¿Qué es Claw Code?
Claw Code es un agente de programación de terminal, la CLI `claw`, escrito en Rust. Sigrid Jin lo empezó el 31 de marzo de 2026, horas después de que Anthropic publicara Claude Code 2.1.88 en npm con un source map que dejaba ver 512.000 líneas de TypeScript. Empezó como una reescritura en Python de la arquitectura del arnés y pasó a Rust en pocos días.
El proyecto se describe ahora como una exposición gestionada por agentes y no como un producto: agentes de programación planifican, escriben, revisan y publican el código, coordinados a través de Discord, y el README envía a quien quiera trabajar de verdad a otros dos arneses, LazyCodex y Gajae-Code. Solo se compila desde el código fuente, necesita una clave de API (no admite el inicio de sesión con suscripción de Claude) y no está afiliado a Anthropic.
¿Merece la pena Claw Code?
El número de estrellas mide un acontecimiento informativo, no el software. Claw Code superó las 100.000 estrellas en sus primeras 24 horas y tenía unas 136.000 el 2 de abril, cuando la filtración de Claude Code era la noticia de la semana. Hoy muestra 194.781 estrellas y 107.303 forks frente a 1.876 commits. Forks a esa escala son sobre todo gente que guarda una copia por si llega una retirada, no colaboradores. Toma la cifra como una medida de la curiosidad por la filtración.
El código en sí es un workspace de Rust real. Las notas de paridad, actualizadas por última vez el 3 de abril de 2026, enumeran 9 crates y 48.599 líneas de Rust escritas en cuatro días, con un servicio simulado de Anthropic que reproduce 12 escenarios guionizados sobre herramientas, permisos de bash, plugins y compactación de sesión. Las versiones siguen saliendo: v0.1.13 se publicó el 9 de noviembre de 2026, y los commits recientes añaden reintentos ante respuestas de sobrecarga y notas de configuración para pasarelas compatibles con OpenAI. Están documentados los modelos locales mediante Ollama, llama.cpp o vLLM.
La pega: los mantenedores se han retirado de él como producto. El README lo llama una pieza de museo mantenida viva por agentes y empieza con enlaces a LazyCodex y Gajae-Code. No hay binarios publicados en crates.io (el crate `claw-code` de allí es un stub obsoleto que instala otra cosa), todavía no hay soporte para ACP ni Zed, y la base legal sigue siendo incómoda para un proyecto que existe gracias a un código filtrado, aunque auditorías independientes no encontraron código de Anthropic en él.
Nuestra opinión: merece una tarde para quien estudie cómo se construyen los arneses de agentes o cómo se comporta un repositorio gestionado por agentes. Como agente de programación diario, OpenCode, Codex y Pi los mantienen personas que sí quieren que los uses.
Dónde se gana su sitio
Un ingeniero de plataforma que diseña un agente de programación interno
Ver cómo se conectan las llamadas a herramientas, los permisos y la compactación de sesión en un arnés que funciona
Lee el crate de runtime y ejecuta el arnés de paridad simulado, que reproduce respuestas guionizadas de Anthropic sin gastar tokens. El único coste es el tiempo de compilación: una compilación release tarda de 5 a 10 minutos según el README.
Un investigador que escribe sobre la filtración de Claude Code y sus consecuencias
Documentar lo que la comunidad construyó a partir de la arquitectura filtrada
El historial del repositorio, las notas de paridad y el documento de filosofía registran cómo los agentes reconstruyeron el arnés en Python y luego en Rust en pocos días, con pruebas a nivel de commit. No hay nada que comprar; la clave de API solo hace falta para ejecutar prompts.
Antes de decidirte
- Puesta en marcha
- Instala Rust, clona el repositorio, ejecuta `cargo build --workspace` en `rust/`, exporta una clave de API de Anthropic u OpenAI y ejecuta `claw doctor`. No uses `cargo install claw-code`.
- Integraciones
- APIs de Anthropic y OpenAI, pasarelas compatibles con OpenAI y servidores locales como Ollama, llama.cpp y vLLM; clientes MCP y LSP; plugins y skills.
- Datos y privacidad
- Los prompts y el contenido de los archivos van al proveedor que configures. El proyecto no está afiliado a Anthropic y guarda la clave de tu proveedor en el entorno.
- Límites
- Solo se compila desde el código; no admite el inicio de sesión de Claude Pro o Max; sin daemon ACP ni Zed; el mantenimiento lo hacen sobre todo agentes, así que espera cambios constantes en lugar de una hoja de ruta estable.
Lo bueno
- Implementación legible en Rust de un arnés de agente completo
- Arnés de paridad simulado con 12 escenarios guionizados
- Funciona con Anthropic, modelos compatibles con OpenAI y modelos locales
- Sigue publicando versiones en noviembre de 2026
Lo malo
- El README dice que no es el proyecto serio para producción
- Las estrellas reflejan la filtración, no la adopción
- Solo se compila desde el código; el paquete de crates.io es un stub
- Sin inicio de sesión con suscripción de Claude y sin soporte ACP
Ideal para
Ingenieros que quieren leer cómo encaja un arnés al estilo de Claude Code, no adoptar uno.
Alternativas a Claw Code
Claw Code: preguntas frecuentes
- ¿Merece la pena Claw Code?
- Claw Code es un trozo de historia de GitHub con una CLI que funciona, y sus propios mantenedores te mandan a otra parte para el trabajo real. Le damos un 2.5 sobre 5.
- ¿Cuánto cuesta Claw Code?
- Gratuito y de código abierto (MIT). Pagas al proveedor de modelos cuya clave de API configures.
- ¿Qué inconvenientes tiene Claw Code?
- El README dice que no es el proyecto serio para producción; las estrellas reflejan la filtración, no la adopción; solo se compila desde el código; el paquete de crates.io es un stub; sin inicio de sesión con suscripción de Claude y sin soporte ACP.
- ¿Para quién es Claw Code?
- Ingenieros que quieren leer cómo encaja un arnés al estilo de Claude Code, no adoptar uno.
- ¿Es Claw Code seguro para los datos de la empresa?
- Los prompts y el contenido de los archivos van al proveedor que configures. El proyecto no está afiliado a Anthropic y guarda la clave de tu proveedor en el entorno.
- ¿Cuáles son las mejores alternativas a Claw Code?
- Las alternativas más cercanas que hemos analizado son OpenCode, OpenAI Codex CLI y Pi.
Respuestas comprobadas el 14 nov 2026.