多 Agent 开发最常见的事故发生在工作目录里：两个 Agent 互相覆盖。一个在改登录流程，另一个顺手回滚了配置；你刚 stash 完，第三个又开始切分支。等到发现时，diff 已经混在一起，谁也说不清哪一行是谁改的。
Orca ADE 就是冲这件事来的。
它是一款面向 AI 编程 Agent 的桌面开发环境。每个任务会得到一个独立的 git worktree 和分支，Claude Code、Codex、Cursor CLI 等命令行 Agent 在各自目录里运行，你再在一个窗口里看终端、看差异、看浏览器，决定保留哪一个结果。
Orca 由 Stably AI 开发，官网显示其获得 Y Combinator 支持，GitHub 仓库约有 11.6 万 stars。桌面端采用 MIT 许可证开源，macOS、Windows 和 Linux 都可以免费下载。
先说结论
如果你已经在两个以上 Agent 之间来回切换，Orca 值得今天就装。它解决的是协调问题，而且至少在产品结构上，比大多数“AI IDE”更彻底。
如果你只有一个 Agent，或者主要想要代码补全，先别折腾。Orca 不提供模型，也不打算替代你的编辑器。它的功能密度会让你付出学习成本，而你暂时用不上。
这款产品最舒服的地方，是把 worktree 从 git 术语变成了主界面。最让人皱眉的地方，是它把太多能力塞进了同一个侧边栏。
免费和开源降低了试错成本，但默认的权限设置需要你自己检查一遍。这一点后面会单独说。
它解决的是协调问题
大多数 AI 编程工具在回答一个问题：怎么让模型写出更好的代码。
Orca 在回答另一个问题：当三个模型同时写代码，怎么让它们别互相踩脚。
这两个问题的难度不一样。前者靠模型能力，后者靠工程约束。Orca 的选择是把约束做进产品：一个任务一个 worktree，一个 worktree 配一个 Agent。工作目录天然隔离，冲突被推迟到合并的时候，而不是在编辑过程中随机爆炸。
这个设计听起来很朴素，但它改变了很多日常动作。
你不再需要为了试一个方案先 stash 当前修改。你不再需要记住哪个终端对应哪个分支。你也不再需要在一个 Agent 跑偏时，把整个工作区回滚。大不了删掉那个 worktree，主分支还在。
官网文档给出的入门流程很直接：添加仓库，新建 worktree，选择 Agent，再重复两次，用另外两个 Agent 跑同一个任务，最后比较三份 diff，留下最合适的那一份。
这也是 Orca 最像“工作台”的地方。它不替你思考，但把并行尝试的成本降到了可以随手试一次的程度。
用起来最舒服的三件事
新建 worktree 像开一个新标签页
Orca 把新建任务做成了一次点击。输入任务名，选起始分支，选 Agent，目录和分支就建好了。任务名留空时，它会用海洋生物的名字命名，这种小细节让人愿意多用几次。
更重要的是回收也简单。任务做完，合并、推送、删除 worktree，一气呵成。不会留下十几个不知道对应哪条分支的临时目录。
对一个经常同时改三四个需求的人来说，这种“可丢弃”的感觉很省心。
三个 Agent 并排，进度终于可见
Orca 支持把 worktree 的标签拖到窗口边缘分屏。三个 Agent 同时跑，三个终端同时可见，谁卡住了、谁在等确认、谁已经跑完，一眼能看出来。
三个 Agent 同时跑起来的那一刻，会有一种很具体的掌控感：屏幕上从一个等你输入的空框，变成三份正在推进的工作。你从“操作 Agent 的人”变成了“看住进度的人”。
这个体验很难用参数描述。它解决的是等待中的不确定感：以前你开三个终端，只能靠来回点窗口确认进度；现在它们就在同一块屏幕上。
如果 Agent 需要你回复，Orca 会发通知。手机端也能接收，并直接回复。
diff 审查把“信任”变成“检查”
AI 写代码最危险的部分，是它写出来了，你懒得看。
Orca 的差异查看器可以逐文件看修改，也可以在具体代码行上留评论，再批量发回给 Agent 修改。提交、推送、创建或关联 GitHub Pull Request 都能在应用内完成。
这让“审查”变成了流程里顺手的一步，而不是下班前的一次性补救。对需要长期维护的项目，这比多生成几百行代码有价值。
远程和手机：把等待时间捡回来
Orca 的 worktree 不一定要跑在当前这台电脑上。官方文档给了四种运行方式：
- 本地运行，适合日常开发
- 通过 SSH 连到自己的开发机、VPS 或 GPU 主机
- 把 Orca 作为常驻服务器运行，再用笔记本、浏览器或手机连接
- 用自己的云账号为每个任务创建临时环境
远程模式有一个明确的边界：机器和云账号都是用户自己的。Orca 不出售托管 VPS，也不代收云服务费用。这既是自由，也是维护成本。
手机端是这个思路的延伸。它不能完整编辑代码，定位是桌面端的远程控制：看 Agent 状态、读终端输出、回复提示、休眠 worktree、查看源代码管理、提交更改、切换账号，以及接收完成通知。
对经常离开工位的人来说，这个功能的价值很直接。Agent 跑完一个任务，你在路上就能决定下一步，不用等到回电脑前才发现它已经卡了半小时。
手机端目前在 App Store 的评分是 4.7 分，共 71 个评分。样本不大，但至少说明早期用户愿意给它正面评价。官方文档仍把它标为 Beta。
它让人皱眉的地方
功能太多，第一次会迷路
Orca 的侧边栏同时装着仓库、worktree、Agent 会话、任务、插件、自动化、用量和远程机器。光看这份功能列表，就能理解新用户为什么会愣一下。
Leo 在 X 上的评价很直接：Agent 编排是同类里最好的，但侧边栏混乱，功能多且组织不佳，速度也比 t3 code 慢，终端里运行 Agent 的体验不理想。
这段批评值得认真看，因为它没有否定 Orca 的核心能力，只指出了产品成熟度的问题。对一个更新频率很高的工具来说，这类问题通常会在几个版本内变化，但在当下确实是新用户要付的成本。
Electron 的代价
Orca 是 Electron 应用。它的好处是 macOS、Windows、Linux 三端体验接近；代价是内存和 CPU。
GitHub 上有用户报告远程服务器内存和 CPU 占用过高、空闲时多个 Electron 进程持续占用 CPU，以及应用突然变慢。部分问题已经关闭或修复，但这类反馈说明：如果你习惯同时开很多 Agent，风扇和电池会成为日常体验的一部分。
Orca 提供了资源管理器，可以查看每个 Agent 的 CPU 和内存占用。这个功能很实用，也侧面说明资源消耗是这类工作流的常态。
默认跳过权限确认，这个设置别忽略
Orca 文档写明，新启动的 CLI Agent 会预填跳过权限确认的参数。Claude 对应 --dangerously-skip-permissions，Codex 对应 --dangerously-bypass-approvals-and-sandbox。
官方理由是 worktree 可以丢弃，Agent 在自己的检出目录里试验时，不必反复确认每条命令。
这个理由站得住，但它只适用于“可以丢弃”的项目。如果工作目录里有生产凭据、真实用户数据，或者 Agent 能执行不可回滚的部署命令，默认值就不合适。
Orca 允许在 Settings → Agents → Agent Permissions 里改成手动确认。装完之后先看一眼这个设置，比事后复盘便宜得多。
手机端仍是 Beta
手机端适合查看和做简单决策，不适合当成移动 IDE。官方自己也是这么定位的。把预期放在“远程遥控器”，失望会少很多。
此外，有用户反馈点击聊天会话时会直接关闭会话，没有确认对话框。这类交互问题不影响核心流程，但会让人在关键时刻心里一紧。
别人怎么说
Orca 官网专门收集了公开的 X 帖子作为证言。这些证言当然偏正面，所以我另外找了几条批评，放在一起看。
Jason Zhou 说自己试过几乎所有并行 ADE，目前最喜欢 Orca，列出的理由是原生 TUI、文件查看器、自定义命令、手机端、用量跟踪、Design Mode 和 GitHub 任务跟踪。他用「10x」形容自己的感受。
erik.eth 的分工更清楚：精细编辑和配对编程用 Zed，多 Agent 并行用 Orca。他把 Orca 称为“管理多个 Agent”这一类工具里最好的。
Dhilip Subramanian 把 Orca 设成了默认 IDE。他的用法是让一个 Agent 负责规划和难题，再把执行分给 Codex 等其他 Agent，任务完成后通过通知查看结果。
Trevin Chow 提到一个很具体的好处：把一个包含多个仓库的上级目录加进 Orca 后，可以在一个会话里跨仓库工作，不必在三个 Agent 会话之间切换。
Dave Fano 则把多台机器和手机端连起来，形容这是自己理想中的工作流。
反面声音同样具体。除了 Leo 对界面和速度的批评，还有用户反馈会话会被误关，GitHub 上也有关于内存、CPU 和卡顿的 issue。
这些评价集中在 2026 年 7 月到 9 月。Orca 的更新频率很高，部分体验问题可能已经变化。把它们当作“买前须知”，比当作最终判决更合适。
和 Cursor 放在一起看
Cursor 的中心是编辑器。你在里面写代码，AI 在旁边补全、改写、回答问题。它的顺手来自“不用离开当前文件”。
Orca 的中心是任务调度。你告诉它要做什么，它开一个 worktree，叫一个 Agent 进去干活，再把结果拿回来给你审。它的顺手来自“不用同时盯三个终端”。
两者可以一起用。Orca 官方也把自己定位成 Agent 开发环境，而不是编辑器的替代品。需要精细修改时，你仍然可以回到 VS Code、Zed 或 Cursor。
区别落在购买理由上：如果你想要更聪明的补全，选编辑器；如果你已经被多 Agent 的协调成本拖住，装 Orca。
谁该用，谁先别急
更适合：
- 已经在使用 Claude Code、Codex 等 CLI Agent 的开发者
- 经常同时推进多个任务，受困于分支切换和目录冲突的人
- 想让多个 Agent 对同一任务并行尝试，再比较结果的人
- 需要把 Agent 放在远程机器上持续运行的人
- 希望使用免费、开源工具，不想再增加模型订阅的人
不太适合：
- 刚开始接触 AI 编程，还没有固定使用某个 CLI Agent 的人
- 主要需要代码补全和编辑器功能的用户
- 希望工具直接提供模型额度、开箱即用的人
- 对 Electron 应用资源占用比较敏感的人
怎么开始
macOS 用户可以用 Homebrew 安装：
brew install --cask stablyai/orca/orca也可以从下载页获取 macOS、Windows 和 Linux 安装包。
装完后按这个顺序走一遍：
- 添加一个本地仓库
- 新建 worktree，选一个你熟悉的 Agent
- 把同一个任务再建两个 worktree，换用不同 Agent
- 分屏看完三份结果，比较 diff
- 合并其中一份，删掉另外两个
这一圈走完，你会很快知道自己需不需要它。不需要的人会觉得多余，需要的人很难再回到手动切分支的日子。
最后的判断
Orca 不会让一个不会写代码的人突然能交付项目。它服务的是已经在写代码、已经被多 Agent 协调磨过的人。
它的价值可以概括成三个字：收得住。任务收在 worktree 里，结果收在 diff 里，远程任务收在手机通知里。免费开源让这件事的试错成本足够低。
它的问题也很清楚：功能密度高，Electron 吃资源，权限默认值需要自己把关，手机端还在 Beta。
所以结论不复杂。如果你今天还在为三个 Agent 抢同一个目录发火，装它。如果你只有一个 Agent，先把时间和钱留给模型订阅。
资料来源
- Orca 官网
- Orca 文档：What is Orca?
- Orca 文档：Install
- Orca 文档：Your first 3-agent session
- Orca 文档：Ways to run Orca
- Orca 文档：Supported agents
- Orca 文档：Mobile companion
- Orca GitHub 仓库
- Orca IDE App Store 页面
封面图片来自 Orca 官网。