AI编程实践第15节：Orca 的多代理协同开发，专门为AI Coding 打造的 IDE

公众号名称：无处不在的技术

作者名称：爱海贼的无处不在

发布时间：2026-07-01 07:57

持续内容输出，点击蓝字关注我吧

一、前言

在软件工程领域，效率提升一直是开发者永恒的追求。从 IDE 的诞生到智能代码补全的普及，每一次工具革新都带来开发模式的重塑。

如今，随着 AI 编程助手（如 Claude Code、Codex、OpenCode 等）的崛起，我们正在迎来一场新的变革——AI Agent工作台的开发时代。

最近的Github上有个开源项目不错，它是Orca，Orca 是这个时代的标志性产物。

如果你最近一直在关注 Claude Code、Dynamic Workflows、OpenClaw这些 AI Coding 工具，那我觉得 Orca会让你眼前一亮。

它并不是一个新的 AI 模型，也不是一个新的 Agent Framework，而是定位成：

专门为 AI Coding 打造的 IDE（AI Native IDE）。

可以理解成：

Cursor = AI + VS Code
Windsurf = AI + IDE
Orca = Multi-Agent + Git Worktree + Browser + Terminal + IDE 一体化

它想解决的问题不是「怎么写代码」，而是 怎么让多个 AI Agent 同时开发一个项目，而不会互相影响。

作为一个专为 AI 代理设计的下一代集成开发环境（ADE - Agent Development Environment），它不仅仅是又一个代码编辑器，而是一个完整的 AI 协同工作平台。

本文将基于对 Orca 项目的基本使用，探讨其设计理念、核心功能，以及它如何重新定义 AI 时代的编程实践。

我们正在从”人类写代码”向”人类监督 AI 写代码”转变，而 Orca 正是这个转变的前沿代表。

官方说：“用 Orca，效率提升 100 倍不是梦。”

官网截图如下，地址为：https://www.onorca.dev/

从官方首页一句话基本就能理解：

一个专门为 AI Agents 设计的软件开发工作空间。

它不是聊天窗口。

不是 Prompt 编辑器。

而是一个完整的软件开发环境。

里面集成了：

Git Worktree
多 Agent
Terminal
Browser
Review
CLI
GitHub
Linear/Jira
MCP

全部围绕 AI Agent 工作流设计。

官网的使用截图：

目前Github的开源地址为：https://github.com/stablyai/orca，项目已超过9K。Orca 基于现代化的技术栈构建：

桌面框架：Electron 42跨平台桌面应用框架

前端框架：React 19 + TypeScript高性能 UI

状态管理：Zustand 5轻量响应式状态管理

**终端模拟：**xterm.js (WebGL)Ghostty 级别的高性能渲染

代码编辑：Monaco EditorVS Code 同款编辑器

构建工具：electron-vite + Vite 7极速开发体验

**UI 组件：**shadcn/ui + Radix UI可访问的设计系统

样式：Tailwind CSS 4原子化 CSS。

这种架构确保了 Orca 既能提供原生级的性能，又能保持跨平台兼容性和开发效率。

Orca 的设计原则是包容性——它支持任意能在终端运行的 CLI 代理。

预配置支持 25+ 种代理：

Claude Code、Codex、Grok、Gemini
Cursor、GitHub Copilot、OpenCode
Devin、Droid、Goose、Kimi

任何新的 CLI 代理都可以轻松集成。Orca 使用标准化的接口定义代理行为，确保互操作性。

例如今天我在公司工作的过程中，我使用这个软件开始多个窗口进行并行工作，作为程序员是操作控制台，左侧是ClaudeCode、右侧是OpenCode：

Orca的强大，远不止于此。

看官网的一个介绍我非常喜欢：

针对一个大任务，可以分解为多个小任务，然后每个子任务用不同的Agent工具，这个东西非常不错了：

二、正文

传统集成开发环境（IDE）如 VS Code、JetBrains 系列，其核心设计理念是以人类开发者为中心。

尽管它们不断引入 AI 辅助功能（如 GitHub Copilot），但本质上仍是单用户、单代理的工作模式：

串行执行

一个任务必须等待前一个任务完成后才能开始
单一上下文

每次只能有一个 AI 模型处理问题
缺乏隔离

多任务并行时容易产生上下文污染
协作困难

团队成员无法共享同一个 AI 工作状态

当我们尝试用 AI 编程助手处理复杂任务时，这些限制变得尤为突出。

比如，我们可能希望让多个 AI 代理同时尝试不同的解决方案，然后比较它们的优劣；或者让一个 AI 负责代码审查，另一个负责实现功能。

而通过Orca这个软件，我们可以开启多个窗口，每个创建运行一个Agent环境，例如这里我通过界面分割开启了4个窗口，我们可以每个窗口运行ClaudeCode，或者一个窗口运行ClaudeCode、一个窗口运行Codex，一个创建运行OpenCode，如下所示：

每个 Agent：

自己的 Git Worktree
自己的 Terminal
自己的上下文
自己的 Session
自己修改代码

互相完全隔离。

所以：

AI 不会抢文件。

不会互相覆盖。

不会污染 Context。

这其实就是 Git Worktree 最适合 AI Coding 的一种实践。

大家觉得Orca 最大的创新会是什么，很多人第一眼会觉得：「不就是又一个 Cursor 吗？」实际上并不是。

Cursor 的核心理念：

一个人 + 一个 AI

而 Orca 更偏向：

一个人 + N 个 AI + N 个 Git Worktree + 一个统一工作台

它真正的创新点包括：

Worktree First

把 Git Worktree 作为 AI 开发的基本单位，而不是可选功能。
Agent Native IDE

IDE 的每个能力（终端、浏览器、文件、自动化）都可以被 Agent 调用。
多 Agent 编排

天然支持多个 Agent 并行协作，而不是单窗口对话。
可脚本化工作流

CLI 暴露了 IDE 的几乎全部能力，可以与外部编排系统结合。

Orca 的设计哲学是：让 AI 代理成为开发的一等公民。

传统 IDE 为人类设计，而 Orca 是第一个真正为 AI 代理设计的开发环境（ADE）。

它的核心架构围绕”并行工作树”（Parallel Worktrees）展开，每个工作树是一个独立的 Git Worktree，运行一个或多个 AI 代理。

关于什么是Git Worktree，我之前有过分享，感兴趣的可以看一下。

AI编程实践第7节：Git WorkTree机制实现分支并行开发

如果你熟悉 Claude Code。

应该知道：

很多人已经开始：

git worktree add feature-A
Claude Code A

再来一个

git worktree add feature-B
Claude Code B

Orca 把这一切全部自动化。

先看下Orca的设计：

┌─────────────────────────────────────────────────────────┐
│                     Orca IDE                            │
│  ┌─────────────┐ ┌─────────────┐ ┌─────────────┐       │
│  │ Worktree 1  │ │ Worktree 2  │ │ Worktree 3  │       │
│  │ Claude Code │ │   Codex     │ │  OpenCode   │       │
│  │  ┌───────┐  │ │  ┌───────┐  │ │  ┌───────┐  │       │
│  │  │Terminal│  │ │  │Terminal│  │ │  │Terminal│  │       │
│  │  │Editor  │  │ │  │Editor  │  │ │  │Editor  │  │       │
│  │  │Browser │  │ │  │Browser │  │ │  │Browser │  │       │
│  │  └───────┘  │ │  └───────┘  │ │  └───────┘  │       │
│  └─────────────┘ └─────────────┘ └─────────────┘       │
│                    Git + GitHub + Linear                │
└─────────────────────────────────────────────────────────┘

再来看看几个核心功能特性：

特性1： Parallel Worktrees：并行工作树

这是 Orca 最核心的创新。每个任务在独立的 Git Worktree 中运行，完全隔离，不会相互干扰。

实际应用场景：

# orca.yaml - 自动化编排配置
worktrees:
  - name: baseline
    agent: claude
    task: "实现核心功能 baseline"
  - name: alternative-1
    agent: codex
    task: "用不同技术方案尝试"
  - name: alternative-2  
    agent: opencode
    task: "探索第三种实现思路"

然后通过 /orchestrate 命令，Orca 会同时启动多个工作树，让不同的 AI 代理并行工作。你可以比较它们的进度和结果，最终合并最优方案。

例如我这里我未来理想的环境：

特性2：Ghostty 级别的终端体验:

Orca 内置的终端使用 WebGL 渲染，具有以下特性：

无限分割

可以水平和垂直分割任意次数
持久化状态

重启后自动恢复之前的终端状态和回滚历史
全局搜索

支持完整的回滚历史搜索
高性能

即使是大量输出也能保持流畅

特性3：Design Mode：所见即所得的上下文注入

Orca 内置了一个真正的 Chromium 浏览器实例。开启 Design Mode 后：

点击任意 UI 元素
Orca 自动提取该元素的 HTML、CSS
截取该区域的屏幕截图
将这些信息作为上下文发送给 AI 代理

这解决了 AI 编程中一个经典难题：如何让 AI 准确理解现有 UI 的样式和结构。

传统的做法是手动复制代码或截图，而 Design Mode 让这个过程变成了一键操作。

特性4：SSH Worktrees：远程计算能力

Orca 支持通过 SSH 连接到远程服务器，并在远程机器上运行 AI 代理：

完整功能

文件编辑、Git 操作、终端输入输出
自动重连

网络波动时自动恢复连接
端口转发

本地浏览器可以访问远程开发服务
密码缓存

SSH 密钥和密码安全存储

这对于需要强大算力处理复杂任务，或需要访问私有代码库的场景非常有用。

特性5：移动端配套应用

Orca 提供 iOS 和 Android 应用，让你随时监控 AI 代理的工作状态：

实时状态

查看运行中的代理进度
使用统计

追踪各 AI 模型的使用量
账户切换

快速切换不同的 API 账户
远程控制

发送后续指令

一位用户评价道：

“我不相信有人不惊叹于 Orca。它让所有事情都变得简单。Codex 和 Claude Code 代理都在一个更容易管理的方式下运行。”

Orca 不仅有图形界面，还提供了强大的命令行工具，允许你在脚本和 CI/CD 流程中自动化 AI 代理任务。

# 创建并行工作树
orca worktree create --agent claude --task "实现用户认证"

# 获取界面快照
orca snapshot

# 自动化 UI 操作
orca click "登录按钮"
orca fill "用户名输入框" "admin"

# 计算机控制
orca computer "打开浏览器并访问 example.com"

这种 CLI-first 的设计理念，让 Orca 可以无缝集成到现有的开发运维流程中。

落地场景应用案例

场景一：并行方案探索

当你需要为一个复杂功能选择最佳实现方案时：

┌────────────────────────────────────────────────────┐
│ Orca Worktree Manager                              │
├────────────────────────────────────────────────────┤
│ ✓ checkout-v1 (Claude Code)    正在运行 45m        │
│   └─ 使用传统 REST API 实现                          │
│                                                    │
│ ✓ checkout-v2 (Codex)          正在运行 52m        │
│   └─ 使用 GraphQL 实现                               │
│                                                    │
│ ✓ checkout-v3 (OpenCode)      已完成 38m ✓        │
│   └─ 使用 tRPC + React Query  质量最高              │
└────────────────────────────────────────────────────┘

三个代理同时工作，你可以实时观察它们的进展，比较代码质量，最终选择最佳方案或合并多个方案的优点。

场景二：AI 辅助代码审查

# 启动审查工作树
orca worktree create --agent claude --task "审查 PR #2491"

# 在 diff 上添加评论
> 这行代码可能有空指针风险
> 建议添加防御性检查

# 将评论发送回代理
orca orchestrate review-feedback --comments review.md

代理会自动处理这些反馈，修复问题或解释决策理由。

场景三：远程团队协作

团队成员可以 SSH 到同一台远程服务器，各自运行独立的工作树：

# 开发者 A
orca ssh user@dev-server --worktree feature/checkout

# 开发者 B  
orca ssh user@dev-server --worktree fix/auth-bug

Orca 的 SSH Worktree 功能确保每个开发者的工作完全隔离，同时共享底层算力和代码库。

接下来，再看下技术亮点与设计哲学：

隔离与并发

Orca 选择 Git Worktree 作为隔离机制，而不是容器或虚拟机，这是一个务实的设计：

零开销

不需要启动独立的操作系统环境
Git 原生

与现有版本控制系统无缝集成
快速切换

可以瞬间在多个工作树之间切换
易于清理

工作完成后可以轻松删除

性能优先

终端使用 WebGL 渲染，确保即使在处理大量输出时也能保持 60fps 的流畅度。xterm.js 的集成经过深度定制，支持完整的 ANSI 色彩和现代终端功能。

可扩展性

Orca 的 Skills 系统允许开发者定义自定义技能和工作流：

skills/
├── orchestration/      # 多代理编排技能
├── computer-use/       # 计算机控制技能
├── orca-cli/           # CLI 操作技能
├── linear-tickets/     # Linear 工单技能
└── orca-linear/        # Linear 集成技能

这种插件化的架构确保 Orca 可以适应各种复杂的开发需求。

总结

Orca 不仅仅是一个工具，它代表了一种新的编程范式：

并行化

从串行执行到多代理并行，大幅提升效率
上下文丰富

Design Mode、Git 集成、Linear 集成让 AI 拥有完整的项目上下文
跨平台

支持 macOS、Windows、Linux，无缝衔接各种开发环境
开放生态

支持任意 CLI 代理，不被特定供应商锁定
移动优先

配套移动应用让开发者随时掌控 AI 工作状态

Orca 特别适合：

高级开发者

需要 AI 辅助处理复杂、重复性任务
AI 工程师

需要同时运行和比较多个 AI 模型
远程团队

需要跨地域协作开发
初创公司

希望在有限人力下最大化开发效率

喜欢的可以收藏文章、分享文章、转发文章、点赞文章哦。你的支持是我持续创作的动力。

喜欢的也可以关注我的公众号：无处不在的技术，与我一起学习成长、共同进步，在技术的道路上越走越远。

最近也看到有人问如何学习AI，这里分享几个资料如下：

- END -

喜欢就点个 在看****呗 👇

内容效果不满意？点此反馈

持续内容输出，点击蓝字关注我吧

Orca 的设计原则是包容性——它支持任意能在终端运行的 CLI 代理。

这其实就是 Git Worktree 最适合 AI Coding 的一种实践。

一个人 + 一个 AI

一个人 + N 个 AI + N 个 Git Worktree + 一个统一工作台

再来看看几个核心功能特性：

场景一：并行方案探索

场景二：AI 辅助代码审查

场景三：远程团队协作

隔离与并发

性能优先

可扩展性

1、通往AGI之路的知识库飞书云文档

2、掘金的AI知识库的飞书云文档

3、极客时间的AI知识库的飞书云文档

4、LangGPT社区的飞书云文档（结构化提示词等等）

5、一站式AI产品经理飞书知识库

6、微软网站分享的AI指南说明知识

7、赋范空间的飞书AI知识库：

8、Marked的AI产品经理知识库