 NDJSON 输入输出执行一次性代码任务的工程团队。
- 希望在同一套工具调用与技能工作流中切换 Anthropic、OpenAI、DeepSeek、Gemini 或本地 Ollama/vLLM/SGLang 模型的团队。
- 在长时间排障或测试失败场景中，需要用 `/eco` 缩减 Bash 日志进入模型上下文的 token 用量，同时保留原始日志的开发者。
- 需要通过 `.clawcodex/skills/<skill-name>/SKILL.md` 为仓库定义受限工具的自定义斜杠命令的项目维护者。
- 需要让代理在会话空闲时按 cron 或 `/loop` 节奏检查构建、部署或待办事项的终端用户。
这个 Agent 有哪些优点和局限？
- 同一 Python agent loop 覆盖 30 个列出的云端或本地提供方，并为 OpenAI 兼容服务提供集中式注册配置。
- 同时提供 Ink TUI、headless `-p`、JSON/NDJSON 流式接口和 agent-server，适合交互式开发及脚本自动化两类入口。
- 工具集不仅包含读写、搜索与 Bash，还包含技能、任务、定时任务、工作树、MCP 和权限控制等编程代理所需组件。
- `/eco` 对 Bash 结果进行确定性、可恢复且“never worse”保护的压缩，README 给出了 27 条真实命令输出的复现实验。
- 支持 API key 优先的 Anthropic/OpenAI 路径，也记录了 Claude Pro/Max 与 ChatGPT 订阅登录方案。
- 交互式 `clawcodex` 默认 Full Access，可编辑任意文件并运行命令；在非隔离环境中必须主动收紧权限。
- 完整 TUI 依赖 Node.js 18+ 和已构建的 TypeScript UI，增加了纯 Python CLI 之外的运行时要求。
- WebSearch 需要单独配置 Tavily API key，云端模型调用还依赖所选提供方的网络、凭据、额度和兼容性。
- Claude Pro/Max 及 ChatGPT 订阅接入均明确说明受第三方客户端和服务条款限制，可能停止工作。
- README 的状态表仍将上下文深度、权限系统和 MCP runtime 的部分工作标为持续演进或进行中。
如何安装或部署这个 Agent？
需具备 Python 3.10+、网络连接，以及至少一个提供方的 API key 或支持的订阅登录。推荐安装：pipx install clawcodex-cli
随后运行：clawcodex login
按交互提示选择 provider 并配置凭据，最后验证：clawcodex --help
也可从源码安装：git clone https://github.com/agentforce314/clawcodex.git && cd clawcodexuv venv --python 3.11 && source .venv/bin/activateuv pip install -e ".[dev]"
交互式 Ink TUI 还需要 Node.js 18+ 和已构建的 ui-tui/dist；无界面 -p 路径不需要 Node。
如何使用这个 Agent？
完成登录后，在目标项目目录运行 clawcodex 启动交互式 TUI，或运行 clawcodex tui 显式启动。可用 @src/cli.py 引用文件，使用 /tools 查看工具，或运行项目技能命令。一次性任务示例：clawcodex -p "Summarize src/cli.py"；指定模型示例：clawcodex --provider anthropic --model claude-sonnet-4-6 -p "Find TODOs"。若需 WebSearch，在配置的 env 中加入 TAVILY_API_KEY。交互式会话默认是 Full Access；在执行前可用 /permissions 降低权限，或在无界面运行中使用 --permission-mode plan。
这个 Agent 与同类方案有什么区别？
相对 Claude Code，ClawCodex 定位为 Python 重建版，并将重点放在多提供方模型接入，而非仅使用 Claude 系列模型。README 还报告了在相同 Gemini 2.5 Pro 标准化 harness 下，SWE-bench Verified 的 ClawCodex 为 291/499（58.2%），openclaude 为 265/499（53.0%）；该结果是项目自述的评测数据。与 claude-code-router 的 Fusion Model 概念相比，README 说明 ClawCodex 在代理循环中替换图像内容，使文本基础模型可读取视觉模型生成的描述。