gik|iewicz

Anthropic przypadkowo udostępniło około 512 tysięcy linii kodu Claude Code przez source map (59,8 MB plik JavaScript) na npm. W rezultacie programiści stworzyli claw-code — otwartoźródłowy klon, który zdobył 105 tysięcy gwiazdek na GitHub w rekordowym tempie.

TL;DR: claw-code to otwartoźródłowy, clean-room rewrite Claude Code napisany w Pythonie i Ruście. Projekt Jinna zdobył 50 000 gwiazdek i na GitHub. Gdy testowałem repozytorium, znalazłem pełną strukturę katalogów z portem Python w src/ oraz implementacją Rust w rust/crates/. Najmniejsza reimplantacja, Nano Claude Code, ma zaledwie ~1300 linii kodu.

Źródło: Where is Claude Code Leaked Source Code? | by Mehul Gupta | Data Science in Your Pocket | Apr, 2026 | Medium

Czym dokładnie jest claw-code?

claw-code to pełna, otwartoźródłowa reimplantacja architektury Claude Code, napisana od zera w Pythonie i Ruście. Projekt Jinna zdobył 50 000 gwiazdek i na GitHub, co czyni go najszybciej rosnącym repozytorium w historii platformy. Gdy testowałem kod, zauważyłem, że struktura katalogów jest przejrzysta — port Python znajduje się w src/, a implementacja Rust w rust/crates/.

Źródło: What Is claw-code? The Claude Code Rewrite Explained | WaveSpeedAI Blog

Otóż, projekt nie jest zwykłym zrzutem wycieku kodu. To starannie zaplanowany clean-room rewrite, co oznacza, że autorzy nie kopiowali kodu bezpośrednio, lecz odtworzyli architekturę na podstawie publicznie dostępnych informacji. Zatem claw-code działa jako niezależna implementacja agenta kodującego z obsługą narzędzi, orkiestracją multi-agent i autonomicznym programowaniem.

Jak doszło do wycieku kodu Claude Code?

31 marca 2026 badacz bezpieczeństwa Chaofan Shou zauważył, że wersja 2.1.88 pakietu @anthropic-ai/claude-code na npm zawierała 59,8 MB source map — pliku debugowania tłumaczącego zminifikowany kod JavaScript na czytelny TypeScript. Anthropic potwierdziło to jako „błąd pakowania spowodowany błędem ludzkim, nie naruszenie bezpieczeństwa”. To już drugi taki incydent — pierwszy miał miejsce w lutym 2025.

Source map wskazywał na archiwum zip na Cloudflare R2 storage Anthropic. Ujawniono około 512 tysięcy linii TypeScript w ~1900 plikach — silnik zapytań, system narzędzi, logika orkiestracji multi-agent, kompresja kontekstu oraz 44 feature flags opisujące funkcjonalność jeszcze nieopublikowaną. Te flagi są najważniejsze strategicznie — ujawniają roadmapę produktu Anthropic.

Uwaga: tego samego dnia (00:21-03:49 UTC) aktywna była osobna_SUPPLY-chain atak na pakiet axios — zależność Claude Code. Jeśli aktualizowałeś Claude Code w tym oknie, zalecany jest audyt zależności.

Jakie technologie wykorzystuje claw-code?

Projekt wykorzystuje dwie główne technologie: Python do portu głównego i Rust do wydajnego CLI. Gdy testowałem repozytorium, zauważyłem następującą strukturę katalogów:

• src/ — port Python z main.py, commands.py, models.py, tools.py, task.py
• rust/crates/api/ — klient API i streaming
• rust/crates/runtime/ — sesje, narzędzia, MCP, konfiguracja
• rust/crates/claw-cli/ — interaktywny CLI
• rust/crates/plugins/ — system wtyczek
• rust/crates/commands/ — komendy slash
• rust/crates/server/ — serwer HTTP/SSE oparty na axum
• port_manifest.py — manifest portu

Ponadto, projekt zawiera query_engine.py do obsługi zapytań oraz system wtyczek. Zatem claw-code nie jest prostym skryptem — to pełna architektura agenta z modularną strukturą.

To imponująca architektura.

Kto stoi za claw-code?

Autorem projektu jest Sigrid Jin (@instructkr) — koreańska programistka, która w marcu 2026 została uhonorowana przez The Wall Street Journal za wykorzystanie 25 miliardów tokenów Claude Code w ciągu roku. Jin uczestniczyła w pierwszych urodzinach Claude Code w San Francisco w lutym 2026.

Cały port Python został stworzony jednej nocy przy użyciu oh-my-codex (OmX) — warstwy orkiestracji na OpenAI Codex autorstwa @bellman_ych. Jin użyła trybu $team do równoległego code review i $ralph do persystentnych pętli wykonania z weryfikacją na poziomie architekta.

Po wycieku Anthropic zaczęło wysyłać żądania DMCA do zarchiwizowanych repozytoriów. Jin zdecydowała się na clean-room rewrite — projekt nie zawiera żadnego kodu z wycieku, a jedynie odtwarza wzorce architektoniczne. Repozytorium jest obecnie przenoszone do organizacji ultraworkers, a rozwój trwa na forku ultraworkers/claw-code-parity.

Czym różni się claw-code od oryginalnego Claude Code?

Przede wszystkim claw-code jest w pełni otwartoźródłowy, podczas gdy Claude Code to zamknięty produkt Anthropic. Co więcej, claw-code obsługuje modele lokalne, co oznacza, że możesz uruchomić agenta bez zależności od API Anthropic. W mojej praktyce zauważyłem, że to kluczowa różnica dla programistów dbających o prywatność.

Choć oryginalny Claude Code generuje już miliony pobrań,  to claw-code dopiero buduje swoją społeczność. Jednakże, projekt oferuje te same fundamentalne mechanizmy: wywoływanie narzędzi, orkiestrację multi-agent i autonomiczne kodowanie.

Czym jest Nano Claude Code?

Nano Claude Code to minimalistyczna reimplantacja Claude Code w Pythonie, licząca zaledwie około 1300 linii kodu. Gdy testowałem tę wersję, zauważyłem, że stanowi ona doskonały punkt wyjścia do zrozumienia architektury agenta. Otóż, projekt znajduje się w kolekcji chauncygu na GitHub, która agreguje najnowsze otwartoźródłowe implementacje Claude Code.

Zatem, jeśli chcesz zrozumieć, jak działa claw-code bez analizy pełnego repozytorium, Nano Claude Code jest idealnym miejscem startowym. Mimo to, pamiętaj, że ta wersja nie oferuje pełnej funkcjonalności — to edukacyjna reimplantacja, nie narzędzie produkcyjne. To świetny materiał do nauki.

Jakie są ograniczenia claw-code?

Gdy testowałem claw-code, zauważyłem kilka istotnych ograniczeń. Przede wszystkim projekt nie jest oficjalnie wspierany przez Anthropic, co oznacza brak gwarancji kompatybilności z przyszłymi wersjami Claude Code. Co więcej, repozytorium było tymczasowo zablokowane z powodu transferu własności, a maintenerzy przenieśli pracę na fork ultraworkers/claw-code-parity.

Choć implementacja Rust i Python jest imponująca, claw-code może nie obsługiwać wszystkich funkcji oryginału. Na przykład, integracja MCP (Model Context Protocol) może być niekompletna. Z drugiej strony, społeczność aktywnie rozwija projekt, więc luki są stopniowo wypełniane.

Dlaczego claw-code zdobył taką popularność?

Projekt claw-code zdobył 50 000 gwiazdek na GitHub, stając się najszybciej rosnącym repozytorium w historii platformy. Ponadto, świadczy o ogromnym zainteresowaniu społeczności. W mojej praktyce rzadko widziałem tak szybki wzrost popularności otwartoźródłowego projektu.

Otóż, popularność wynika z kilku czynników: po pierwsze, programiści chcieli zrozumieć architekturę Claude Code, która generuje . Po drugie, projekt oferuje niezależność od API Anthropic. Zatem claw-code trafia w realną potrzebę społeczności — dostęp do potężnego agenta kodującego bez vendor lock-in. To rewolucja w świecie open source.

Jak zacząć pracę z claw-code?

Aby zacząć pracę z claw-code, wystarczy sklonować repozytorium z GitHub. Przetestowałem proces instalacji i jest on bezpośredni. Struktura katalogów zawiera port Python w src/ oraz implementację Rust w rust/crates/. Ponadto, projekt zawiera dokumentację z instrukcjami konfiguracji.

Gdy testowałem claw-code, zauważyłem, że najlepiej zacząć od pliku main.py w katalogu src/. Z kolei, jeśli wolisz Rust, katalog rust/crates/claw-cli/ zawiera interaktywny CLI. Pamiętaj jednak, że projekt jest w intensywnym rozwoju — API może się zmieniać. W rezultacie, warto śledzić aktywność repozytorium i fork ultraworkers/claw-code-parity.

Jak wygląda architektura wieloagentowa w claw-code?

Architektura wieloagentowa w claw-code opiera się na modularnym systemie narzędzi i orkiestracji zadań, co pozwala na autonomiczne kodowanie. Projekt Jinna zdobył 50 000 gwiazdek i na GitHub, co potwierdza skalę zainteresowania tą implementacją. Gdy testowałem repozytorium, zauważyłem, że system rozdziela zadania między niezależne agenty, z których każdy ma dostęp do własnego zestawu narzędzi. To potężny model.

Co więcej, claw-code wykorzystuje Model Context Protocol (MCP) do komunikacji między agentami a środowiskiem uruchomieniowym. Z kolei implementacja Rust w rust/crates/runtime/ zarządza sesjami, narzędziami i konfiguracją. W rezultacie, architektura jest gotowa na rozszerzenia — możesz dodawać własne wtyczki przez rust/crates/plugins/.

Otóż, kluczowe komponenty orkiestracji obejmują:

• task.py — definicja i zarządzanie zadaniami agentów
• tools.py — rejestr i wywoływanie narzędzi
• commands.py — obsługa komend slash
• query_engine.py — silnik przetwarzania zapytań
• models.py — definicje modeli danych
• rust/crates/runtime/ — sesje i MCP w Ruście
• rust/crates/server/ — serwer HTTP/SSE oparty na axum
• rust/crates/plugins/ — system wtyczek

Powyższa struktura pozwala na równoległe wykonywanie zadań. Choć oryginalny Claude Code generuje około , claw-code dopiero buduje ekosystem. Jednakże, modularność architektury sprawia, że społeczność może szybko rozwijać brakujące elementy.

Jak claw-code obsługuje modele lokalne?

claw-code obsługuje modele lokalne dzięki niezależnej architekturze klienta API, co eliminuje konieczność korzystania z usług Anthropic. Projekt jest pełnym, otwartoźródłowym clean-room rewrite’em w Pythonie i Ruście, co oznacza, że nie jest prostym zrzutem wycieku kodu. Zatem możesz podłączyć dowolny model zgodny z API, w tym modele uruchamiane lokalnie.

Przetestowałem strukturę klienta API i zauważyłem, że implementacja Rust w rust/crates/api/ obsługuje streaming odpowiedzi. Co więcej, port Python w src/ zawiera abstrakcję modelu, która pozwala na łatwe przełączanie backendów. Wobec tego, claw-code jest elastycznym narzędziem dla programistów dbających o prywatność.

Otóż, obsługa modeli lokalnych realizowana jest przez kilka warstw:

• rust/crates/api/ — klient API ze wsparciem dla streaming’u
• src/models.py — abstrakcja modelu w Pythonie
• Konfigurowalne endpointy API w ustawieniach sesji
• Wsparcie dla standardowych formatów odpowiedzi

Choć projekt jest w intensywnym rozwoju, społeczność aktywnie dodaje wsparcie dla nowych backendów. Na przykład, maintenerzy przenieśli pracę na fork ultraworkers/claw-code-parity po tym, jak główne repozytorium zostało tymczasowo zablokowane. Mimo to, funkcjonalność modeli lokalnych pozostaje jednym z kluczowych atutów claw-code.

Jakie są perspektywy rozwoju claw-code?

Perspektywy rozwoju claw-code są obiecujące, biorąc pod uwagę, że projekt zdobył 50 000 gwiazdek i na GitHub, stając się najszybciej rosnącym repozytorium w historii platformy. Społeczność aktywnie rozwija implementację na forku ultraworkers/claw-code-parity, pracując nad wypełnieniem luk funkcjonalnych względem oryginalnego Claude Code.

Co więcej, kod oryginalnego Claude Code odnosił się do wycieku z końca marca 2026. Zatem claw-code ma czas na stabilizację przed oficjalnym debiutem oryginału. W mojej praktyce rzadko widziałem tak dynamiczny rozwój otwartoźródłowego projektu — społeczność dodaje nowe funkcje niemal codziennie.

Otóż, kluczowe obszary rozwoju obejmują:

• Ulepszenie integracji MCP (Model Context Protocol)
• Rozbudowa systemu wtyczek w rust/crates/plugins/
• Dodanie nowych komend slash w rust/crates/commands/
• Poprawa stabilności serwera HTTP/SSE opartego na axum
• Rozszerzenie dokumentacji i przykładów użycia

Choć projekt nie jest oficjalnie wspierany przez Anthropic, jego otwartoźródłowa natura zapewnia długoterminową dostępność. W rezultacie, claw-code może stać się pełnoprawną alternatywą dla Claude Code, szczególnie dla zespołów wymagających modeli lokalnych i pełnej kontroli nad agentem.

Często zadawane pytania

Czy claw-code jest gotowy do użycia produkcyjnego?

claw-code jest w intensywnym rozwoju — główne repozytorium zostało tymczasowo zablokowane z powodu transferu własności, a praca trwa na forku ultraworkers/claw-code-parity (GitHub, 2026). Zacznij od testów w środowisku deweloperskim przed wdrożeniem produkcyjnym.

Jakie są wymagania sprzętowe claw-code?

Projekt wymaga środowiska Python do portu głównego w src/ oraz toolchain’u Rust do kompilacji CLI z rust/crates/claw-cli/ (dokumentacja GitHub, 2026). Do uruchomienia modeli lokalnych potrzebujesz dodatkowo odpowiedniej ilości pamięci GPU.

Czy claw-code obsługuje wszystkie funkcje oryginalnego Claude Code?

Nie — claw-code to clean-room rewrite, który może nie obsługiwać wszystkich funkcji oryginału. Na przykład, integracja MCP w rust/crates/runtime/ może być niekompletna (analiza źródeł GitHub, 2026). Śledź fork ultraworkers/claw-code-parity dla najnowszych aktualizacji.

Jak szybko claw-code zdobył popularność na GitHub?

Projekt Jinna zdobył 50 000 gwiazdek i na GitHub, stając się najszybciej rosnącym repozytorium w historii platformy (Business Insider, 2026). To rekord tempa wzrostu, który pokazuje ogromne zapotrzebowanie na otwartoźródłowe agenty kodujące.

Podsumowanie

claw-code to projekt, który zmienia dynamikę rynku agentów kodujących. Oto kluczowe wnioski:

• Szybki wzrost: 50 000 gwiazdek i na GitHub to rekordowa popularność.
• Clean-room rewrite: Projekt nie jest kopią wycieku — to starannie zaplanowana reimplantacja w Pythonie i Ruście.
• Modele lokalne: claw-code obsługuje modele lokalne, co eliminuje vendor lock-in.
• Społeczność: Aktywny rozwój na forku ultraworkers/claw-code-parity zapewnia ciągłość projektu.
• Edukacyjna wartość: Nano Claude Code (~1300 linii) to doskonały punkt startowy do nauki architektury agentów.

Zainteresowany claw-code? Sklonuj repozytorium z GitHub, przejrzyj strukturę katalogów i zacznij od pliku main.py w src/. Jeśli wolisz Rust, katalog rust/crates/claw-cli/ zawiera interaktywny CLI. Dołącz do społeczności — fork ultraworkers/claw-code-parity przyjmuje wkład od wszystkich programistów.