你同时请四个人装修房子：一个改厨房，一个装书架，一个检查电路，一个采购材料。真正让人头疼的，往往不是没人干活，而是你不知道谁做到哪一步、谁在等你决定，以及他们会不会互相踩坏成果。多个 AI 编码 Agent 同时工作，也会遇到类似问题。
Orca 想解决的正是这层管理难题。它不是一个新的 AI 模型，而是一套 AI 编排工具——把任务分给多个 Agent，再集中管理它们的状态、结果和工作环境。根据 stablyai 的官方 GitHub 仓库，Orca 可以并排运行 Codex、Claude Code、OpenCode 和 Pi 等命令行 Agent，并把每个 Agent 放进独立的 Git worktree。Git worktree 是 Git 为同一代码仓库创建的独立工作目录，作用像给每位施工者划出自己的房间，减少同时修改文件时彼此覆盖的风险。
本文关于产品能力的描述主要来自项目方仓库，目前没有第三方实测、用户数据或基准测试交叉验证。
它管的不是聊天框，而是任务现场
同时打开几个终端并不难。难的是任务多起来以后，人还能不能迅速找到上下文。官方称，Orca 可以在 worktree、文件、Agent、命令和仓库信息之间快速搜索，也能集中显示完成通知和未读状态。某个 Agent 做完了，或者需要人来拍板，用户不必逐个翻窗口确认。
这也解释了它为什么不只是“给终端换个界面”。据 Yuzheng Sun 对创始人 Jinjing Liang 的访谈，Liang 自己的环境一度积累了四百多个 worktree，其中两百多个用于反复执行的自动流程。她同时澄清，这并不代表四百个 Agent 正在一起运行，而是留下了四百多个长期任务现场。数量一多，瓶颈便从“能否生成代码”转向“人是否还记得每项工作在哪里、下一步该处理什么”。
仓库还列出了 Markdown、图片、PDF 和项目文档预览，以及 Claude、Codex 的用量与速率限制重置时间跟踪。官方称，用户可以热切换账户，不必重新登录。它也提供 Computer Use——让 AI 通过视觉和输入操作桌面界面，例如点击、键入和滚动，用来补足命令行无法直接覆盖的操作。
手机成了随身监工
Orca 提供 iOS 和 Android 移动端。按官方说法，手机可以与桌面应用配对，用来查看并引导正在工作的 Agent。负责这种配对的 relay——即在手机与桌面端之间转送信息的中继服务——源码也放在同一仓库的 cloud/ 目录中。
这一步值得关注，因为并行 Agent 的使用场景不再局限于人坐在电脑前、盯着几个命令行窗口。任务可以继续运行，人则从手机查看进度，在需要判断时介入。Orca 因而更像一个调度台：Agent 负责执行，人负责分配注意力和处理例外。
为什么现在值得看
多 Agent 工具过去很容易停留在演示层面：同时启动几个 Agent 看起来热闹，但工作目录隔离、状态追踪、结果回看和人工介入，才决定它能否进入日常开发。Orca 把这些环节装进一个产品界面，试图让并行工作变得可观察、可搜索、可切换。
它的产品来路也颇能说明这一点。据 Yuzheng Sun 对 Liang 的访谈，团队早期做过婚礼直播，后来转向由 AI Agent 操作网页的自动化测试。管理大量浏览器会话、任务状态和隔离环境的经验，最终成为 Orca 管理并行编码 Agent 的底座。表面上看，它转向了热门的编码 Agent；真正延续下来的，却是如何整理大量并发任务。
项目仓库提供 macOS Apple Silicon、macOS Intel、Windows 和 Linux AppImage 构建，也列出了 Homebrew 与 AUR 安装方式。Orca 采用 MIT License，免费开源。
局限与未知
- 官方把 Orca 称为面向“100x builders”的编排器，但“100x”是营销表达，不是经过验证的效率指标；现有材料也没有说明并行 Agent 能把速度或质量提高多少。
- 项目方宣称任何能在终端运行的 CLI Agent 都可以接入，并列出很长的兼容名单，但尚无独立测试验证这种广泛兼容性。
- 手机监控与引导、账户热切换、用量统计、Computer Use 和各平台构建可用性，目前都只有官方仓库这一处信源。Orca 展示了一个清晰方向，但离证明它能稳定承接复杂团队工作，还有一段需要实测的数据距离。