夜雨聆风
Claude Code源码泄露后,我才发现它和OpenClaw的Agent设计根本不是一路东西
大家好，我是乐天。
Claude Code 源码泄漏之后，所有人都跑去研究它那 11 层架构。
但我更好奇的是另一件事：
同样在做”多 Agent”这件事，OpenClaw 的设计思路，和 Claude Code 到底有什么本质不同？
研究完我发现一个反直觉的结论：
它们根本不是竞争关系。它们根本不是一路东西。
从「出身」说起：两种 Agent 哲学
Claude Code 起源于 Anthropic 对「AI 编程」这个单点场景的深度思考。
它的核心假设是：编程是一个多步骤、长周期、跨文件的复杂任务，需要上下文积累、需要并行执行、需要可打断。围绕这个场景，Claude Code 把自己设计成了一整套单机作战的 Agent 编排平台——UI 只是一个终端，但底层是一个完整的工程系统。
OpenClaw 则起源于另一个完全不同的问题：AI 能力如何嵌入真实工作流？
它的核心假设是：AI 不只是编程工具，它需要跨平台、跨会话、跨场景地与人协作。所以 OpenClaw 从一开始就把多 Agent 调度做成了内置能力，支持主 Agent spawn 子 Agent、跨会话传递上下文、多平台统一路由。
一个是为编程任务设计的专用平台。
一个是为协作场景设计的通用平台。
架构对比：11 层 vs 分层会话
Claude Code 的 11 层架构（从源码还原）是这样的：
UI 层（终端）↓ Session 层（持久化）↓ Context 层（压缩/管理）↓ Agent 层（主循环）↓ Tool 调度层（60+ 工具 + MCP）↓ Hook 系统（25+ 生命周期）↓ Permission 层（5级权限）↓ Cache 层（prompt 缓存）↓ API 层（流式 + 重试）↓ Storage 层（JSONL 持久化）↓ Config 层（CLAUDE.md 层级）OpenClaw 的核心架构层则是：
Channel 路由层（飞书/微信/Telegram）↓ Session 管理器（多会话并发）↓ Agent 调度层（主 Agent + Subagent）↓ Tool 系统（MCP + 内置工具）↓ Skill 系统（可复用工作流封装）↓ Memory 系统（跨会话上下文）↓ Access Control 层（权限配置）最大的结构差异在哪？
Claude Code 的每一层，都在为「如何让同一个 Agent 更好地完成编程任务」服务。
OpenClaw 的每一层，都在为「如何让多个 Agent 更好地协同工作」服务。
多 Agent 对比：并行、通信、上下文
这是最核心的差异。
Claude Code 的多 Agent，本质上是「分而治之」：
• fork：子 Agent 继承父上下文，共享 prompt cache，并行成本接近零
• teammate：在 tmux 分屏中开独立面板，通过文件邮箱通信
• worktree：每个 Agent 独立 git 分支，互不干扰
核心逻辑是：一个复杂任务，我把它拆成多个子任务，让 Agent 并行去执行，然后合并结果。
OpenClaw 的多 Agent，本质上是「分工协作」：
• 主 Agent 负责任务拆解和调度
• Subagent 各自负责特定领域
• Agent 之间通过 sessions_send 传递消息，可以跨会话协作
核心逻辑是：不同 Agent 做不同专长的事，通过消息传递协作，而不是简单地把一个大任务拆成小块。
用一个不精确的类比：
• Claude Code 的多 Agent = 一个团队的人在同一个办公室，并行做同一项目的不同模块
• OpenClaw 的多 Agent = 一个团队的人各自在不同城市，通过即时通讯协作不同项目
上下文管理：单机累积 vs 跨会话沉淀
Claude Code 的上下文管理是一套精密的工程系统：
• 5 种压缩策略（microcompact、context collapse、session memory、full compact、PTL truncation）
• 每次压缩都会保留关键上下文到 session memory
• --continue 让上下文持续积累
它的本质是：在一个长会话中，通过主动管理，让模型始终拥有最相关的上下文。
OpenClaw 的上下文管理则是另一套思路：
• MEMORY.md + 语义搜索，让跨会话的长期记忆可被检索
• Session 之间可以互相发送消息，下一个 Session 可以继承上一个 Session 的关键结论
• Skill 系统封装了工作流上下文，不需要每次重置
它的本质是:让上下文不只是存在于「当前会话」中，而是可以在「整个 Agent 网络」中流通和复用。
工具生态：MCP 的两种用法
两者都支持 MCP（Model Context Protocol），但用法有微妙差异。
Claude Code 的 MCP 是延迟加载，只有在真正需要时才加载 MCP 工具，保证基础性能不受影响。它的工具生态偏工程化：代码搜索、文件操作、Git 命令、测试运行。
OpenClaw 的 MCP 则是按需调用，更多用于连接外部服务生态：飞书文档、企业微信、CRM 系统、数据库。它更像是一个工作流中间件，把各种工具串联起来。
简单说：
• Claude Code 用 MCP 让 Agent 更好地编程
• OpenClaw 用 MCP 让 Agent 更好地协作
真正值得借鉴的共同设计
说了这么多不同，两者有一个底层思想是完全一致的：
配置 > 重复操作
Claude Code 的权限系统设计目标是：点一次”允许”之后，永远不再点第二次。
OpenClaw 的 Skill 系统也是同样的思路：把常用的工作流封装成一次配置、多次复用的模块。
上下文是核心资产，不是免费资源
Claude Code 用 5 种压缩策略 + session memory 来对抗上下文膨胀。
OpenClaw 用 MEMORY.md + 语义搜索来让上下文跨会话流通。
启示很简单：不要开新会话就从零开始。学会让上下文积累、让工作流固化。
写在最后
Claude Code 和 OpenClaw 在做 Agent 这件事上，走的是两条完全不同的路。
Claude Code 是单机多 Agent 编程平台的极致。
OpenClaw 是分布式多 Agent 协作网络的开始。
真正有意思的不是两者谁更好——而是你需要先想清楚：你要解决的是什么问题，然后选对工具。
或者，如果你和我一样，对两者都感兴趣——
那就研究清楚它们的差异，让它们各自做自己最擅长的事。
我是乐天，一个80后宝爸，IT行业摸爬滚打十几年，现专注于AI Agent的科技博主，立志在AI时代正面影响100万人。
关注我，AI时代不迷路！
如果想第一时间收到推送，请将本公众号加个星标🌟
文末福利：
关注公众号，加好友领取AI学习大礼包，包含 Skills 和 Openclaw 文档。
▲ 二维码