ClawCodex: Claude Code in Python nachgebaut, mit /eco und DeepSeek-Präfix-Cache
Tokeneffizienter, vollständiger Python-Neuaufbau von Claude Code. AI Coding Agent in 270K LoC reinem Python. Bis zu 200-fache Kostenersparnis!
Auf einen Blick
- Was ist das?
- ClawCodex ist ein Python-Nachbau von Claude Code mit rund 30 Provider-Anbindungen, einem Kompressionsschalter namens /eco und einem byte-stabilen Präfix für den DeepSeek-Cache. Der Text prüft die selbst berichteten Benchmarks und die Voreinstellung Full Access.
- Für wen ist es gedacht?
- ClawCodex taugt für Leute, die einen Agenten im Stil von Claude Code mit eigener Providerwahl betreiben und ihre Kosten über /eco und den DeepSeek-Präfix-Cache selbst steuern wollen. Weniger taugt es für Teams, die eine unterstützte und geprüfte Laufzeit brauchen, denn die Voreinstellung Full Access und die Einbindung von Abonnements über einen Client eines Drittanbieters sind zwei Punkte, die man bewusst abwägen muss.
- Darf ich es kommerziell nutzen?
- Ja. MIT ist eine freizügige Lizenz: Sie dürfen darauf aufbauende Software nutzen, verändern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 4 Tagen.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 14. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Was ClawCodex gegenüber der TypeScript-Referenz verschiebt
ClawCodex ist ein Nachbau von Claude Code in Python. Die Repository-Beschreibung beziffert den Umfang mit 270K Zeilen reinem Python und wirbt mit einer bis zu 200-fachen Kostenersparnis. Das README nennt es eine produktionsorientierte Portierung der TypeScript-Referenzimplementierung, erweitert um eine Python-native Laufzeit.
Architektonisch bleibt der Port beim Vorbild: Tool-Calling-Schleife, Streaming-REPL, Sitzungsverlauf und Ausführung über mehrere Runden. Der Bruch liegt an einer anderen Stelle. Claude Code zielt auf Claude-Modelle, ClawCodex ist auf den Betrieb mit vielen Providern ausgelegt. Dafür führt das README 30 Provider an, mit nativen Wire-Formaten für Anthropic, OpenAI, Gemini und DeepSeek, dazu OpenAI-kompatible Endpunkte und lokale Server wie Ollama, vLLM und SGLang. Ein neuer OpenAI-kompatibler Anbieter ist laut Dokumentation eine einzeilige Ergänzung in openai_compatible_specs.py.
Was der Umfang für die Lesbarkeit des Codes bedeutet, sagt das Material nicht. Ein externer Audit oder eine unabhängige Codeprüfung wird nicht erwähnt.
Installation über install.sh und ~/.clawcodex/config.json
Die Schnellinstallation ist eine Zeile: curl -fsSL https://clawcodex.app/install.sh | bash. Das Skript installiert uv und Python 3.10 oder neuer und legt clawcodex in den PATH. Unter Windows lautet der Weg irm https://clawcodex.app/install.ps1 | iex; Voraussetzung ist Git for Windows, weil dessen Git Bash die Shell-Befehle ausführt.
Beide Installer bringen dieselben Lebenszyklus-Helfer mit: doctor für die Diagnose der Umgebung, verify für einen Gesundheitscheck der Installation, dazu update und uninstall. Sie sind mehrfach ausführbar. Wer Flags durch die Pipe reichen will, nutzt auf POSIX bash -s -- --dry-run und auf Windows das Konstrukt mit [scriptblock]::Create und dem Parameter -DryRun.
Die Konfiguration landet in ~/.clawcodex/config.json. Das minimale Beispiel im README setzt default_provider auf deepseek und definiert darunter api_key, base_url sowie default_model mit dem Wert deepseek-v4-pro. Der env-Block nimmt TAVILY_API_KEY auf, das laut README für das WebSearch-Werkzeug Pflicht ist. Die Blöcke session, settings und env sind optional; fehlen sie, greifen Vorgaben.
/eco: 92.989 auf 17.767 Token laut README
Der Schalter /eco komprimiert die Darstellung jedes Bash-Ergebnisses, bevor sie zum Modell geht. Die Filter sind deterministisch und aus dem Methodensatz von RTK portiert: Zusammenfassungen, die sich auf Fehler konzentrieren, Entfernen der Zeremonie von git, pip und npm, Entdoppeln von Logzeilen sowie ein kopfseitiges Kappen, das sich zurückholen lässt.
Die berichtete Messung stammt aus der Produktionspipeline: 27 reale Befehlsausgaben, von 92.989 auf 17.767 Token, also rund 80 Prozent weniger. Die Filter sind so abgesichert, dass das Ergebnis nie schlechter sein soll als die rohe Darstellung. Was verlustbehaftet gekürzt wird, wird vollständig auf die Festplatte geschrieben, sodass ein tail genügt, um die Originalausgabe zu sehen.
Zur Einordnung der Zahl: Es sind 27 Ausgaben aus einem selbst gewählten Korpus, und gemessen hat das Projekt selbst. Für eine eigene Entscheidung taugt die Zahl als Größenordnung, nicht als Zusage.
DeepSeek-Präfix-Cache: $0.022 pro 1M Token bei deepseek-v4-pro
Der zweite Kostenhebel sitzt im Präfix. ClawCodex hält das Anfragepräfix byte-stabil, damit der DeepSeek-Prompt-Cache den gesamten Bereich aus Systemprompt, Werkzeugdefinitionen und Verlauf über mehrere Runden hinweg abdeckt. Je länger eine Sitzung läuft, desto größer wird der Anteil, der im Cache landet.
Das README beziffert Cache-Treffer mit $0.022 pro 1M Token und stellt dem $10 pro 1M für Claude Fable 5 gegenüber, ein Faktor von etwa 450. Die Angabe bezieht sich auf deepseek-v4-pro außerhalb der Spitzenzeiten und wurde am 25. August 2026 geprüft. In den Spitzenzeiten von 01:00 bis 04:00 UTC und von 06:00 bis 10:00 UTC, Montag bis Freitag, verdoppelt DeepSeek den Satz; laut README bleiben dann rund 227-fach niedrigere Kosten. Der Befehl /cost folgt diesem Zeitplan.
Beide Hebel greifen ineinander: Der Cache verbilligt das stabile Präfix, /eco schrumpft das frische Suffix, das in jeder Runde tatsächlich bezahlt wird.
Terminal-Bench 2.1: 72 von 89 Aufgaben, und was die Zahl taugt
Auf Terminal-Bench 2.1 berichtet das README eine Trefferquote von 80,9 Prozent, erreicht mit 72 von 89 gelösten Aufgaben bei pass@1. Der Lauf war headless auf claude-opus-5 mit effort=xhigh, ausgeführt gegen main auf Commit #756.
Die Einschränkungen stehen direkt daneben, und das README nennt sie selbst. Es ist ein einzelner Durchlauf mit k=1 gegen die k=5-Mittelwerte des öffentlichen Leaderboards. Auf diesem Board läge das Ergebnis bei rund Platz drei, hinter Claude Code mit Fable 5 bei 83,8 Prozent und Codex mit GPT-5.5 bei 83,1 Prozent, vor Claude Code auf Opus 4.8 mit 78,9 Prozent. Eingereicht wurde nichts, es handelt sich um eine Eigenmessung. Nachstellen lässt sie sich über den Harbor-Adapter unter eval/harbor/.
Ergänzend führt das Material einen SWE-bench-Verified-Vergleich an: 291 von 499 Instanzen, also 58,2 Prozent, gegenüber 265 von 499 bei openclaudes, beide mit Gemini 2.5 Pro betrieben. Auch hier stammen die Zahlen vom Projekt.
--nano gegen den pi-Harness: 64 von 89 für $1.31
Der Modus --nano ist ein Minimal-Harness im Stil von pi. Sechs Werkzeuge, ein festes Paket von rund 2K Token statt etwa 16K in der Voreinstellung, keine Einschleusungen pro Runde, /eco aktiv. Der Aufruf lautet clawcodex --nano -p, gefolgt von der Aufgabe.
Das README stellt den Modus direkt neben den pi-Harness. Auf Terminal-Bench 2.1, mit gleichem Modell und angepasstem Setup für Vision und Websuche, erreicht nano 64 von 89 Aufgaben, also 71,9 Prozent, für $1.31. Der pi-Harness liegt bei 63 von 89 und 70,8 Prozent für $2.01. Gleiche oder bessere Punktzahl bei 35 Prozent weniger Kosten, k=1.
Aus dem pi-Harness übernommen sind die Edit-Leiter mit Mehrfachbearbeitung und unscharfer Suche, eine Abschneide-Sicherung und ein dateibasiertes Verzeichnis für die Verdichtung. Das Verhalten außerhalb von nano bleibt Byte für Byte identisch. Einzelheiten liegen in docs/nano.md.
Berechtigungen: Full Access als Standard und permissions.defaultMode
Die interaktive CLI startet mit Full Access. Sie darf damit ohne Rückfrage Dateien bearbeiten und Befehle ausführen. Ändern lässt sich das über /permissions, das drei Stufen anbietet: um Genehmigung bitten, für mich genehmigen, voller Zugriff. Die Wahl wird in permissions.defaultMode in ~/.clawcodex/settings.json festgehalten.
Für unbeaufsichtigte Läufe mit -p greift laut README die Stufe default, sofern nichts anderes gesetzt wird. Ein gespeicherter voller Zugriff weitet das nicht aus. Einstellungen, die ein Repository mitbringt, dürfen Rechte verschärfen, aber nie erweitern, und sind auf die Modi default und dontAsk beschränkt. Der Plan-Modus beschränkt Bearbeitungen ebenfalls, auch in Sitzungen mit vollem Zugriff.
Das Flag --dangerously-skip-permissions schaltet alle Prüfungen ab. Es wird laut README verweigert, wenn der Prozess als root läuft und nicht bestimmte Umgebungsvariablen gesetzt sind. Wer den Agenten in einer Pipeline einsetzt, sollte die Stufe explizit angeben, statt sich auf die Voreinstellung zu verlassen.
Skills, /loop und Abonnement-Login im ClawCodex-REPL
Skills sind Markdown-Dateien mit dem Namen SKILL.md unter .clawcodex/skills. Sie werden als Slash-Befehle eingebunden und unterstützen benannte Argumente sowie Obergrenzen für Werkzeugaufrufe. Projekt- und Benutzer-Skills sind getrennt geführt; dokumentiert sind Argumente wie $path und eine Syntax für Platzhalter.
Der Befehl /loop wiederholt einen Prompt nach einem festen Zeitplan oder im selbst getakteten Modus. Die Zeitpläne sind Cron-Ausdrücke, verwaltet über die Werkzeuge CronCreate, CronList und CronDelete. Geplante Prompts feuern zwischen den Runden, wenn die Sitzung im Leerlauf ist, und wiederkehrende Aufträge verfallen nach sieben Tagen. Im selbst getakteten Modus wählt das Modell die nächste Verzögerung selbst, über das Werkzeug ScheduleWakeup. Das README führt außerdem die vollständige Tabelle der REPL-Befehle auf, darunter /eco, /stream und /compact.
Beim Login bietet clawcodex login neben API-Schlüsseln auch Abonnements von Claude Pro/Max und von ChatGPT-Plänen an: für Anthropic über eine PKCE-Autorisierungsseite, für OpenAI per Browser, Gerätecode oder Import aus der Codex-CLI. Das README warnt ausdrücklich, dass die Nutzung von Abonnements über Clients Dritter nicht offiziell unterstützt wird und jederzeit aufhören kann zu funktionieren. Ein expliziter API-Schlüssel hat immer Vorrang vor einem Abonnement.
Redaktionelles Fazit
ClawCodex taugt für Leute, die einen Agenten im Stil von Claude Code mit eigener Providerwahl betreiben und ihre Kosten über /eco und den DeepSeek-Präfix-Cache selbst steuern wollen. Weniger taugt es für Teams, die eine unterstützte und geprüfte Laufzeit brauchen, denn die Voreinstellung Full Access und die Einbindung von Abonnements über einen Client eines Drittanbieters sind zwei Punkte, die man bewusst abwägen muss. Wer einsteigt, führt zuerst doctor und verify aus, setzt permissions.defaultMode in ~/.clawcodex/settings.json von Hand unter Full Access und stellt einen Lauf mit --nano gegen eine bekannte Aufgabe, um die eigenen Token-Kosten zu sehen. Die MIT-Lizenz erlaubt Nutzung, Veränderung und Weitergabe auch in kommerziellen Produkten, ohne Copyleft-Verpflichtung.
Community-Notizen