2026年6月24日 · 阅读 —

Orca：面向 100x 构建者的 AI 编排器深度解析

Agent 与 SkillsAI 工程实践

Orca：一个让 Claude Code 和 Codex 同时干活的 AI 编排器，面向 100 x 构建者的 AI 编排器深度解析

1. 背景

2025~2026 年，CLI 编码 Agent 大爆发：Claude Code、Codex、OpenCode、Cursor CLI、Gemini CLI、Hermes Agent……几乎每周都有新选手入场。问题也随之而来——每个 Agent 各有所长，但切换成本极高。你不想在五个终端窗口之间来回切，更不想手工管理 git worktree、对比不同 Agent 产出的 diff。

Orca 就是为解决这个场景诞生的。

2. 目标 / 问题定义

Orca（github.com/stablyai/orca）是一个开源 AI 编排器，核心理念一句话：让多个 CLI Agent 在隔离的 git worktree 里并行工作，统一跟踪、对比、合并。

它不是一个 Agent 本身，而是 Agent 的”总控台”——类似于一个 AI 时代的 IDE 工作区管理器。

3. 核心架构

Orca 的核心抽象是 Worktree。每个 Worktree 是一个独立的 git 工作副本，有自己的一组终端、浏览器标签页、自动化任务。Agent 在 Worktree 内运行，互不干扰。

flowchart TD
    subgraph ORCA[Orca 编排层]
        direction TB
        UI[桌面应用 / 移动 Companion]
        CLI[Orca CLI]
        RUNTIME[Runtime 引擎]
    end

    subgraph WT1[Worktree A: 前端重构]
        T1[Claude Code 终端]
        B1[内置浏览器]
    end

    subgraph WT2[Worktree B: 后端优化]
        T2[Codex 终端]
    end

    subgraph WT3[Worktree C: 安全审计]
        T3[OpenCode 终端]
    end

    UI --> RUNTIME
    CLI --> RUNTIME
    RUNTIME --> WT1
    RUNTIME --> WT2
    RUNTIME --> WT3

4. 核心能力拆解

4.1 并行 Worktree

一个 prompt 同时分发给多个 Agent，每个在独立 git worktree 中运行，互不干扰。跑完之后并排对比结果，挑最优方案合并。

这在以下场景特别实用：

  • 同一个需求让 Claude Code 和 Codex 各写一版，对比质量
  • 大重构时拆成多个子任务并行推进
  • A/B 测试不同 prompt 策略的效果

4.2 终端分屏

基于 WebGL 渲染的终端，支持无限分屏，重启后滚动历史保留。不是简单的 xterm 封装，更像是 Ghostty 级别的终端体验直接嵌进了编排器里。

4.3 设计模式（Design Mode）

在 Orca 内置的 Chromium 窗口中点击任意 UI 元素，自动提取 HTML、CSS 和裁剪好的截图，直接注入到 Agent 的 prompt 中。前端调样式、Debug 布局时，比手动复制粘贴高效一个数量级。

4.4 GitHub & Linear 原生集成

在应用内浏览 PR、Issue 和项目看板。从任意任务直接打开 worktree，不用切上下文就能完成评审。核心价值是减少 context switch。

4.5 SSH Worktree

Agent 跑在远程高性能机器上，完整支持文件编辑、git 和终端操作。自带自动重连和端口转发。适合需要大算力或特定环境的场景。

4.6 标注 AI Diff

在任意 diff 行上添加评论并发回给 Agent 迭代修改。评审→编辑→提交，全流程不离开 Orca。

4.7 Orca CLI

Agent 也可以驱动 Orca 本身。orca worktree create、snapshot、click、fill 等命令，让整个工作流可脚本化，适合 CI/CD 或 automated agent pipeline。

4.8 移动 Companion 应用

iOS（App Store）和 Android（APK 直装）都有配套应用。手机端监控 Agent 进度、收到完成通知后发送后续指令。不是玩具，是真正能用的远程指挥台。

4.9 其他值得关注的能力

能力说明
快速打开在 worktree、文件、Agent、命令和仓库上下文之间搜索，不打断心流
账号切换与用量追踪查看 Claude/Codex 用量和限额重置时间，无需重新登录即可热切换账号
Computer UseAgent 直接操作桌面应用和可见 UI
通知与未读状态Agent 完成时即时通知，可标记会话为未读稍后处理
文件拖拽把文件或图片直接拖入 Agent 提示

5. 支持的 Agent 矩阵

Orca 适配任何能在终端里运行的 CLI Agent。官方文档列出了 26+ 个确认兼容的 Agent：

主流选手：

Agent说明
Claude CodeAnthropic 官方 CLI 编码助手
CodexOpenAI 官方 CLI Agent
OpenCode开源 CLI 编码 Agent
Cursor CLICursor 编辑器配套 CLI
GitHub CopilotGitHub 官方 CLI
Hermes AgentNous Research 的 Agent 框架
GrokxAI 的 CLI

还有更多： Amp、OpenClaude、Antigravity、Pi、oh-my-pi、Goose、Auggie、Autohand Code、Charm、Cline、Codebuff、Command Code、Continue、Droid、Kilocode、Kimi、Kiro、Mistral Vibe、Qwen Code、Rovo Dev……

以及任何自定义 CLI Agent。

6. 安装与上手

桌面端

# macOS (Homebrew)
brew install --cask stablyai/orca/orca

# Arch Linux (AUR)
yay -S stably-orca-bin

也可以从 onorca.dev/download 直接下载安装包：

  • macOS Apple Silicon / Intel
  • Windows (.exe)
  • Linux AppImage

移动端

CLI 基本用法

安装后先确认状态：

command -v orca
orca status --json

创建工作区并启动 Agent：

# 创建 worktree 并自动启动 Claude Code
orca worktree create --name "重构用户模块" --agent claude --prompt "重构 user module，提取公共逻辑" --json

# 在当前 worktree 中新开一个 Codex 终端
orca terminal create --worktree active --command "codex" --json

# 分屏跑测试
orca terminal split --direction horizontal --command "npm test" --json

终端操作常用命令：

# 读取终端输出
orca terminal read --terminal <handle> --json

# 发送指令
orca terminal send --terminal <handle> --text "继续" --enter --json

# 等待 Agent 完成
orca terminal wait --terminal <handle> --for tui-idle --timeout-ms 300000 --json

7. 实际工作流示例

假设一个典型场景：重构一个模块，想对比 Claude Code 和 Codex 的实现方案。

# 1. 确认 Orca 运行状态
orca status --json

# 2. 列出已有仓库
orca repo list --json

# 3. 创建两个并行 worktree，分别跑不同 Agent
orca worktree create --repo id:<repoId> --name "refactor-claude" --agent claude \
  --prompt "重构 user service，提取公共校验逻辑，保持接口兼容" --json

orca worktree create --repo id:<repoId> --name "refactor-codex" --agent codex \
  --prompt "重构 user service，提取公共校验逻辑，保持接口兼容" --json

# 4. 查看两个 worktree 状态
orca worktree ps --json

# 5. 用内置浏览器打开本地服务验证
orca goto --url http://localhost:3000 --json
orca snapshot --json

两个 Agent 独立跑完后，可以在 Orca 的 diff 视图中并排对比，挑选更优的实现合并到主分支。

8. 技术架构要点

维度实现
许可证MIT（完全开源）
平台macOS / Windows / Linux
运行时本地进程，非云端
Agent 隔离基于 git worktree，进程级隔离
终端引擎WebGL 渲染，支持分屏和历史持久化
浏览器内嵌 Chromium，支持 Design Mode
远程支持SSH Worktree + 自动重连 + 端口转发
自动化内置 cron 式调度（Automations），支持 RRULE

9. 风险点与注意事项

  1. 不是 Agent 本身，而是编排器——Orca 不提供 AI 能力，你得自己配好 Claude Code / Codex 等 Agent 的 API Key。
  2. 资源消耗——多个 Agent 并行跑，内存和 CPU 压力不小。尤其是浏览器 + 终端分屏同时开的时候。
  3. CLI 稳定性——Orca 更新非常频繁（官方自称”每天发布新功能”），CLI 接口可能有 breaking change，生产环境依赖 CLI 脚本时建议锁定版本。
  4. 移动端 Android 版本——目前通过 APK 分发，不走 Google Play，更新需要手动下载。
  5. 隐私——Orca 收集匿名使用数据，可在设置中退出（详见隐私与遥测文档）。

10. 适合谁

  • 同时使用多个 CLI Agent、需要在它们之间快速切换的开发者
  • 想对比不同 Agent 产出质量的团队
  • 有”把 Agent 编码流程 CI/CD 化”需求的人
  • 需要在手机端远程监控 Agent 进度的场景
  • 重视 git 历史整洁性、不想 Agent 把主分支搞乱的开发者（worktree 天然隔离）

不太适合：

  • 只用一个 Agent、且没有并行需求的开发者——直接在那个 Agent 的终端里跑就够了
  • 资源受限的机器——多 Agent 并行对机器有一定要求

11. 结论

Orca 不是又一个 AI 编码工具，而是AI 编码工具的管理层。当你的工作流里 Agent 不止一个、任务不止一条线时，它的价值就会迅速体现。开源 + MIT 许可 + 快速迭代，值得放进工具箱。

https://github.com/stablyai/orca

#Orca #AIAgent #ClaudeCode #Codex #DeveloperTools #Worktree #多Agent编排 #开源工具 #AI编码 #工程效率

Continue reading

继续阅读