Agent 雙城記：Claude Code 與 OpenClaw 框架工程對比 (Agent Harness Engineering: Claude Code vs. OpenClaw)

原始來源與檔名：20260512_2026-04-28T092622+0800-通过分析 Claude Code 和 OpenClaw Harness工程方法的实践.md

來源：[[@PandaTalk8]] / X (Twitter) — 2026-04-26 原始檔名：2026-04-28T092622+0800-通过分析 Claude Code 和 OpenClaw Harness工程方法的实践.md

NAPKIN | 餐巾紙

餐巾紙公式

Agent = Model + Harness (框架/工程腳手架) Claude Code (For Devs) = Deep ReAct Loop + Spatial Context (.claude/rules) + Hard Sub-agent Isolation. OpenClaw (For Consumers) = Event-driven Loop + Identity Context (Agents) + Cross-channel Memory (Semantic Logs).

這是一篇極度硬核的架構拆解文。作者從 9 個維度對比了當前最火的兩個 Agent 框架：Claude Code (終端機裡的工程師助手) 與 OpenClaw (聊天軟體裡的數字員工)。核心結論是：在 2026 年，讓 Agent 變聰明的關鍵已經不在大模型本身，而在於「Harness 工程」。Claude Code 選擇了縱深防禦與精準控制；而 OpenClaw 選擇了橫向擴展與漸進式記憶。引擎再強，沒有方向盤和煞車 (Harness)，你哪也去不了。

一句話

這是一篇探討 Agent 框架工程 (Harness Engineering) 的大師級文章。作者從架構、驅動循環、工具、指令、上下文管理、記憶系統、權限、擴展性、持久化 9 個維度，深度對比了 Claude Code 與 OpenClaw。Claude Code 面向開發者，採用單線程深度 ReAct 循環與空間導向（按目錄加載）的規則；OpenClaw 面向普通消費者，採用事件驅動、多通道隔離與「漸進式人格學習」的混合記憶系統。兩者的差異完美詮釋了「場景決定架構」的軟體工程真理。

餐巾紙草圖

[ Architecture Divergence ]

Claude Code (Vertical)              OpenClaw (Horizontal)
User: Single (Developer)            Users: Multiple (Consumers)
Interface: CLI Terminal             Interface: 20+ Chat Apps (Telegram, Slack)
Loop: ReAct (Deep thinking)         Loop: Event-driven (CRON, Messages)
Rules: Tied to File Paths           Rules: Tied to Agent Identity
Memory: Manual/Explicit (JSONL)     Memory: Auto-extracted + Semantic Search

ROUND 1: SKELETON | 骨架掃描

“這篇文章在說什麼”

• 核心概念: Agent = Model + Harness。Harness 包含了模型之外的一切（提示詞注入、記憶管理、工具路由）。
• 架構與循環:
  • Claude Code: 分層堆疊，單線程深度 ReAct 循環（為了解決複雜的寫扣任務）。
  • OpenClaw: 管道式架構，多線程事件驅動（處理多個通訊軟體的併發訊息，支援 CRON 自動觸發）。
• 指令與配置 (教 Agent 你是誰):
  • Claude Code (空間導向): 根據你進入的資料夾動態載入規則（如進入 src/api 就載入 API 規則）。
  • OpenClaw (身份導向): 根據你呼叫的 Agent 角色載入對應的人設。
• 記憶系統 (差異最大):
  • Claude Code: 結構化、人類可讀、可編輯的 MEMORY.md。記憶是透明的。
  • OpenClaw: 雙層架構。底層是全量不可變的 JSONL 歷史，上層是 AI 自主提煉的摘要，外加語義檢索。具備「漸進式人格學習」能力（用越久越像你）。
• 安全權限:
  • Claude Code: 防禦「Agent 做蠢事」（如 rm -rf），透過 PreToolUse Hook 攔截。
  • OpenClaw: 防禦「未授權用戶控制 Agent」，透過通道與身份隔離。

ROUND 2: DISSECTION | 血肉解剖

“憑什麼這麼說”

核心論證鏈

1. 場景決定架構 (Form Follows Function): Claude Code 的目標受眾是工程師，工程師需要的是「精確、可控、不出錯」，所以它採用了嚴格的子代理隔離與硬性目錄權限；OpenClaw 的受眾是普通人，普通人需要的是「懂我、24小時在線、幫我處理雜事」，所以它採用了跨通道記憶共享與定時觸發機制。
2. 純文字優於複雜資料庫: 兩者在記憶儲存上，都不約而同地放棄了龐大的向量資料庫或關聯式資料庫，而選擇了 Markdown + JSONL 檔案。這證明了在 Agent 開發的早期階段，人類可讀性、Git 友善度與系統簡潔性遠比「專業儲存架構」更重要。
3. 記憶會腐敗: 兩個系統都在工程上承認了 AI 會產生幻覺。Claude Code 的對策是「引用前驗證 (Verify before use)」，OpenClaw 是「持續提煉覆蓋」。這印證了 Agent 框架必須具備自我糾錯機制。

關鍵證據

• 具體的指令注入機制對比：Claude Code 的 .claude/rules/ 目錄支援 YAML frontmatter 進行路徑匹配（Path matching），這是標準的工程師邏輯；而 OpenClaw 使用 sandbox.scope 決定對話隔離粒度，這是標準的 SaaS 多租戶邏輯。

邊界條件

• OpenClaw 的多線程與自動 CRON 觸發，在多用戶高併發場景下極易遭遇「上下文竄線（身份綁定失效）」的問題。這是橫向擴展架構必須克服的安全痛點，而單機運行的 Claude Code 則無此煩惱。

ROUND 3: SOUL | 靈魂提取

“還能怎么用”

• 知識連結: 完美對應了《Claude Code、OpenClaw、Hermes》中提到的「Agent 生態分化」（Claude 是專家，OpenClaw 是大管家）；也詳細展開了《Agent 框架的上下文管理》中的底層實作細節。
• 深層洞見: “模型是引擎，Harness 是整辆车。引擎再强，没有方向盘、刹车和导航，你哪儿也去不了。” (The model is the engine, the Harness is the car. Without steering and brakes, a powerful engine gets you nowhere.) 這解釋了為什麼 2026 年的 AI 戰爭已經從「誰的模型參數多」轉移到了「誰的框架更懂工作流」。
• 行動呼籲: 無論你是用 Dify, Coze 還是自己寫 Python Agent，請借鏡這兩大框架的智慧：
  1. 放棄把所有提示詞寫在一個大框框裡，改用路徑匹配或角色綁定來動態載入。
  2. 建立一個不可變的 JSONL Audit Log（稽核日誌），這是你未來讓 Agent 產生「記憶提煉」的唯一金礦。