夜雨聆风大家好，我是左手。
前两周写了篇 AionUi 的文章，后台有好几个朋友问我「那 Orca 呢，看着功能差不多？」
坦率的讲，我第一次看到 Orca 也是这个反应。又一个多 Agent 编排工具？但花了一个周末认真跑了一遍、看了源码结构之后，我发现这俩根本不是一个东西。不是功能多少的区别，是整个设计哲学完全不一样。
今天这篇会比较长。因为我不想只丢一个结论给你，我会把 Orca 的技术架构、核心机制、跟 AionUi 逐项对比都讲清楚。看完你自然就知道自己该用哪个了。
Orca 到底是什么
Orca 是 Stably AI（YC W22，团队 8 个人，在旧金山）做的一个开源 ADE，全称 Agent Development Environment。项目地址：https://github.com/stablyai/orca
注意这个 ADE 不是随便起的名字。它是刻意跟 IDE 做区分的——IDE 是你自己写代码的地方，ADE 是你指挥 AI 写代码的地方。Orca 本身不提供任何 AI 模型能力，它做的事就一件：在同一个界面里，同时管理和编排多个 AI 编程 Agent。
它支持 30 多个 CLI Agent：Claude Code、Codex、Cursor、OpenCode、Gemini CLI、Qwen Code、GitHub Copilot、Grok……你手上有什么用什么。
截至 2026 年 7 月，Orca 在 GitHub 上拿了 29000+ star，MIT 协议，日更发版节奏。团队虽小但极其能打。
技术架构看一眼
Orca 是 Electron 桌面应用，但它的架构比普通 Electron App 讲究得多，分了四层进程：
| Renderer | ||
| Main | ||
| Daemon | ||
| Relay |
技术栈上，前端 React 19 + Tailwind CSS v4 + Radix UI，终端引擎是 xterm.js 定制版（WebGL 渲染，号称 Ghostty 级别性能），状态管理用 Zustand，lint 用了 Rust 写的 oxlint（比 ESLint 快 50-100 倍），TypeScript 类型检查用的是 Go 实现的 tsgo（比 tsc 快 10 倍）。这个技术选型本身就说明团队非常在乎性能——不是那种先用 Electron 糊一版再说的项目。
移动端 App 是 React Native 写的，桌面跟手机之间走 tweetnacl 端到端加密 + WebSocket 中继，配对的二维码一次性的。
说这些架构细节不是为了炫耀技术名词。我是想让你们知道，这个项目不是 demo 或者玩具——它的工程质量和发布节奏（日更）是生产级的。
核心机制：Git Worktree 隔离
Orca 整个产品的灵魂就在这四个字上：Git Worktree。
Git Worktree 让你在同一个仓库里，同时签出多个分支到不同磁盘目录。每个目录有独立的工作区，但共享.git对象库。好处是你不用 stash、不用切分支，想开几个工作区就开几个。
Orca 把它用到了极致：每一个 AI Agent 分配一个独立的 worktree，物理文件层面互不干扰。
具体怎么用呢。你在 Orca 里写好一个 prompt，比如「给这个项目加一个 /health 健康检查接口，写单元测试，更新 README」，然后选择要用的 Agent。Orca 会：
自动创建对应数量的 git worktree（比如 3 个，分别给 Claude Code、Codex、Gemini） 在每个 worktree 里启动一个终端会话，自动运行对应的 CLI Agent Agent 在隔离环境里读写文件、跑测试——各干各的，不会互相覆盖 全部跑完后，用内置的 diff 视图并排对比产出，挑最好的合并进主分支
这个流程在以前要手动做，大概要经历：建 N 个分支 → 开 N 个终端窗口 → 在每个终端里分别写 prompt → 手动切来切去对比 → 手动 cherry-pick 好的部分。整个过程又累又容易出错。Orca 一把梭了。
为什么是 Worktree 而不是别的方式？
有人可能问，为啥不直接用 Docker 或者虚拟环境隔离？我的理解是，因为 AI Agent 产出的是代码变更，最终的产物就是 git diff。用 worktree 隔离，产出的 diff 天然可以被 git 工具链处理——diff、merge、rebase、cherry-pick，全是现成的成熟基础设施。不需要再发明一套对比和合并机制。
怎么装、怎么用
装 Orca 很简单，关键是提前准备。
前提条件：你得先在系统里装好至少一个 CLI Agent。比如 Claude Code：
npm install -g @anthropic-ai/claude-code或者 Codex：
npm install -g @openai/codex codex auth然后装 Orca 本身：
macOS 直接 brew：
brew install --cask stablyai/orca/orcaWindows 和 Linux 去 onorca.dev 下安装包。Arch Linux 用 AUR：
yay -S stably-orca-bin首次启动 Orca 会引导你做三件事：开桌面通知、选默认 Agent、装 Orca CLI。Orca CLI 这一步建议一定要装，因为它解锁了命令行编排能力——你能在脚本里调 Orca，Agent 也能自己调 Orca。
打开一个 Git 仓库后，工作流是这样的：
点击「+」创建 Parallel Worktree → 输入任务描述 → 选 Agent（可以多选或者扇出到 5 个）→ 点 Run。Agent 跑完，Orca 会弹通知。然后你打开 diff 视图对比，好的合并，不好的丢掉。
如果你只用过 Cursor、Copilot 这类 AI IDE，Orca 的上手会有一个适应期。它不帮你写代码，它帮你管理帮你写代码的 AI。这个概念得先转过来。
几个让我觉得「这东西有点东西」的功能
Design Mode
Orca 内嵌了一个 Chromium 浏览器窗口。你在这个窗口里打开你的前端页面，点击任意 UI 元素——Orca 会自动提取这个元素的 HTML、CSS、还有截图，全部塞进 Agent 的上下文。
然后你就说一句，这个按钮间距不对，修一下。
传统流程是截图 → 打开标注工具画圈 → 文字描述问题 → Agent 猜你的意思 → 改错 → 重来。Design Mode 把前三个步骤压缩成了一次点击。Agent 拿到的是精确的 DOM 结构和样式，改起来准确率明显更高。
CLI 里也能用 Design Mode：
orca goto --url https://localhost:3000 orca snapshot --json orca click --element @e3 orca screenshot --json这意味着你可以写脚本让 Agent 自己打开页面、检查 UI、发现问题、修复——全程自动化。
AI Diff 批注
Agent 生成代码后，在 diff 视图里可以逐行批注，批注内容发回给 Agent，它据此修改。整得跟 GitHub 上 review 同事 PR 一模一样，只不过被 review 的对象是 AI。
这个设计我觉得很聪明。它没有试图让 AI 一次写对——它承认 AI 的代码需要人审，然后把审阅→反馈→修改这个闭环做在了产品里。
实际用起来的感觉是，以前让 Agent 改代码得在聊天框里打字「第 47 行那个逻辑有问题，改成 XX」，Agent 可能改错位置。现在直接在 diff 上标这一行，Agent 精确知道你在说哪。沟通成本降了一个数量级。
Orca CLI：Agent 编排 Agent
Orca 暴露了一套完整的 CLI 命令：
orca worktree create --base main --name fix-auth-bug orca agent run --worktree fix-auth-bug --agent claude-code --prompt "Fix the auth bug" orca diff --worktree fix-auth-bug orca worktree merge --worktree fix-auth-bug --into main比较骚的是，这套 CLI 不仅人能调，Agent 也能调。你可以用 Claude Code 当主控，让它通过 Orca CLI 去建 worktree、派发任务给 Codex 或 Gemini、收集结果。不同 Agent 擅长不同的东西，各取所长。
SSH Worktree 和 GitHub/Linear 集成
Orca 支持把 Agent 调度到远程服务器上执行。通过 SSH 连接到开发机或云服务器，Agent 在远端跑，你在本地看结果和 review。支持自动重连和端口转发——笔记本性能一般的选手（比如我）可以把重活扔服务器上。
GitHub 和 Linear 直接嵌在应用里。看到 Issue 想修，右键创建 worktree，Agent 直接开搞。做完了一键提 PR，全流程不离开 Orca。
跟 AionUi 逐项对比
好，现在进入正题。前面说了这么多 Orca，那跟 AionUi 到底差在哪？
先给结论：这俩看着像，骨子里是完全不同的两种产品。交集只在「多 Agent」这三个字上。下面从五个维度逐一拆开看。
灵魂拷问一：它解决的是谁的问题？
AionUi解决的是「普通人怎么轻松用上 AI Agent」的问题。它内置了 Agent 引擎和 21 个助手（PPT、Word、Excel、论文、Dashboard……），粘贴 API Key 就能用。接入 Telegram、飞书、钉钉、微信——在聊天软件里就能指挥 AI。它的目标是把 AI Agent 变成像 Office 一样的大众工具。
Orca解决的是「已经重度使用 CLI Agent 的开发者，怎么高效管理多个 Agent」的问题。它假设你已经有 Claude Code、Codex 的订阅，已经在用命令行跑 Agent，它只是给你一个更专业的控制面板。它的目标是让你从一个 Agent Commander 升级成 Fleet Commander。
一句话：《AionUi 在降低 AI Agent 的使用门槛，Orca 在提高 AI Agent 的使用天花板。》
灵魂拷问二：Agent 怎么被管理的？
AionUi 自带 Agent 引擎。你给它 API Key，它帮你搞定模型对接、上下文管理、工具调用。CLI Agent 它能自动检测、统一纳管。还有 MCP 统一配置——配一次，所有 Agent 同步。把 Agent 当「内置功能」来设计。
Orca 完全不管 Agent 怎么工作。它就是一个超级终端管理器。给每个 Agent 开一个终端会话，Agent 在里面自由发挥。Orca 只关心三件事：Agent 在哪干活（worktree 隔离）、产出怎么对比（diff 视图）、结果怎么处理（merge 或丢弃）。把 Agent 当「外部资源」来编排。
这个差异非常根本。AionUi 追求的是开箱即用——你把 API Key 扔进去，一切帮你配好。Orca 追求的是灵活和可控——你不绑定任何厂商，任何一个 CLI Agent 更新了，Orca 不需要跟着改。
灵魂拷问三：多 Agent 到底怎么协作？
AionUi 是「团队协作」模式。有一个 Team Mode——Leader Agent 负责拆任务，多个 Teammate Agent 并行执行。Agent 之间通过 ACP（Agent Communication Protocol）通信。像真实的开发团队分工：有人带队、有人执行、互相沟通。
Orca 是「竞标制」模式。同一个任务同时发给多个 Agent，各做各的，互不沟通，做完了你来评审选最好的。像招标——同一份需求书发给三家外包公司，出方案比选。
哪种更好？取决于场景。如果你要做一件复杂的事需要多个 Agent 分工配合（有人查资料、有人写代码、有人写文档），AionUi 更合适。如果你想让两个不同的模型/工具解同一个问题然后对比质量，Orca 的对比 workflow 是天然为此设计的。
灵魂拷问四：技术架构意味着什么？
AionUi 是 Web 应用，浏览器打开就能用。支持局域网和远程部署，手机、平板、任何电脑连上浏览器都在用。这个架构决定了它天然适合随时随地、跨设备的场景。
Orca 是 Electron 桌面应用，安装包 250MB，跑起来吃 400-800MB 内存。虽然有手机 App，但电脑一关手机端就没法用。= = 架构本身就已经说明了目标用户——坐在电脑前写代码的开发者，不是在地铁上临时指挥 Agent 的人。
灵魂拷问五：功能边界在哪？
这个对比能最直观地看出两个产品的路线差异：
看到了吗——几乎没有重叠的功能，除了「能跑多个 Agent」这个共同点。
到底怎么选
说真的，我自己两个都在用，场景完全不重叠。
用 AionUi 的时候，基本是快速生成 PPT 和文档，内置的 Office 助手确实省事。有时候人在外面，手机上通过飞书指挥 Agent 干点小活。还有给不写代码的朋友演示 AI，浏览器打开零门槛。
用 Orca 的时候，是同时让 Claude Code 和 Codex 解同一个技术问题，对比方案；或者把一个复杂需求拆成实现、测试、文档分别指派给不同 Agent；再就是需要反复 review 和修改 AI 代码时，diff 批注在这类场景真的回不去。
顺便提一个隐性成本。Orca 让你能跑 N 个 Agent，API 消耗就是 N 倍。以前一个任务花 1 块钱，同时跑 3 个 Agent 就是 3 块。值不值，看你省下来的时间值不值这几块钱。目前 Orca 没有内置用量统计，得自己注意。
选 Orca，如果你：- 已经在用 Claude Code、Codex 等 CLI Agent，经常同时跑多个- 需要对比不同 Agent/模型的代码产出质量- 熟悉 Git Worktree，有 Code Review 习惯- 需要一个更专业的 Agent 编排控制面板
选 AionUi，如果你：- 想开箱即用，不想折腾 CLI 和 Git 配置- 需要 Office 文档生成、聊天平台集成- 不写代码或偶尔写，更多是让 AI 干杂活- 需要跨设备、随时随地使用
两个工具都在快速迭代，今天的对比可能过两个月就要更新。但有一点不会变：让 AI 更好上手，和让 AI 更可控，是两条不同的产品路线。各有各的价值，没有谁比谁好。