📌 项目：https://github.com/ultraworkers/claw-code | 星数：194897 | 语言：Rust | 协议：MIT | 更新：2026-10-18
Claw Code是ultraworkers开源的"代理管理博物馆展品"项目，GitHub星数高达194897，使用Rust编写，采用MIT开源协议。这个项目的独特之处在于它用AI代理（agent）来管理博物馆的展品——从展品的选取、陈列顺序、讲解文案到生命周期管理，都由自主代理完成。项目基于Gajae-Code/LazyCodex框架构建，后者是一个用于快速搭建代理工作流的Rust库。Claw Code把"博物馆策展"这个传统上由人类curator完成的工作交给AI代理，让代理根据展品元数据、观众画像、历史交互数据自主决策展品的展示方式。Rust的选择保证了在处理大规模展品库（数万件展品）时的内存安全和并发性能，避免了GC停顿带来的体验断裂。项目还内置了观众行为预测模型，能根据历史停留数据预判展品吸引力。
Rust生态的代理框架值得关注，Rust界面设计方向可参考Figcraft Rust界面设计指南；InDesign级排版可看Designcraft Rust InDesign指南，代理记忆管理可参考AgentMemoryRepo代理记忆指南。
代理自主策展引擎：Claw Code的核心是一个基于LazyCodex的策展代理，它读取展品的结构化元数据（年代、地域、材质、主题标签、文化归属、稀缺度评分），结合观众画像（年龄、兴趣、停留时长历史）和展厅物理约束（展柜尺寸、动线、灯光），用强化学习策略生成展品陈列方案。代理会模拟观众走完整条动线，预测每个展品的停留时长和情绪曲线，迭代优化陈列顺序。代理还能根据季节、节日、临时主题自动调整展品组合，比如春节自动加入民俗展品，让常设展也能有"季风"般的呼吸感。每次策展决策都会写入审计日志，方便策展人回溯代理的推理链路。
高性能Rust展品数据层：展品库用Rust的sled嵌入式KV数据库存储，单机可承载10万+展品记录，检索延迟在毫秒级。展品的多媒体资产（高清图、3D模型、音频讲解）用内容寻址存储（类似IPFS的简化实现），相同资产只存一份，节省存储。并发展品更新用tokio异步运行时管理，多个策展代理可以同时工作在不同展厅而互不阻塞。整个系统无GC停顿，在Raspberry Pi级别硬件也能流畅运行博物馆展柜终端。数据层还支持增量同步，多展柜终端离线运行后联网自动合并策展日志。
LazyCodex工作流编排：LazyCodex是项目作者自研的轻量代理工作流库，用声明式YAML定义代理的行为树——感知节点（读取传感器/观众计数）、决策节点（调用策展策略模型）、行动节点（调整展品灯光/播放讲解音频/更新数字标牌）。工作流支持热重载，策展人可以在线编辑YAML立即生效，无需重启服务。LazyCodex还内置了代理记忆模块（短期记忆保存最近100次策展决策，长期记忆用向量库索引历史方案），让代理能"记住"哪些陈列效果好。这套编排能力让非程序员策展人也能配置代理行为，是项目最被看好的能力之一。
| ✅ 优势 | ❌ 劣势 |
|---|---|
| 19万星社区验证，Rust性能强悍 | LazyCodex文档较少，学习曲线陡 |
| 代理自主策展，省人力 | 强化学习模型训练需大量观众数据 |
| MIT协议可商用 | 硬件展柜集成需自行对接 |
| sled数据库单机10万展品 | 分布式部署需额外配置 |
| 热重载YAML工作流 | 3D模型渲染依赖外部引擎 |
这个星数反映了社区对"AI代理管理实体展品"这一概念的极大兴趣，也得益于Rust生态近年来的爆发。不过要注意，星数高不等于生产就绪，项目仍在活跃迭代中，建议先在测试展厅验证再大规模部署，避免线上故障影响观众体验。
LazyCodex是Claw Code的底层工作流引擎，项目源码里已包含。如果你想单独用LazyCodex做其他代理工作流，也可以从claw-code仓库里抽取相关模块，但要注意它目前没有独立发布到crates.io，依赖管理需手动处理。
可以。项目提供了一个Web模拟器，在浏览器里渲染虚拟展厅和展品，代理策展逻辑同样运行。适合学习代理工作流编排而不需要硬件投入。模拟器支持导入自定义展品元数据CSV，适合高校教学和原型验证。