ClawCodex : agent IA en Python pour le codage autonome
Reconstruction complète de Python efficace pour Claude Code. Agent de codage IA en Python pur 270K LoC. Jusqu'à 200 fois plus d'économies !
En bref
- De quoi s’agit-il ?
- ClawCodex est un portage Python d'un agent de codage, conçu pour fonctionner avec 30 fournisseurs LLM différents et optimisé pour minimiser les coûts de tokens.
- À qui s’adresse-t-il ?
- ClawCodex est distribué sous licence MIT et en développement actif. Le projet convient aux équipes qui souhaitent un agent de codage autonome capable de s'interfacer avec de nombreux fournisseurs LLM différents, particulièrement pour ceux qui optimisent les coûts de tokens par le biais du cache de préfixe DeepSeek ou de la compression par le biais de la fonction /eco.
- Puis-je l’utiliser commercialement ?
- Oui. MIT est une licence permissive : vous pouvez utiliser, modifier et vendre un logiciel qui en dépend, à condition de conserver les mentions de droit d’auteur et de licence.
- Est-il encore maintenu ?
- Oui. Les derniers commits datent d’il y a 4 jours.
- En quel langage est-il écrit ?
- Principalement Python, d’après les statistiques de langage de GitHub.
Ces réponses reposent sur les données GitHub du projet (dernière synchronisation le 14 septembre 2026) et sur notre analyse. Elles ne constituent pas un avis juridique.
ANALYSE OPEN SOURCE APPROFONDIE
Un portage Python de la référence TypeScript
ClawCodex est un portage Python complet du codage, fondé sur l'implémentation de référence TypeScript. La base de code représente environ 310 000 lignes de Python idiomatique, re-implémentée plutôt que directement transcrite. Le README présente cela comme orienté production et comme un agent CLI fonctionnel, et non un simple référentiel de code source. Le portage conserve l'architecture d'origine, y compris la boucle d'appel d'outils, le REPL en continu, l'historique de session et l'exécution multi-tours. La principale différence par rapport à l'implémentation de référence est que ClawCodex prend en charge de nombreux fournisseurs LLM (environ 30), tandis que Claude Code ne cible que les modèles Anthropic. Cette flexibilité de fournisseur est décrite comme la plus grande avancée par rapport à l'amont.
Le code source est documenté comme lisible et modifiable, avec des tests inclus et une extensibilité des compétences basée sur Markdown. Le projet suit un cycle de développement actif, avec de nouvelles fonctionnalités introduites chaque semaine selon la section News du README. Les commits récents incluent de nouvelles interfaces utilisateur (web et desktop) et l'ajout de nouveaux fournisseurs modèles.
Prise en charge polyvalente des fournisseurs LLM
Le README documente une couverture de 30 fournisseurs, avec des formats natifs pour Anthropic, OpenAI, Gemini, DeepSeek et d'autres, ainsi que des vendeurs compatibles OpenAI et des serveurs locaux tels qu'Ollama, vLLM et SGLang. Tout nouveau fournisseur compatible OpenAI ne nécessite qu'une ligne à ajouter dans un fichier openai_compatible_specs.py. Pour la connexion par abonnement, le README décrit l'intégration OAuth pour les plans Claude Pro/Max via une page d'autorisation PKCE, et trois méthodes pour OpenAI : navigateur, code d'appareil et import depuis le CLI OpenAI. Le README note que l'utilisation d'abonnements depuis des clients tiers n'est pas officiellement prise en charge. Les modèles disponibles via abonnement OpenAI incluent gpt-5.5, gpt-5.4 et d'autres variantes.
Une clé API explicite a toujours priorité sur une configuration d'abonnement. La gestion des jetons est automatisée pour Anthropic via OAuth avec actualisation de jeton en arrière-plan. La configuration est stockée dans `~/.clawcodex/config.json` et prend en charge un repli sur les variables d'environnement, ce qui signifie que la plupart des fournisseurs fonctionnent sans modification manuelle du fichier de configuration.
Réduction des coûts de tokens avec /eco et cache de préfixe
Le commutateur `/eco` applique une compression du rendu lié au modèle de chaque résultat shell avec des filtres déterministes. Le README rapporte un benchmark mesuré basé sur 27 sorties de commande réelles qui ont été traitées via le pipeline de production : 92 989 tokens bruts ont été réduits à 17 767 tokens, ce qui représente une réduction de 80 %. La compression est conçue pour ne jamais être pire que le rendu brut, et tout ce qui implique une perte de données est enregistré sur disque avec un pointeur d'accès exécutable.
ClawCodex maintient son préfixe de requête stable en octets afin que le cache de prompt de DeepSeek puisse couvrir l'ensemble du système, des outils et de l'historique. Le README indique que les entrées en cache coûtent environ $0,022 pour 1 million de tokens sur DeepSeek, ce qui représente environ 450 fois moins cher que Claude Fable 5 à $10 pour 1 million. Ces deux approches se cumulent : le cache maintient le préfixe stable presque gratuit, tandis que /eco réduit le suffixe frais que chaque tour paie réellement. Le README inclut également une analyse de rentabilité comparant le modèle de session avec des ratios mesurés, montrant une économie de 19 % en moyenne mais de 80 % sur un corpus réel à queue lourde.
Installation et configuration interactive
L'installation en une ligne est : `curl -fsSL https://clawcodex.app/install.sh | bash`, qui installe uv, Python 3.10+ et ajoute clawcodex au PATH. L'installateur inclut des outils du cycle de vie : `doctor`, `verify`, `update` et `uninstall`, et il peut être réexécuté en toute sécurité. Pour une installation manuelle à partir des sources, le README montre le clonage du dépôt, la création d'un venv et l'exécution de `python -m src.cli login` pour écrire une configuration dans `~/.clawcodex/config.json`. La commande `clawcodex login` guide l'utilisateur dans le choix interactif du fournisseur, la saisie des clés API et la configuration du modèle par défaut. Le fichier de configuration stocke les clés API des fournisseurs, les URL de base, les modèles par défaut et des blocs optionnels session, settings et env.
Pour démarrer, l'utilisateur exécute `clawcodex` sans arguments, qui ouvre une interface REPL en mode accès complet par défaut (aucune demande de permission pour les modifications de fichiers ou les exécutions de commandes). Les préconfigurations du dépôt peuvent resserrer les permissions mais pas les élargir, limitées aux modes `default` et `dontAsk`.
Autorisations et modes de sécurité
Le CLI interactif démarre en accès complet par défaut, ce qui permet à l'agent de modifier n'importe quel fichier et d'exécuter n'importe quelle commande sans demander. Les utilisateurs peuvent changer cela avec `/permissions`, qui propose trois niveaux : Demander une approbation (chaque action), Approuver pour moi (une seule approbation par session) et Accès complet. Le niveau choisi est enregistré dans `permissions.defaultMode` dans `~/.clawcodex/settings.json`. Les exécutions sans interface avec `-p` restent en `default` sauf indication explicite.
Le mode `/plan` continue à restreindre les modifications même dans les sessions en accès complet, sauf s'il est explicitement levé. Un drapeau `--dangerously-skip-permissions` existe pour désactiver toutes les vérifications, bien qu'il soit refusé lors de l'exécution en tant que root sauf si des variables d'environnement spécifiques sont définies. Cette approche permet à différentes équipes de configurer le niveau de vérification de sécurité qui correspond à leurs besoins.
Résultats de benchmark et limitations
Le README rapporte un pass@1 de 80,9 % sur Terminal-Bench 2.1 pour une seule exécution sur Claude Opus 5 avec effort=xhigh, ce qui aurait résolu 72 des 89 tâches. Il note que cela représente un seul passage (k=1) par rapport aux moyennes k=5 du classement public, et que cela se classerait autour de la troisième place. Le README inclut également une comparaison SWE-bench Verified où ClawCodex a résolu 291 des 499 instances (58,2 %) contre 265 (53,0 %) pour openclaude, tous deux utilisant Gemini 2.5 Pro.
Les deux résultats sont présentés avec des mises en garde explicites concernant l'incertitude statistique et la reproductibilité, et le README fournit des liens vers des harnais d'évaluation pour la reproduction locale. Le résultat Terminal-Bench est décrit comme directionnel plutôt que comme une soumission classée au classement. Le README comprend également un mode `--nano` qui implique une charge utile fixe d'environ 2K tokens pour les cas d'utilisation minimalistes, avec des résultats rapportés de 64 des 89 tâches (71,9 %) à $1,31 par rapport au harnais pi à 63 des 89 (70,8 %) à $2,01.
Compétences et tâches planifiées
Les compétences sont des commandes slash basées sur Markdown stockées sous forme de fichiers `SKILL.md` dans `.clawcodex/skills`. Elles prennent en charge des arguments nommés et des restrictions d'outils. La commande `/loop` exécute un prompt de manière répétée selon un calendrier fixe ou en mode auto-rythmé, en utilisant des expressions cron gérées par les outils CronCreate, CronList et CronDelete. Les invites planifiées se déclenchent entre les tours lorsque la session est inactive, et les tâches récurrentes expirent automatiquement après sept jours. Le système de compétences prend en charge les compétences au niveau du projet et de l'utilisateur, avec des arguments comme `$path` et une syntaxe d'espace réservé.
Le tableau REPL complet du README inclut les commandes `/eco`, `/stream`, `/compact` et d'autres commandes slash. Le mode `/loop` prend en charge un mode auto-rythmé où le modèle choisit le prochain délai via l'outil ScheduleWakeup, permettant une planification dynamique basée sur le progrès du travail.
Conclusion éditoriale
ClawCodex est distribué sous licence MIT et en développement actif. Le projet convient aux équipes qui souhaitent un agent de codage autonome capable de s'interfacer avec de nombreux fournisseurs LLM différents, particulièrement pour ceux qui optimisent les coûts de tokens par le biais du cache de préfixe DeepSeek ou de la compression par le biais de la fonction /eco.
Notes de la communauté