Claw Code – Python-reimplementasjon av Claude Code med støtte for lokale modeller

Claw Code er en open source Python-reimplementasjon av Claude Code-arkitekturen, bygget fra bunnen av etter kildekode-lekkasjen i slutten av mars 2026. Der originalen er skrevet i TypeScript/Rust og pakket som en npm-modul, er Claw Code ren Python – lesbar, modifiserbar, og kompatibel med lokale open source-modeller.

Prosjektet ble til etter at utvikler Sigrid Jin studerte arkitekturen som ble eksponert da Anthropic ved en feil inkluderte 59,8 MB kildekart i npm-pakken sin. Resultatet er en clean-room-reimplementasjon: ingen kopiert kode, men samme konseptuelle arkitektur gjenskapt i Python på rekordtid. Repoet nådde 100 000 GitHub-stjerner på én dag – det raskeste i GitHub-historien ifølge Cybernews.

Hva betyr det i praksis? At hvem som helst kan lese koden, forstå den, forke den, og kjøre den mot modeller de selv kontrollerer – inkludert lokale modeller som Ollama. Det er ganske annerledes enn det lukkede originalen.

Hva er forskjellen fra Claude Code?

Claude Code er Anthropics proprietære kodingsagent – skrevet i TypeScript, distribuert via npm, og låst til Anthropics egne modeller. Det fungerer utmerket hvis du er komfortabel med å sende all kode til Anthropics servere og betale for API-anrop. Mange er det. Men for Python-utviklere som vil lese kildekoden, bygge på toppen av den, eller kjøre alt lokalt uten sky-avhengigheter – er det en blokkering.

Claw Code løser akkurat dette:

• Språk: Ren Python, ikke TypeScript/Rust-mikstur
• Modellstøtte: Leverandøragnostisk – Claude, OpenAI, og lokale modeller via Ollama
• Lisensiering: Open source – les, endre, distribuer
• Kostnad: Gratis å kjøre mot egne modeller
• Transparens: Inkluderer parity_audit.py som dokumenterer avvik fra originalarkitekturen

Det er den klassiske open source-dynamikken: én proprietær implementasjon lekker (eller her: arkitekturen forstås), og community-en re-implementerer det på en måte som er mer tilgjengelig. Vi har sett det med Firefox vs. Internet Explorer, med LibreOffice vs. Microsoft Office. Nå med Claw Code vs. Claude Code.

Hva kan Claw Code gjøre?

Ifølge prosjektets offisielle side er dette hovedfunksjonene:

• 19 plugin-baserte verktøy med tillatelseskontroller – filoperasjoner, Bash, Git, webskraping, LSP-integrasjon
• Multi-agent-orkestrering for parallellisering av oppgaver
• MCP-integrasjon med støtte for 6 transporttyper
• Sesjon- og minnehåndtering med persistent lagring
• 15 kommandoer for sesjonsstyring og modellkontroll
• Rust-kjernemodul for ytelseskritiske deler (72,9% av kodebasen)

Det er altså ikke et minimalprosjekt. Det er en fullverdig reimplementasjon med det samme konseptuelle fundamentet som Claude Code bruker: en agentløkke som kan kalle verktøy, spawne subagenter, komprimere kontekstvindu, og jobbe gjennom komplekse kodingsoppgaver steg for steg.

Kan du kjøre det mot lokale modeller?

Ja – og det er kanskje det mest interessante for folk som er opptatt av personvern eller kostnadskontroll. Claw Code er leverandøragnostisk, noe som betyr at du kan peke det mot en Ollama-instans på din egen maskin i stedet for å sende kode til en skybasert API.

Installasjon er rett frem:

git clone https://github.com/instructkr/claw-code.git
cd claw-code
pip install -r requirements.txt
python src/main.py

Deretter konfigurerer du hvilken modell du vil bruke. For lokale modeller peker du mot Ollama-endepunktet ditt. For skybaserte bruker du API-nøklene du allerede har til Claude, OpenAI, eller andre OpenAI-kompatible tilbydere.

Er det produksjonsklart? Nei – det sier forfatteren selv eksplisitt. Det er fortsatt eksperimentelt, anbefales ikke for produksjonsbruk, og feature-paritet med originalen er ikke fullstendig. Men for å studere agentic arkitektur, for å eksperimentere med lokale modeller, eller for å bidra til et av de raskest voksende open source-prosjektene akkurat nå – er det helt klart interessant.

Hva betyr dette for Python-utviklere?

Frem til nå har verktøy som Claude Code og GitHub Copilot vært svarte bokser. Du bruker dem, de fungerer (eller ikke), men du vet ikke helt hva som skjer under overflaten. Claw Code endrer den dynamikken – i hvert fall konseptuelt.

Når arkitekturen er lesbar Python, kan du:

• Legge til egne verktøy og plugins tilpasset ditt prosjekt
• Forstå nøyaktig hvordan agentløkken tar beslutninger
• Eksperimentere med forskjellige modeller for forskjellige oppgaver
• Kjøre alt på egen infrastruktur uten avhengigheter til tredjeparter

Det er den typen fleksibilitet som typisk bare finnes i research-prosjekter. At det nå finnes i et verktøy som i det minste prøver å matche Claude Code funksjonalitetsmessig – det er et skritt fremover for open source AI-verktøy generelt.

En del av et større mønster

Claw Code er ikke det eneste prosjektet som har dukket opp i kjølvannet av lekkasjen. Jeg skrev om hvordan noen allerede hadde gjenbygget en fungerende executable fra sourcemap-filen dagen etter lekkasjen. Det er en bemerkelsesverdig rask respons fra community-en, og Claw Code er neste steg i den retningen.

Det minner litt om hva som skjedde da Meta slapp Llama – plutselig hadde community-en et fundament å bygge på, og prosjekter som LM Studio, Ollama og Oobabooga dukket opp i løpet av uker. Samme dynamikk her, bare med agentarkitektur i stedet for selve modellen.

Claw Code kan utforskes på GitHub (instructkr/claw-code). Husk å lese advarslene om produksjonsbruk – det er fortsatt tidlig stadiet. Men som læringsressurs og eksperimentverktøy er det allerede verdt et besøk.