一句话总结：四者都是“模型+工具循环”的Agent架构，但Claude Code是Anthropic专有的深度编码Agent（deny-first安全+五层上下文压缩+子代理委托），OpenClaw是多通道个人自动化网关（嵌入式运行时+网关控制平面+持久记忆），Codex是OpenAI的Rust沙盒Agent（内核级隔离+三层审批策略），OpenCode是开源模型无关的编码Agent（Plan/Build双代理+LSP反馈+75+提供商）。核心差异在于：Claude Code和OpenCode聚焦编码，OpenClaw聚焦生活自动化，Codex聚焦安全沙盒执行；OpenCode和OpenClaw开源模型无关，Claude Code和Codex闭源/半闭源且绑定厂商模型。
深度对比表格
| 维度 | Claude Code | OpenClaw | Codex CLI | OpenCode |
|---|---|---|---|---|
| 定位 | 专业编码Agent（终端IDE） | 个人AI助理/自动化网关（消息平台） | 安全沙盒编码Agent（终端+云） | 开源模型无关编码Agent（终端+桌面） |
| 核心架构 | 单queryLoop()循环，模型判断+确定性Harness | 网关控制平面+嵌入式Pi-Agent运行时 | ReAct循环+内核级沙盒+审批策略 | Plan/Build双代理+子代理（Scout等）+LSP反馈 |
| Agent循环 | While-loop：调用模型→执行工具→重复，直到完成 | 推理循环：流式LLM→拦截工具调用→执行→持久化 | 推理-工具迭代循环，SSE流式响应 | 事件驱动循环，Effect-based，支持后台子代理 |
| 安全模型 | Deny-first+七层权限：规则评估→ML分类器→Shell沙盒→Hook拦截，7种权限模式 | 边界访问控制：DM配对+白名单+可选Docker沙盒，按会话/代理配置 | 内核级沙盒：macOS Seatbelt/Linux Landlock+seccomp/Windows受限令牌，三层审批策略 | Git快照+权限配置：默认自动执行，/undo回滚，Plan代理只读审查 |
| 上下文管理 | 五层压缩管道：预算限制→Snip→Microcompact→Context Collapse→Auto-compact，缓存感知 | 文件级记忆：AGENTS.md/SOUL.md等引导文件+MEMORY.md+每日笔记+向量混合检索，可插拔压缩 | 自动压缩：auto_compact_token_limit阈值触发，前缀保留缓存优化，ZDR零数据保留 | Auto-compact+上下文折叠：保留会话历史，LSP诊断实时反馈到模型 |
| 多代理/子代理 | 子代理委托：隔离上下文+受限工具集，仅返回摘要（Summary-only），工作树隔离，Agent Teams | 多代理路由：网关托管多个完全隔离代理+通道绑定；子代理：可配置嵌套深度（最大5层），线程绑定 | 多线程代理：max_threads配置，Guardian子代理审批，/plan规划模式 | Plan+Build双代理：Plan只读分析→Build执行；Scout子代理外部文档研究；@General复杂任务 |
| 模型绑定 | Anthropic专属：Claude Opus/Sonnet/Haiku，深度优化 | 模型无关：Claude/GPT/Gemini/本地模型，通过OpenRouter等路由 | OpenAI专属：GPT-5.5/GPT-5.4，原生优化 | 75+提供商：Anthropic/OpenAI/Gemini/DeepSeek/Ollama本地模型，可切换 |
| 扩展机制 | 四层：MCP服务器+插件+Skills（SKILL.md）+Hooks（26个生命周期点） | 插件系统（12种能力类型）+Skills（ClawHub注册表）+MCP内置 | MCP+Skills+Plugins+Hooks+AGENTS.md项目约定 | MCP+LSP集成+Skills+自定义代理+插件生态 |
| 持久化/记忆 | 会话级：CLAUDE.md四级层次结构+自动记忆扫描，无长期跨会话记忆 | 长期持久：SQLite状态+MEMORY.md+每日笔记+DREAMS.md实验性记忆晋升，跨天/周持久 | 会话恢复：SQLite状态+/resume，AGENTS.md项目级约定，无个人长期记忆 | 本地SQLite会话存储，Git快照历史，可共享会话链接 |
| 部署形态 | 本地CLI/IDE/桌面/Slack，Anthropic云服务 | 自托管网关：Node.js服务，本地/VPS/Raspberry Pi，20+消息通道 | 本地CLI（Rust）+IDE扩展+Codex Cloud容器，默认云沙盒 | 本地CLI（Go TUI+JS服务器）+桌面App（Tauri）+IDE扩展 |
| 开源许可 | 闭源（Anthropic专有） | 开源（MIT） | 开源（Apache 2.0，Rust实现） | 开源（MIT，Go+TypeScript） |
| 接口/通道 | 终端、IDE、Web、Slack、CI/CD | WhatsApp、Telegram、Slack、Discord、iMessage、Signal、Web等20+ | 终端TUI、IDE扩展、Chrome扩展、桌面App、Cloud | 终端TUI、桌面App、IDE扩展、HTTP API |
| 速度/性能 | 非常快（针对Claude模型优化） | 取决于模型和网关性能 | 快（Rust实现，内核沙盒低开销） | 比Claude Code慢约78%（Builder.io基准），但输出更彻底 |
| 典型场景 | 复杂重构、多文件编辑、代码库理解、企业开发 | 24/7自动化、消息触发任务、跨工具工作流、智能家居、个人助理 | 安全执行不可信代码、CI/CD自动化、快速原型、教育 | 隐私敏感工作、本地模型、多模型路由、深度定制、开源合规 |
| 信任边界 | 应用层：可编程Hooks，细粒度但共享进程边界 | 网关层：操作者级信任，通道适配器授权 | 内核层：OS拒绝系统调用，逃逸抵抗强 | 用户控制：完全开源可审计，BYOK（自带密钥） |
架构理念差异详解
Claude Code的哲学是“Graduated Layering（渐进分层）”——在简单循环周围堆叠复杂系统：五层上下文压缩、七层安全机制、四层扩展机制。它信任模型在确定性Harness内做判断，但用多层防御确保不出错。核心论文指出其"决策逻辑仅占1.6%代码，其余都是系统工程"。
OpenClaw的哲学是“Gateway as Control Plane（网关即控制平面）”——将Agent运行时嵌入网关，通过多通道适配器统一消息入口，用持久状态管理跨天任务。它拒绝Agent层级框架作为默认架构，转而强调"多Agent路由"（完全隔离）和"子Agent委托"（可配置嵌套）的分离。
Codex的哲学是“Kernel-First Safety（内核优先安全）”——用操作系统机制（Seatbelt/Landlock/seccomp）在模型接触系统调用前拦截，而非应用层Hook。审批策略（untrusted/on-request/never）与沙盒模式（read-only/workspace-write/danger-full-access）正交组合，形成"强边界+粗控制"的安全模型。
OpenCode的哲学是“Open Harness, Replaceable Brain（开放Harness，可替换大脑）”——模型无关的抽象层（Vercel AI SDK/Models.dev）允许切换75+提供商，LSP诊断反馈实现编译器级自校正，Plan/Build分离强制人工审查后再执行，体现开源社区对"开发者控制权"的执着。
共同点
- ReAct工具循环：四者都遵循"推理→行动→观察"的基本Agent循环，模型决定工具调用，Harness负责执行
- MCP支持：都支持Model Context Protocol扩展工具生态（Claude Code原生成熟，OpenCode插件化，Codex config.toml配置，OpenClaw内置）
- Skills/约定文件：都用Markdown文件定义项目约定（Claude Code的SKILL.md/CLAUDE.md，OpenClaw的AGENTS.md/SOUL.md，Codex的AGENTS.md，OpenCode的Skills配置）
- 上下文压缩：都面临上下文窗口瓶颈，采用不同策略压缩历史（Claude Code五层管道最精细，OpenCode auto-compact，Codex前缀缓存优化，OpenClaw可插拔压缩）
- 子代理/多代理：都支持某种形式的任务委托（Claude Code子代理返回摘要，OpenClaw嵌套委托，Codex Guardian审批，OpenCode Scout/General子代理）
相同点是均依托大语言模型实现软件开发的自动化与代理化；区别在于：Claude Code主打模型绑定的终端原生本地深度交互，Codex侧重依托 OpenAI 生态的云端协同与 IDE/API 集成，OpenClaw（指代开源自治代理生态）强调沙箱隔离与多智能体自主编排，而OpenCode则秉持模型无关、开发者高度可控的开源终端代理理念。
以下是这四类架构的深度对比表格：
| 架构/工具 | 核心设计理念 | 模型依赖度 | 执行环境与架构 | 核心优势 | 典型适用场景 |
|---|---|---|---|---|---|
| Claude Code | 终端原生，深度接管 以命令行界面为核心，让AI直接操作本地文件系统和终端工具。 | 强绑定 深度集成 Anthropic Claude 模型（如 Claude 3.5/3.7 Sonnet），针对其模型特性做了底层优化。 | 本地直接执行 运行在本地终端，直接读写本地文件、执行Bash命令，无需复杂沙箱配置。 | 极简的零配置体验、对本地代码库上下文理解极深、工具调用平滑且响应快。 | 日常本地代码重构、快速脚本编写、需要直接操作本地文件的复杂开发任务。 |
| Codex (OpenAI体系) | 生态集成，云端协同 依托 OpenAI 强大的云端算力与生态（ChatGPT、GitHub Copilot），提供全链路辅助。 | 强绑定 依赖 OpenAI 模型（GPT-4o, o1, o3-mini 等），最新 Codex CLI 也深度结合其推理模型。 | 云端+本地混合 传统以云端 API/IDE 插件为主（Copilot），新版 Codex CLI 开始向本地终端延伸，但核心计算在云端。 | 生态成熟度高、与 GitHub 及主流 IDE 无缝衔接、云端推理能力强。 | IDE内实时代码补全、基于Chat的代码生成、企业级云端API集成开发。 |
| OpenClaw (开源沙箱代理) | 安全隔离，自治编排 强调在安全沙箱中让智能体“自己动手”完成多步任务，防止对宿主机造成破坏。 | 模型无关 通常支持多种后端模型（OpenAI, Anthropic, 开源模型等）。 | 沙箱/容器化执行 一般在 Docker 等容器内运行，智能体在隔离环境中执行代码、测试和系统命令。 | 执行安全性极高、支持复杂多步任务的自动拆解与试错验证、防越权操作。 | 需要运行未知代码、自动化测试与验证、复杂项目的多智能体协作与自主重构。 |
| OpenCode (开源终端代理) | 自由开放，开发者主权 打破厂商锁定，提供统一的终端交互层，让开发者自由选择模型并掌控数据隐私。 | 完全模型无关 支持 75+ 模型提供商，可自由切换云端 API 或本地开源模型（如 Llama, Qwen）。 | 本地终端+隐私优先 开源架构，运行在本地，通过适配层对接各类大模型 API，开发者完全掌控工作流配置。 | 无供应商锁定、隐私友好（可纯本地运行）、高度可定制、社区驱动。 | 对数据隐私要求高的企业开发、喜欢折腾本地模型的极客开发者、跨模型能力评测对比。 |
| (注：OpenClaw 在此泛指类似 OpenHands 等强调沙箱执行的开源自治代理框架；OpenCode 泛指 sst/opencode 等模型无关的开源终端编程助手) |
一句话讲透核心理念异同
四者均基于“感知（上下文）→ 决策（推理）→ 执行（工具调用）”的智能体循环，但核心理念分化在于：Claude Code与Codex是深度绑定厂商模型的单体终端专精工具（前者以细粒度权限管控为安全防线，后者以轻量沙箱隔离为执行屏障）；OpenClaw是模型无关、跨环境集成的本地优先网关型助理；而OpenCode则是采用客户端/服务器（C/S）解耦、内置多智能体并行协作体系的开源平台型容器。
深度对比表格
| 对比维度 | Claude Code | Codex (OpenAI) | OpenClaw | OpenCode |
|---|---|---|---|---|
| 开发商/生态 | Anthropic（官方嫡系） | OpenAI（官方嫡系） | 开源社区（独立项目） | OpenDevs 社区（开源项目） |
| 开源协议 | 闭源 | 闭源 | MIT / 开源 | MIT / 开源 |
| 核心架构模式 | 极简单体 CLI（单进程循环） | 应用服务器（App Server）+ 多客户端（CLI/IDE） | 事件驱动网关（Gateway）+ 插件系统 | 客户端/服务器（C/S）解耦 + 主从Agent调度 |
| 模型绑定策略 | 强绑定（仅支持 Claude 系列） | 强绑定（仅支持 OpenAI 系列） | 完全中立（支持 OpenAI、Anthropic、本地 Ollama 等） | 完全中立（支持 75+ LLM 提供商及聚合网关） |
| Agent 协作模式 | 单实例串行循环（单兵作战） | 单实例串行循环（单兵作战） | 单 Agent 编排工具链（串行调用） | 分层多智能体（主 Agent 并行调度 Explore/Plan/Build 子 Agent） |
| 权限与安全管控 | 细粒度三层审批（Allow/Ask/Deny 按操作类型精准控制） | 轻量沙箱隔离（虚拟文件系统，限制系统访问） | 基础工具调用确认 | PermissionNext 精细化管控（三层审批 + 路径规则匹配） |
| 任务恢复机制 | 无原生断点续传 | 无原生断点续传 | 无原生断点续传 | 原生“自愈”恢复（中断任务可从最后状态断点继续） |
| 扩展与定制性 | 低（仅限官方内置工具） | 中（支持 MCP 协议扩展） | 高（插件化架构，任意添加技能） | 极高（模块化可编程，可自定义 Agent、工具、Skills） |
| 典型适用场景 | 追求极致安全性的终端日常编码辅助 | 追求低延迟、强模型能力的轻量终端编码 | 跨平台、跨应用的通用个人 AI 助理（不限于编程） | 复杂仓库的大型项目自动化、远程重负载任务部署 |
一句话总结
四者皆是"大模型推理 + 工具执行"的 Agent 闭环范式，但分属不同光谱：Claude Code 信奉"极简脚手架、最大确定性驾驭"让模型在人类权威下自主循环；OpenClaw 追求"本地优先、模型无关、模块化乐高"的通用数字员工平台；Codex（OpenAI）走"模型×框架×入口三位一体"的生产级编码工作系统，强调一次做对与稳定交付；OpenCode 则以"主/子代理协作 + Self-Healing + 终端极简"的轻量 C/S 架构，追求低门槛的开源编程自动化。
深度对比表格
一、定位与设计哲学
| 维度 | Claude Code (Anthropic) | OpenClaw (Peter Steinberger) | Codex (OpenAI) | OpenCode (开源社区) |
|---|---|---|---|---|
| 一句话定位 | 生产级终端 AI 编码 Agent | 开源本地优先的"数字员工"框架 | 模型+框架+入口协同的编码工作系统 | 开源终端 AI 编程代理 |
| 核心哲学 | 极简 Harness，极大化确定性驾驭 | Local-First + Model-Agnostic + 模块化 | 从"能写"到"稳定交付"的工作系统 | 轻量 C/S + 主/子代理协作 + 自愈 |
| 设计驱动力 | 五大人类价值观：人类决策权威、安全隐私、可靠执行、能力增强、上下文适应 | 本地优先、沙箱隔离、模型无关、社区驱动 | 复杂任务一次做对、减少返工、生产级交付 | 低门槛、终端原生、多模型兼容、可扩展 |
| 目标用户 | 专业开发者/企业编码团队 | 个人自动化/小型团队/企业办公 | 专业开发团队/企业级协作 | 终端开发者/开源社区用户 |
| 黄仁勋评价 | — | “Agent 的操作系统” | — | — |
二、架构分层与核心组件
| 维度 | Claude Code | OpenClaw | Codex | OpenCode |
|---|---|---|---|---|
| 整体架构 | 7 组件高层模型 + 5 层子系统分解 | 六大模块：Gateway / Channel / Pi Agent / LLM / Nodes / Skills + Studio | 模型层 + Harness 层 + Skills/MCP + 多入口 | 客户端-服务器 (C/S) 四层：客户端 / 核心服务 / 扩展 / 模型适配 |
| 核心循环 | 单一queryLoop()异步生成器（ReAct 模式） | “Lobster Loop”（思考-执行-观察-反馈） | Harness 驱动的执行框架（非单一循环，强调规划→执行→验证链路） | 主代理调度 + 子代理执行 + 任务队列 |
| 入口/交互 | CLI（交互式 + 无头模式）+ IDE 集成 + Agent SDK | 多渠道：Telegram/WhatsApp/飞书/Discord/Web UI 等 20+ 平台 | CLI + TUI + IDE 集成 | 终端 TUI（核心）+ 桌面端 + IDE 插件（VSCode/Cursor） |
| Gateway/控制平面 | 无独立 Gateway，统一query()路径 | Node.js 守护进程（默认 127.0.0.1:18789），WebSocket 全双工 | 无独立 Gateway，Harness 层统一调度 | 核心服务层内建代理调度器 |
| 模型适配 | 深度绑定 Claude，支持 MCP 扩展 | 模型无关：云端 API / 本地 Ollama / 专用模型，热切换 | GPT-5.x-codex 为主，支持 MCP | 75+ LLM 提供商，本地/远程调度 |
| 工具系统 | 内置工具 + MCP 工具池（Bash/文件/Agent 等） | Skills（技能说明书）+ Nodes（执行器），插件化 | 20+ 内置工具 + Skills 体系 + MCP 三类能力（查/看/拆） | 20+ 内置工具（文件/编辑/搜索/Bash/Web），插件扩展 |
| 记忆/上下文 | CLAUDE.md + LRU 缓存 + 渐进式压缩 + 三层缓存（L1/L2/L3） | 本地优先双模记忆（内存短期 + 本地 DB/文件长期），Markdown+YAML | 上下文管理集成在 Harness 层 | JSON manifest 状态跟踪 + 对话历史关联 |
| 安全机制 | 拒绝优先 + 权限门控 + 沙箱（可选）+ ML 分类器 | Linux namespaces/cgroups 沙箱（三种模式/三种作用域）+ 分层权限 | 精细权限控制 + 资源隔离 + 人工 review 边界 | 权限控制在核心服务层 + 双模式（Plan/Build）切换 |
| 扩展性 | MCP 协议 + Skills + @include 递归加载 | 插件市场 + 标准化接口 + SDK 工具包 | Skills 六类体系 + MCP 构建器 + 插件生态 | “oh-my-opencode” 40+ 社区插件 + 钩子机制 |
三、关键技术特性对比
| 维度 | Claude Code | OpenClaw | Codex | OpenCode |
|---|---|---|---|---|
| 编程语言 | TypeScript | Node.js v22+ / TypeScript | Rust | TypeScript + Bun + Go（TUI） |
| 资源占用 | 轻量 CLI | 后台常驻 ~500MB | 中等 | 极轻量，适配低配设备 |
| 执行模式 | 单一统一循环 | 多 Agent 路由 + 会话串行/并行 | Harness 驱动多步执行 | 主代理+子代理协作 + 优先级队列 |
| 自愈能力 | 状态持久化 + Resume | 异常预测 + 会话恢复 | — | Self-Healing（JSON manifest 断点续传，默认重试 3 次） |
| 上下文策略 | 渐进式压缩 + 按需加载 + 动态相关性召回（5% 记忆） | 本地存储 + 按需加载 | Harness 层管理 | 增量渲染 + 实时上下文关联 |
| 并发模型 | 单一循环串行 | 会话级串行 + 跨会话并行 + 多 Agent 路由 | — | 优先级队列 + 任务调度 |
| 平台支持 | macOS/Linux/Windows | Windows/macOS/Linux/移动端 | Linux/macOS/Windows | macOS/Linux/Windows |
| 开源状态 | 部分开源（工具链） | 完全开源 | 闭源（商业产品） | 完全开源 |
四、理念差异的本质光谱
| 理念光谱 | Claude Code | OpenClaw | Codex | OpenCode |
|---|---|---|---|---|
| 控制哲学 | 🎛️ 人在回路，拒绝优先 | 🔓 本地自主，用户掌控 | 🏗️ 系统驱动，流程固化 | ⚡ 轻量自主，自愈优先 |
| 复杂度取向 | 极简内核 + 确定性外壳 | 模块化乐高，组合灵活 | 重度集成，一体化交付 | 极简核心 + 插件扩展 |
| 模型关系 | 深度绑定 Claude，MCP 扩展 | 完全解耦，模型即插件 | 深度绑定 GPT-codex | 完全解耦，75+ 模型 |
| 执行范式 | 单循环 ReAct | 多 Agent 分布式 | 规划→执行→验证链路 | 主/子代理协作 |
| 生态策略 | MCP 工具生态 | 技能插件市场（数千插件） | Skills + MCP 双生态 | oh-my-opencode 插件生态 |
| 安全边界 | 内置纵深防御 | 沙箱三模式 + 权限分层 | 权限控制 + 人工 review | 核心层权限 + 双模式隔离 |
五、一图总结：相同点 vs 不同点
| 相同点（四者共有） | 不同点（核心分野） | |
|---|---|---|
| 架构骨架 | LLM 推理 + 工具执行 + 状态管理 + 用户交互的 Agent 闭环 | 循环结构：单循环 vs 多 Agent vs 链路 vs 协作 |
| 工具能力 | 都能读写文件、执行命令、操作代码 | 工具标准化程度：MCP vs Skills vs 内置 vs 插件 |
| 模型依赖 | 都依赖大模型作为推理核心 | 模型绑定度：深度绑定 vs 完全解耦 |
| 安全意识 | 都有权限控制/沙箱/人工审核机制 | 安全策略：拒绝优先 vs 沙箱隔离 vs 流程固化 vs 自愈 |
| 目标场景 | 都面向编码/开发自动化 | scope：终端编码 vs 通用数字员工 vs 生产工作系统 vs 轻量代理 |
| 扩展性 | 都支持插件/工具扩展 | 扩展方式：协议扩展 vs 乐高插件 vs 技能体系 vs 钩子注册 |
总结一句话：四者共享"LLM 驱动的工具执行 Agent"这一技术底座，但在控制粒度（极简 vs 模块化 vs 一体化 vs 协作）、模型耦合度（绑定 vs 解耦）、执行范式（单循环 vs 多 Agent vs 链路 vs 主/子代理）和生态哲学（MCP vs 技能市场 vs Skills+MCP vs 插件钩子）上走出了截然不同的道路——本质上是同一条"AI 编程自动化"光谱上，从"深度垂直的编码专家"到"通用数字员工平台"的连续分布。
百度AI生成，内容仅供参考
一句话概括共同点与差异
相同点：均依托LLM‑Agent范式，通过思考‑工具调用‑代码执行‑反馈迭代闭环完成编程任务；区别：Codex、Claude‑Code为厂商闭源专属一体化方案侧重开箱即用；OpenClaw侧重模型编排与可靠执行；OpenCode(opencode)偏向开源轻量化、分层任务拆分，主打分布式协作与可自定义调度。
深度架构对比表
| 对比维度 | Codex(OpenAI‑Codex) | Claude‑Code | OpenClaw | OpenCode(opencode) |
|---|---|---|---|---|
| 核心设计理念 | 依托GPT系列，模型内置代码先验，采用单模型统筹决策；模型和执行环境完全由OpenAI云端托管，目标是解决独立代码片段编写，偏向单次任务闭环，Agent逻辑轻薄，不做复杂多层规划。 | 基于Claude长文本优势，仓库上下文优先；采用模型统筹 + 内置沙箱；理念是结对编程助手，深度读取完整Repo，Agent逻辑内置在Anthropic内部，侧重项目级连续开发，闭源黑盒。 | 通用Agent编排层优先，模型只负责思考，工具调用、环境隔离、循环校验、失败重试由独立网关组件接管；解耦模型和执行层，支持切换任意后端大模型，核心追求执行稳定性，解决LLM幻觉导致的错误执行问题。 | 采用分层‑子任务拆分架构，把需求拆解成规划Agent、编码Agent、测试Agent；主打开源分布式思想，可拆成多个实例并行干活；弱化大模型全权决策，依靠子Agent分工协作，适配本地部署。 |
| 开源属性 | 完全闭源，仅提供API调用 | 闭源，仅官方客户端/API可用 | 核心框架开源，执行组件可自行修改 | 全套代码开源，可私有化部署 |
| 模型耦合程度 | 强耦合：只能用OpenAI模型 | 强耦合：只能依赖Claude系列模型 | 弱耦合：模型与执行框架彻底分离，GPT‑4o、Claude、开源模型均可接入 | 中度解耦，内置适配层，自由选择后端LLM |
| 任务执行模式 | 单轮或短循环Agent，迭代次数受限 | 长循环Agent，依靠Claude超长上下文读取整个仓库文件 | 外置循环控制器，独立程序判定是否重试、回滚代码；不受LLM自身限制 | 多‑Agent流水线：规划者、编写者、测试者分工运行。 |
| 安全与沙箱 | 云端受控容器，用户无法自定义沙箱配置 | Anthropic托管沙箱，本地模式权限有限 | 独立的隔离执行环境，用户可以配置容器权限、网络策略 | 轻量级沙箱，支持Docker分布式集群部署 |
| 适用场景 | 函数级代码生成、脚本编写、简单API代码 | 大型存量项目修改、完整仓库重构、复杂业务逻辑开发 | 通用Agent基座，不仅限于编码，可迁移到其他Agent场景 | 开源项目开发、私有化部署、多AI协同开发场景 |
| 短板 | 很难处理巨型仓库；迭代不足，复杂工程容易逻辑断裂；完全依赖OpenAI服务 | 闭源无法改造；本地环境能力弱；执行逻辑黑盒问题不可调试 | 配置复杂，需要运维网关组件；模型思考和执行层分离会增加延迟 | 多Agent之间会出现信息不一致；任务拆分粒度不好控制。 |
精简提炼版（核心理念）
- Codex：模型包揽一切，云端单模型做代码；
- Claude‑Code：超长上下文 + 内置Agent，闭源做仓库级开发；
- OpenClaw：把循环和执行交给外部程序，模型只管思考；
- OpenCode：拆分多个AI角色分工协作，开源分布式编码。
如果你需要，我可以进一步精简为架构层级的Mermaid流程图。
