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%，task_planner + planning_rules

Context 管理

~92% 自动压缩

long_text::truncate_content、compaction

Checkpoint 机制

编辑前快照、可回滚

编辑自动备份 ~/.skilllite/edit-backups/

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

memory/YYYY-MM-DD.md、pre-compaction flush

Session 结构

sessionId、sessionKey、token 计数

session.rs 对齐 OpenClaw schema

Transcript 分片

按时间分片

transcript.rs 时间分片

Skill 元数据

metadata.openclaw

merge_openclaw_requires 兼容 ClawHub

SOUL 结构

Identity、Core Truths

soul.rs 四段式（Identity/Beliefs/Style/Scope）

规则映射

web_search/web_fetch → skill

seed_openclaw_web_tools 等规则

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

SKILLLITE_HIGH_RISK_CONFIRM、run_command 确认

MCP 集成

opencode.json 配置 MCP

skilllite init-opencode 一键配置

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

—

evolution status/explain/reset、可审计

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。"

# 架构 # 人工智能
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

【Qt】界面优化

avatar 2048 AI社区
cover

机械设计师转大模型岗位，我是抓住风口的猪，真能起飞！

avatar 2048 AI社区

大数据时代：数据标注的5大核心技术与实践指南

在自动驾驶需要识别红绿灯、智能客服需要理解“我要退货”的情绪、医疗AI需要标注CT图像中的肿瘤时，所有AI系统都需要先“学”会这些知识——而数据标注就是“教学材料”的编写过程。本文将覆盖数据标注的核心技术、实践方法和行业痛点，帮助开发者、数据工程师和AI爱好者掌握这门“AI启蒙课”。本文将按“概念-技术-实战-应用”的逻辑展开：先通过“教AI认猫”的故事引出数据标注；再拆解5大核心技术（图像/文本

avatar 2048 AI社区