一个反直觉的发现
如果你问一个程序员:"AI Agent 写代码最大的痛点是什么?"大部分人会说"代码质量"、"上下文理解"或者"调试能力"。
但有一个痛点很少有人注意到:AI Agent 在 GitHub 上根本没法正常工作。
这不是夸张。dev.to 上有开发者做过实验:让 AI Agent 去 GitHub 上做 Bounty 任务,结果被平台反欺诈系统反复封号。GitHub 从设计之初就是给人用的——账号注册需要邮箱验证,OAuth 登录需要 CAPTCHA,PR 审核需要人工确认。每一步都在告诉 AI Agent:"你不属于这里。"
这个真实的痛点,催生了一个叫 GitLawb 的项目。
GitLawb 是什么
一句话:GitLawb 是一个去中心化的代码协作平台,AI Agent 是它的一等公民。
它的口号是 "Build apps. Run agents. Own the repo。" 用大白话翻译就是:在这上面,AI Agent 不是辅助工具,而是跟人一样的独立参与者——能拥有仓库、提交 PR、领赏金,甚至参与治理投票。

GitLawb 官网首页
这个项目 2026 年 3 月 16 日在 GitHub 上创建组织,到今天(6 月初)大约 80 天,已经有:
28,498 GitHub 总 Star 数 | 32,679 注册 Agent 数量 |
8,478 运行中的仓库 | 80 天(项目年龄) |
其中最受关注的一个仓库叫 OpenClaude,一个人工智能编码代理 CLI,独自贡献了 28,335 个 Star——占了组织总星标的 99.4%。
💡 值得注意:以上数据来自公开渠道查询,数字变化较快。另外,99.4% 的集中度也意味着一个需要警惕的信号——我们后面会详细讨论。
三个硬核设计原则
GitLawb 的架构文档里写了三个"硬约束",值得逐条看:
原则一:没有中心化服务器
代码托管在 P2P 网络(libp2p)上,用 IPFS 做热存储、Filecoin 做温存储、Arweave 做永久锚定。没有单点故障,没有"服务器挂了代码全没了"的风险。
简单解释一下这三层存储的关系:IPFS 负责让数据能快速被访问(热),Filecoin 负责保证数据有人长期保存(温),Arweave 负责把数据永久刻录在链上(冷)。三层配合,各司其职。
原则二:密码学身份,不靠账号密码
每个参与者(人或者 AI Agent)都用 DID(去中心化标识符)作为身份。没有注册流程,没有 OAuth,没有 CAPTCHA。身份就是一个密钥对,认证用的是 RFC 9421 HTTP 签名——签了就是你了。
传统模式 平台掌握你的身份账号 + 密码OAuth / CAPTCHAAgent 需要模拟人类 | DID 模式 你自己掌握身份密钥对 = 身份HTTP 签名认证Agent 天然支持 |
原则三:Agent 和人的 API 完全相同
这不是在 GitHub 上面加一层 AI 套壳。GitLawb 的 MCP Server 暴露了 25 个工具,Agent 可以直接操作仓库、创建 Issue、提交 PR、领赏金。人类通过 gl CLI 工具做同样的事。接口完全一致。
这三个设计放在一起,逻辑是通顺的:去中心化存储解决了"数据归谁"的问题,DID 身份解决了"你是谁"的问题,统一 API 解决了"人和 Agent 怎么平等协作"的问题。
但设计漂亮不等于能用。后面我们会讨论这个项目目前所处的真实阶段。
OpenClaude:28,000 星标背后的逻辑
OpenClaude 是 GitLawb 生态里最受关注的项目。它是 Anthropic Claude Code 的社区衍生版本,但做了几件 Claude Code 没做的事:
🔵 支持 14+ 个 AI 模型提供商:OpenAI、Gemini、Ollama、Codex、小米 MiMo……一个 CLI 切来切去
🔵 模型路由:不同任务可以路由到不同模型
🔵 gRPC 无头服务器模式:可以跑在 CI/CD 里
🔵 每周发版:从 4 月到 6 月发了 26 个版本,最新是 v0.17.0

OpenClaude 仓库页面,28,335 Stars
28,335 个 Star 是什么概念?在开源编码工具领域,这是一个相当快的增长速度。
当然,这个数字也引发了一个合理质疑:这些 Star 有多少是真实的社区关注,有多少是代币经济激励下的关注行为?目前没有可靠方法验证。但 99.4% 的集中度本身就是一个值得关注的信号——整个组织的关注度几乎完全依赖单一项目,这种结构在开源社区中并不常见。
赏金系统:Agent 的"零工经济"
GitLawb 的赏金系统(Bounty System)是最有意思的设计之一。
工作流程很简单:
Step 1 — 有人发布一个赏金任务(比如"给这个函数写测试"),质押合约代币 |
Step 2 — AI Agent 认领任务,提交代码 |
Step 3 — 智能合约验证完成后,自动释放赏金 |
赏金金额通常在 $20-$100 之间——对人类来说太小了,但对 Agent 来说刚刚好。团队把这叫做"自主软件 Agent 的劳动力市场"。

GitLawb Agent 协议与 MCP 工具链
这背后有一套完整的链上基础设施:Base L2 上的 Solidity 合约,包括 DID 注册表、名称注册表、赏金托管、节点质押、费用分配。据项目方介绍,87 个 Foundry 测试用例覆盖,内部审计已于 2026 年 4 月完成,外部审计时间待定。
🤔 值得思考:如果赏金只有几十美元,节点运营者的收入从哪里来?目前这个问题还没有清晰的答案。
经济模型:框架已搭建,大部分功能尚未激活
GitLawb 在 Base L2 上部署了一套智能合约,设计了节点质押、赏金支付、治理投票、存储奖励、仓库代币化等用途。
但要注意:绝大部分功能尚未激活。项目目前处于路线图 Phase 7,完整的质押、惩罚机制(slashing,即质押保证金因不当行为被扣除)、赏金等功能计划在 Phase 8 主网上线时才完全上线,按路线图推算可能还需要 270-365 天。
换句话说,目前你看到的更多是一个设计蓝图,而非一套已经在运转的经济系统。
生态在生长
除了核心项目,GitLawb 周围已经开始长出生态项目:

GitLawb 实时网络状态
据公开数据显示,目前网络上有 3 个活跃节点(美国 2 个,日本 1 个),64% 的复制率。
作为一个对比参考:GitHub 在 2008 年上线时,第一个月的注册用户数大约是 5 万。当然,时代背景完全不同,这个对比仅供感受量级。
理性看待:五个需要关注的问题
在看完了技术设计和生态数据之后,有必要冷静地看一下另一面。
1. 星标高度集中
99.4% 的星标来自 OpenClaude 一个项目。核心基础设施 node 只有 25 星,合约仓库只有 5 星。"一个项目撑起全部关注度"的格局意味着什么?意味着 GitLawb 作为平台的吸引力还有待验证——开发者可能只是对 OpenClaude 这个工具感兴趣,而不是对 GitLawb 平台本身感兴趣。
2. 团队信息不透明
GitHub 组织没有公开任何成员。主要提交者 "Kevin Codex" 看起来像是一个 AI 账号。对于一个以"去信任化"为卖点的基础设施项目来说,团队匿名是一把双刃剑:一方面符合去中心化理念,另一方面也让项目的责任主体变得模糊。
3. 极早期软件
节点软件自己的文档里写了多个已知安全限制:私有仓库的读权限还未实现、UCAN 链验证未完成、写授权尚未完全就绪。版本号 v0.2.x 也说明了这一点。对于一个要托管代码的基础设施来说,安全方面的成熟度至关重要。
4. 经济模型尚未验证
链上经济系统大部分功能还在规划中,赏金金额只有几十美元,节点运营者的收入来源尚不清晰。整套经济系统能否形成正向循环,需要等到主网上线后才能观察。
5. 网络效应挑战
要跟 GitHub 的开发者生态竞争,需要的不仅是更好的技术架构,还要足够多的真实开发者愿意迁移。目前 8,400 多个仓库中,多少是有真实活跃开发的,多少是测试仓库,没有公开数据可以判断。而 GitHub 拥有超过 1 亿开发者和 3 亿多仓库——这个差距不是技术架构优势能在短期内弥补的。
跟 GitHub 比一比
这个对比表格看起来 GitLawb 在每个维度上都提出了不同的解法。但要记住一个基本事实:GitHub 有 1 亿+ 开发者、3 亿+ 仓库。技术优势在没有网络效应的情况下,不足以改变格局。就像电子邮件协议在技术上未必最优,但网络效应让它不可替代。
值得一提的是,GitLawb 并不是唯一尝试做 AI-native 代码平台的玩家。Replit 在 AI IDE 方向持续投入,GitLab 也集成了 AI 功能。区别在于,这些产品是在现有范式上加 AI 能力,而 GitLawb 试图从根本上重新设计基础设施。后者更激进,但也更难。
我的判断
GitLawb 是一个有真实技术野心、但处于极早期的实验性项目。
它真正有价值的地方在于提出了一个好问题:当 AI Agent 成为主要代码生产者时,代码协作基础设施应该长什么样?DID 身份解决"Agent 如何证明自己是自己"、Agent 原生 API 解决"Agent 如何像人一样参与协作"、链上赏金解决"Agent 劳动如何被定价"——这些设计思路无论 GitLawb 最终能否成功,都值得认真思考。
但同时,28,000 星标和 32,000 注册 Agent 的数据需要放在上下文中理解:核心基础设施的成熟度还很低,团队保持匿名,安全性未经外部审计,大部分功能还在路线图上。
给技术开发者 关注架构设计思路(DID 身份和 MCP 工具链),对理解 AI Agent 基础设施有帮助。至于是否部署代码,建议等主网上线、外部审计完成后再做判断。 | 给去中心化基础设施关注者 可以作为一个观察样本——实验结果(无论成功还是失败)都会为行业提供参考。 |
GitLawb 提出的问题是对的,
方向是有想象力的,但答案还远远没有写完。
保持关注,保持距离,让时间给出答案。
数据来源:gitlawb.com 官网、GitHub (github.com/Gitlawb)、dev.to 社区讨论等公开信息。
夜雨聆风