开源工作台 Orca：多个 AI 编程 Agent 并行开发不再冲突

zhangdaiscott · 发表于 6 分钟前

多 Agent 并行开发工作台

当 Agent 从一个变成好几个

一年前，大多数人用 AI 写代码还是“一个对话框、一个任务”。现在情况变了：Claude Code 在一个终端里重构接口，Codex 在另一个终端里补测试，Cursor CLI 在第三个终端里改前端，再加上看日志、跑构建的窗口，任务栏上排满了终端。

Agent 越多，两个问题越突出：

注意力被切碎：在七八个终端之间来回切换，切回某个窗口时，Agent 早就跑完了，几百行输出里埋着一句关键报错，很容易漏看；
代码互相踩踏：两个 Agent 同时修改同一个文件，一个在改接口签名，一个在加字段校验，保存的那一刻就是冲突。

第二个问题的标准解法是 Git Worktree：给每个任务一个独立的工作目录。但每次都要手动 git worktree add、指定分支、用完再 git worktree remove，流程本身就成了负担。

Orca 就是冲着这两个问题来的。它在 GitHub 上开源（MIT 协议），开源两周 Star 数冲到 6 万多，自我定位是 Agent Development Environment（ADE）：不替代编辑器，而是专门管理多个 AI 编程 Agent 的工作台。

核心能力一：自动 Worktree 隔离

这是 Orca 最值得一说的设计。每新建一个 Agent 任务，Orca 会自动创建一个独立的 Git Worktree：

Agent A 在 worktree A 里改代码，Agent B 在 worktree B 里改，互不干扰；
所有 worktree 共享同一个 Git 对象库，不会因为多开目录而成倍占用磁盘；
任务结束、删除会话后，对应的 worktree 自动清理。

如果你没用过 Worktree，可以对照一下手动操作要做的事：

git worktree add ../feat-api -b feat-api      # 为任务创建独立目录和分支
cd ../feat-api && claude                       # 在新目录里启动 Agent
# ……任务完成、合并后……
git worktree remove ../feat-api                # 清理目录
git branch -d feat-api

Orca 把这几步变成了“新建任务”一个动作。

同一需求，多版本对比

隔离做好之后，一个很实用的玩法就自然出现了：把同一个需求同时派给两三个 Agent，各自在自己的 worktree 里实现，完成后把 Diff 并排对比，挑写得最好的那一版合并。以前做这种 A/B 对比，光是建分支、建目录、来回切换就足够劝退。

自动 Worktree 隔离示意

核心能力二：一个窗口管住所有 Agent

Orca 的界面左侧是任务列表，Claude Code、Codex、Cursor CLI 等 Agent 的任务都列在这里，点哪个切到哪个。每个任务有自己的终端、编辑器和浏览器预览区，不再需要 Alt+Tab 在一堆窗口里找。

对前端开发来说，内置的 Chromium 浏览器很方便：代码改完自动热刷新，直接在工作台里看渲染效果；点击页面上的任意元素，可以把对应的 HTML、CSS 和截图一起交给 AI，描述“这里不对”时不用再手动复制。

核心能力三：Agent 的过程全部留档

一个容易被忽视的问题：Agent 跑完、终端一关，它做了什么、为什么这么改，就再也找不回来了。

Orca 会把每个 Agent 的对话记录、Diff、终端输出和修改日志保存在本地，支持全局搜索，旧会话也能恢复后继续执行。这在几个场景里很有用：

排查问题时回看 Agent 当时的推理和改动；
复盘哪类任务交给哪个 Agent 效果更好；
写周报、写变更说明时直接翻记录。

移动端：不在电脑前也能审 Diff

Orca 还有配套的手机 App。Agent 跑完会推送通知，在手机上就能看完整 Diff，对有问题的行直接批注，桌面端的 AI 收到批注后继续修改。等回到电脑前，往往只剩合并这一步。

需要注意的是，手机端依赖桌面端在线，电脑关机就连不上。

安装与费用

macOS 可以用 Homebrew 安装：

brew install --cask stablyai/orca/orca

Windows 和 Linux 在官网下载安装包。

费用方面，Orca 本身是 MIT 开源、免费使用，没有会员和功能限制。它对接的 Claude、Codex、Gemini 等模型的 API Key 和调用费用需要自己承担，Orca 不从中收费。项目团队来自 Google Chrome 和 Uber，更新节奏很快。

适合谁，不适合谁

适合的场景：

日常同时使用两个以上 AI 编程工具，或者同一个工具开多个会话；
经常需要让 Agent 并行处理几个独立任务；
想对同一需求比较不同 Agent、不同模型的实现。

不太适合的场景：

团队协作：Orca 是单人工具，没有多人分配任务的能力。团队场景可以看 Multica 这类 Web 看板式的平台，两者定位不同；
只用一个 Agent、一次只做一件事：这种情况下终端本身就够用，没必要多一层工具。

几点使用建议：

并行的任务尽量拆得互相独立。Worktree 解决的是“写的时候不冲突”，合并的时候如果几个任务改了同一块逻辑，冲突依然要人来解决；
多版本对比时控制数量。两到三个版本足够，再多审 Diff 的时间会超过节省下来的时间；
注意依赖目录。每个 worktree 是独立目录，node_modules、构建产物等需要各自安装或生成，大型前端项目要留意磁盘和安装时间。

总结

AI 编程工具解决的是“能不能写出代码”，而 Orca 解决的是另一个问题：同时用好几个 AI 写代码时，怎么不被窗口和冲突拖垮。自动 Worktree 隔离、统一的任务视图、完整的过程留档，这三点让多 Agent 并行开发从“能做”变成了“好管理”。用的 Agent 越多，这类工作台的价值就越明显。

本文为 JeecgBoot AI 专题研究系列文章。