Claude Code、OpenClaw、OpenCode 架构对比 — 及 SkillLite 的借鉴与取长补短
一、概述
当前 AI 编码 Agent 有三条主流路线：Claude Code（闭源商业）、OpenClaw（开源多通道网关）、OpenCode（开源编码 Agent）。SkillLite 在深度研究上述框架之后整合各个框架的长处，取长补短，构建：开源 + 本地 + 安全沙箱 + 引擎级自进化。本文从架构视角对比四者，并说明 SkillLite 如何借鉴三者之长、补三者之短。
维度 | Claude Code | OpenClaw | OpenCode | SkillLite-agent |
|---|---|---|---|---|
定位 | 闭源商业 AI 编码助手 | 开源多通道 AI 网关 | 开源 AI 编码 Agent | 开源安全自进化 Agent 引擎 |
技术栈 | 闭源（推测 TS/Node） | Node.js + npm | 开源（终端/桌面/IDE） | Rust 单 binary |
运行形态 | 终端 / IDE / 云端 VM | Gateway + 多通道 | 终端 / 桌面 / IDE | CLI 单 binary |
编辑能力 | 95%（StrReplace 级） | 25%（靠 bash） | 90%（edit/write/patch/multiedit + grep/glob） | 80%（fuzzy + insert_lines + grep） |
规划能力 | 80%（Task 工具、依赖链、Agent 团队、两阶段规划） | 75%（Plan skill L0-L4、orchestrator 5 模式、Task Router） | 75%（Plan Agent 专职规划 + plans 持久化 + Explore 子 Agent） | 75%（task_planner + rules，对标 Claude Code） |
记忆能力 | 85%（Auto Memory GA） | 80%（MEMORY.md + 按日分片） | 45%（Session 持久化 SQLite+JSON、AGENTS.md；长期记忆需插件） | 68%（decisions + FTS5 + 按日） |
自进化能力 | Memory 级（仅记忆学习） | 分散（Skill/Plugin 拼凑） | 无 | 80%（引擎级 prompts/memory/skills/plan） |
安全 | 部分（云端隔离） | 无 OS 级沙箱 | 依赖 MCP 扩展 | 8.3/10 全链路沙箱 |
依赖 | 需 Anthropic 服务 | Node 22+ | 需运行时 | 零外部依赖 |
二、Claude Code 架构要点
2.1 核心设计
Claude Code 围绕 Agentic Loop 构建：收集上下文 → 采取行动 → 验证结果。三个阶段交织进行，由模型自主决定下一步。
用户输入 → 模型分析 → 工具调用 → 结果反馈 → 重复直至完成设计原则（基于公开文档与社区逆向分析）：
原则 | 说明 |
|---|---|
Model-Driven Autonomy | 模型决定下一步，而非硬编码脚本 |
Context as Resource | 上下文接近 ~92% 时自动压缩，摘要写入长期 Markdown 存储 |
Primitive Integrations | 使用基础工具（bash、grep、文件编辑），而非 80+ 专用集成 |
Single-threaded Execution | 单一扁平消息历史，最多一个 sub-agent 分支 |
2.2 工具分层
类别 | 能力 |
|---|---|
File operations | 读、编辑、创建、重命名 |
Search | 按模式找文件、正则搜索、代码库探索 |
Execution | Shell、测试、git |
Web | 搜索、抓取文档、查错误信息 |
Code intelligence | 类型错误、定义跳转、引用查找（需插件） |
扩展层：Skills、MCP、Hooks、Subagents。
2.3 记忆与会话
- Auto Memory：自动保存学习（项目模式、偏好），每会话前 200 行 MEMORY.md 加载
- CLAUDE.md：项目级持久指令
- Sessions：本地存储，支持 checkpoint 回滚、resume、fork
- Context 管理：自动 compaction，可配置 Compact Instructions
2.4 执行环境
环境 | 代码运行位置 | 用途 |
|---|---|---|
Local | 本机 | 默认，完整访问 |
Cloud | Anthropic 托管 VM | 卸载任务、远程仓库 |
Remote Control | 本机，浏览器控制 | Web UI + 本地执行 |
2.5 架构特点小结
- 强项：任务规划与推理质量高（对标 80%）、Auto Memory GA、多环境、用户体验成熟
- 弱项：闭源、依赖云端、无本地沙箱、进化仅限 Memory
三、OpenClaw 架构要点
3.1 核心设计
OpenClaw 是 多通道网关，连接 WhatsApp、Telegram、Discord、iMessage 等与 AI 编码 Agent（如 Pi）。Gateway 是会话、路由、通道连接的唯一真相源。
Chat apps + plugins → Gateway → Pi agent / CLI / Web Control UI / 移动端设计原则：
原则 | 说明 |
|---|---|
Agent-Native | 为编码 Agent 设计：tool use、sessions、memory、多 Agent 路由 |
Multi-Channel | 单一 Gateway 同时服务多通道 |
Self-Hosted | 自托管，数据可控 |
Plugin 生态 | 通过 Skill/Plugin 扩展能力 |
3.2 组件结构
组件 | 职责 |
|---|---|
Gateway | 入口、会话、路由、通道连接 |
Brain | LLM 处理（Claude、GPT、Grok、本地模型） |
Hands | 执行层 |
Memory System | 本地 Markdown 持久化（MEMORY.md、memory/YYYY-MM-DD.md） |
Heartbeat Loop | 7×24 自主监控与任务处理 |
3.3 ClawHub：Skill 注册中心
- 定位：AI Agent 的「npm」
- 能力：向量搜索、语义版本、社区评分、CLI API
- 安全：GitHub 账号 ≥1 周可发布、举报与审核
3.4 自进化能力（分散在生态中）
项目 | 类型 | 进化对象 | 安全约束 |
|---|---|---|---|
capability-evolver | 可选 Skill | 代码/配置 | GEP 协议，无沙箱 |
EvoClaw | 第三方 Plugin | SOUL 信念（CORE/MUTABLE） | 治理模式（软约束） |
Foundry | 第三方 Plugin | 工作流晶化为工具 | 静态关键词过滤 |
Geneclaw | 独立框架 | 规则/配置 | 5 层 Gatekeeper（无沙箱） |
共同局限：分散在不同项目、无统一架构、均无 OS 级沙箱。
3.5 架构特点小结
- 强项：开源、多通道、ClawHub 生态、Memory 设计成熟、进化思路多样
- 弱项：Node 依赖、无 OS 沙箱、进化拼凑、安全约束分散
四、OpenCode 架构要点
OpenCode 与 OpenClaw 是不同产品：OpenCode 是开源 AI 编码 Agent（类似 Claude Code 的竞品），OpenClaw 是多通道网关。
4.1 核心设计
OpenCode 采用 主 Agent + 子 Agent 分层架构，面向自主编码任务：
Primary Agents (Build / Plan) ← 用户直接交互 ↓ 可调用 Subagents (General / Explore) ← 专项任务，@ 提及或自动调用 ↓ 隐藏 System Agents (Compaction / Title / Summary) ← 自动运行设计原则：
原则 | 说明 |
|---|---|
Agent 分层 | Primary 主对话，Subagent 专项，System 隐藏 |
权限控制 | edit/bash/webfetch 可配置 deny/allow/ask |
多会话 | 同一项目可并行多 Agent |
隐私优先 | 不存储代码或上下文数据 |
4.2 内置 Agent
Agent | 模式 | 能力 |
|---|---|---|
Build | primary | 默认，全工具（文件、bash） |
Plan | primary | 只读分析，bash/edit 默认 ask |
General | subagent | 研究、多步任务、并行执行 |
Explore | subagent | 快速只读，搜索代码库 |
Compaction / Title / Summary | 隐藏 | 上下文压缩、标题、摘要 |
4.3 扩展与集成
- MCP：通过 MCP 扩展工具（SkillLite 通过
skilllite init-opencode集成） - 75+ LLM：支持 Models.dev 及本地模型
- 多界面：终端、桌面 App、IDE 扩展
4.4 架构特点小结
- 强项：开源、Agent 分层清晰、权限细粒度、MCP 扩展、多模型
- 弱项：无内置沙箱（依赖 MCP 如 SkillLite）、无自进化、需运行时
五、架构差异对比
5.1 分层与职责
维度 | Claude Code | OpenClaw | OpenCode | SkillLite |
|---|---|---|---|---|
入口 | 终端 / IDE / Web | Gateway | 终端 / 桌面 / IDE | CLI |
Agent 架构 | 单循环 + Subagent | 内置（Pi 等） | Primary + Subagent 分层 | 单循环 |
工具层 | 内置 + Skills + MCP | Skill 生态 | 内置 + MCP | 内置 + Skills + MCP |
记忆 | Auto Memory + CLAUDE.md | MEMORY.md + 按日分片 | Session 持久化 + AGENTS.md | decisions + memory + FTS5 |
进化 | Memory 自动学习 | 分散在 Skill/Plugin | 无 | 引擎级 prompts/memory/skills |
安全 | 云端隔离、checkpoint | 无 OS 沙箱 | 依赖 MCP（如 SkillLite） | Seatbelt/bwrap/seccomp |
5.2 技术栈与依赖
维度 | Claude Code | OpenClaw | OpenCode | SkillLite |
|---|---|---|---|---|
语言 | 闭源（推测 TS） | Node.js/TypeScript | 开源 | Rust |
运行时 | 闭源运行时 | Node 22+ | 需运行时 | 无（单 binary） |
安装体积 | ~300MB | 200MB+ npm | ~100MB | ~6.5MB |
冷启动 | 秒级 | 秒级 | 秒级 | 毫秒级 |
5.3 进化机制对比
维度 | Claude Code | OpenClaw 生态 | OpenCode | SkillLite |
|---|---|---|---|---|
进化层级 | 产品级（Memory） | Plugin/Skill 级 | 无 | 引擎级 |
学习来源 | 对话与使用 | 外部博客/日志/工作流/对话 | — | 自身任务反馈 + 可选外部 |
安全约束 | 产品策略 | 分散、软约束为主 | — | 5 层 Gatekeeper + 沙箱 |
不可变边界 | 未公开 | EvoClaw CORE（软约束） | — | 编译进 binary（硬约束） |
可回滚 | checkpoint | 各项目自行实现 | — | 原子回滚 + evolution status |
六、SkillLite 的借鉴与取长补短
6.1 从 Claude Code 借鉴
借鉴点 | Claude Code 做法 | SkillLite 实现 |
|---|---|---|
任务规划质量 | 强推理、多步拆解 | 对标 80%， |
Context 管理 | ~92% 自动压缩 |
|
Checkpoint 机制 | 编辑前快照、可回滚 | 编辑自动备份 |
Primitive 工具 | 基础工具优先 | 7 个核心工具，少而精 |
Subagent 隔离 | 独立上下文 | MCP 可扩展，未来可支持子任务隔离 |
6.2 从 OpenClaw 借鉴
借鉴点 | OpenClaw 做法 | SkillLite 实现 |
|---|---|---|
Memory 格式 | MEMORY.md + 按日分片 |
|
Session 结构 | sessionId、sessionKey、token 计数 |
|
Transcript 分片 | 按时间分片 |
|
Skill 元数据 | metadata.openclaw |
|
SOUL 结构 | Identity、Core Truths |
|
规则映射 | web_search/web_fetch → skill |
|
Geneclaw 5 层 Gatekeeper | 路径白名单、变更限制、敏感扫描 | L1～L5 进化安全门控 |
6.3 从 OpenCode 借鉴
借鉴点 | OpenCode 做法 | SkillLite 实现 |
|---|---|---|
Agent 分层 | Primary + Subagent + 权限控制 | 可扩展：MCP 可挂载专项工具 |
权限细粒度 | edit/bash 可 deny/allow/ask |
|
MCP 集成 | opencode.json 配置 MCP |
|
Plan 模式 | Plan Agent 只读分析 | 规划阶段可先 memory_search/读文件再执行（AGENT-2） |
6.4 SkillLite 的差异化补短
Claude Code 短板 | OpenClaw 短板 | OpenCode 短板 | SkillLite 补短 |
|---|---|---|---|
闭源、依赖云端 | 无 OS 沙箱 | 无内置沙箱 | 开源 + 本地 + 全链路沙箱 |
进化仅 Memory | 进化分散、拼凑 | 无自进化 | 引擎级三维进化（prompts/memory/skills） |
无公开安全模型 | 安全约束分散 | 依赖 MCP | 5 层 Gatekeeper + 沙箱试运行 |
安装体积大 | npm 依赖链 | 需运行时 | 单 binary、零依赖、~6.5MB |
— | 无统一进化治理 | — |
|
6.5 定位叙事
竞品 | 叙事 | SkillLite 叙事 |
|---|---|---|
Claude Code | 最好的 AI 编码助手（Auto Memory GA） | Memory 只是进化的 1/3，我们还进化 Skills 和 Prompts；且本地、开源、可审计 |
OpenClaw | 最大 AI Skills 生态 + 可选进化 Plugin | 进化应是引擎核心，而非可选插件；进化产物必须有 OS 级安全保障 |
OpenCode | 开源 AI 编码 Agent，Agent 分层 + MCP | 可与 SkillLite MCP 组合：OpenCode 做 Agent 层，SkillLite 做安全执行层 |
七、总结
7.1 架构差异一句话
- Claude Code：闭源、云端优先、强推理与 Memory，进化限于产品级 Auto Memory。
- OpenClaw：开源、多通道网关、Skill 生态丰富，进化分散在多个 Plugin，无统一沙箱。
- OpenCode：开源、Agent 分层（Build/Plan + Subagent）、权限细粒度、MCP 扩展，无自进化、无内置沙箱。
- SkillLite：开源、本地优先、单 binary、安全沙箱、引擎级三维自进化，在安全约束下「越用越聪明」。
7.2 取长补短总览
Claude Code 之长 → 任务规划、Context 管理、Checkpoint、Primitive 工具 OpenClaw 之长 → Memory 格式、Session/Transcript、Skill 兼容、5 层 Gatekeeper 理念 OpenCode 之长 → Agent 分层、权限细粒度、MCP 集成 SkillLite 之补 → 开源 + 本地 + 沙箱 + 引擎级进化 + 零依赖 + 可审计7.3 竞争力定位（来自 10-AGENT-80%）
维度 | Cursor | Claude Code | OpenClaw | OpenCode | SkillLite |
|---|---|---|---|---|---|
编辑精度 | 95% | 95% | 25% | 90% | 80% |
代码搜索 | 95% | 95% | 50% | 85% | 80% |
安全 | 20% | 部分 | 40% | 依赖 MCP | 83% |
自进化 | Memory | Memory | 拼凑 | 无 | 80%（引擎级） |
MCP 生态 | ❌ | ✅ | 部分 | ✅ | ✅ 70% |
轻量 | 300MB | ~300MB | 200MB+ | ~100MB | 6.5MB |
零依赖 | ❌ | ❌ | ❌ | ❌ | ✅ |
离线可用 | 部分 | 部分 | ❌ | 部分 | ✅ |
"轻量 binary，深度安全，自进化智能，越用越聪明。"
