Orca多Agent编排实战：Claude与Codex并行协作指南

为什么需要多Agent编排工具

同时开着 Claude Code、Codex、Kimi 几个终端窗口来回切换，大概是每个重度使用 AI 编程助手的开发者都经历过的场景。窗口一多，谁在干活、谁在等你回复、谁已经完事了，全靠肉眼盯着。更麻烦的是多个 agent 改同一个仓库，文件冲突起来就是一场灾难。

Orca 就是冲着这个问题来的。它是由 Stable AI 开源的一款 Agent 工作台，免费使用，今年 3 月上线，据B站UP主在视频中援引的数据，目前 GitHub 上已经积累 9 万多星，7 个月发布了 900 多个版本迭代。

三个核心设计原则

Orca 的思路可以用三个关键词概括：

• 原汁原味：每个 agent 跑的都是自己原生的命令行界面，用的是你自己的订阅账号，快捷键、斜杠命令、插件全部保持不变。Orca 没有对 agent 做二次封装，所以 agent 官方一更新，你当天就能用上新功能。
• 并行不打架：每个 agent 拥有独立的工作目录，底层依靠 Git worktree 实现——同一个仓库分出多个工作目录，各自拉出独立分支，最后再合并回来。
• 随身带走：agent 可以跑在远程机器上，手机只作为遥控器，人离开了，那边的任务照样在跑。

支持的Agent与成本优化思路

官方列出的支持列表有 34 个 agent，除了 Claude Code、Codex、Kimi，还有通义千问^广告的 Qwen Code、智谱的 GLM、小米的模型等。UP主在视频中给出的判断标准很直接：只要能在终端里跑，就能在 Orca 里跑。

贵模型负责想，便宜模型负责干

视频里提到一个值得关注的案例：X 上一位开发者 8 月发布的帖子（4 万多人看过）分享了他的分工方案——最贵的模型一行代码都没写，只做两件事：开头把需求拆成任务，最后验收别人交上来的活。中间写代码的是 Kimi 和 GLM，跑测试修 bug 的是 Codex。活一样交了，最贵那份额度却省下来了。

具体拆解成四步：

1. 用最强的模型做需求拆解和架构设计，产出一张任务清单
2. 清单上的编码任务派给 GLM 或 Kimi，它们便宜也够用
3. Codex 接手跑测试、修 bug
4. 最后交回强模型验收

UP主的结论是：让强模型来设计和拆分，比让弱模型遇到难题再去求助强模型，要靠谱得多。另一位海外用户则称 Orca 是最被低估的 Agent 开发环境，理由是不用离开应用就能在 Claude 和 Codex 之间随手切换。

文中反复出现“额度”一词，指的是各家 AI 编程服务按订阅套餐提供的用量限制（通常以 token 数、请求次数或时间窗口计费）。Claude Code、Codex、Kimi 等 agent 大多采用包月订阅制，超出套餐后要么限速、要么按量付费，因此“把最贵的额度用在拆解和验收上”本质上是一种成本分配策略：高价值决策交给贵模型，重复性编码交给单价更低的模型。不同厂商的额度体系彼此独立，无法互相转移，这也是多 agent 混用时需要提前规划的一点。

上手实操：从安装到并行开发

安装很简单，官网下载或 Homebrew 一行命令装好，Windows 和 Linux 也都有。打开一个项目，新建工作区，选一个 agent（比如 Claude Code），你看到的就是它原本的终端界面。再开一个工作区选 Codex，同一个需求同时发给两个 agent，各改各的互不干扰。

都做完后 Orca 会提醒你，点开改动对比，哪里不满意直接在那一行写批注，打回给 agent 再改，挑出更好的版本合并。

编排功能的运作机制

设置里有专门的编排页，装好编排技能后，agent 就会用 Orca 给别人派活。视频演示中让 Claude 当协调者做一个番茄钟网页：它先定好接口，把需求拆成几个任务，自己派出工人——写页面交给 Kimi，写测试交给 Codex。每个工人一个独立终端，侧边栏里谁在干活一目了然，工人干完自动回报，拿不准时也会先问协调者。最后 Claude 收起结果、跑测试、做验收。

这里所说的“编排技能”可以理解为安装进 agent 上下文的一组指令与工具定义，让 agent 知道如何调用 Orca 暴露的派发、查询、回报接口。协调者与工人之间的消息流转类似轻量的多智能体协作协议：协调者负责规划与调度，工人只接收任务、执行并向协调者返回结果，工人之间默认不直接通信。这种星型拓扑的好处是权责清晰、状态可追踪，缺点是对协调者自身的上下文长度和判断力要求较高，任务拆得过细或过粗都会影响整体效率。

远程与手机管理

Orca 有手机 app，与电脑配对一次就能用，走官方自带的中转，不用自己折腾网络。agent 干完了手机推送提醒，你可以打字也可以语音回复"继续"，还能在手机上看改了哪些文件、直接提交、切换账号查额度。想让 agent 跑在更强的机器上，可以用 SSH 连过去，或让那台机器上的 Orca 当服务器，手机照样一起管。

技术底座：Git Worktree与编排流转

Orca 不打架的底层机制是 Git worktree。一个仓库分出多个工作目录，每个目录检出独立分支，agent 们各改各的，最后合并回来。编排的流转模型则类似一个循环——一次编排包含若干任务，任务之间可以有先后依赖，每个任务派发到一个终端，那里的 agent 就是工人，工人做完发回完成消息，协调者收到再决定下一步。远程模式下，agent 始终跑在你指定的那台机器上，手机只是遥控器。

Git worktree 是 Git 2.5 起提供的内置命令，允许在同一个仓库对象库上检出多个独立的工作目录，每个目录可以处于不同分支。与直接复制仓库相比，worktree 共享底层 commit 与对象存储，几乎不额外占用磁盘，也不会出现多份 .git 目录互相打架的问题；与在同一个目录里频繁切换分支相比，它让并行改动真正物理隔离。代价是每个 worktree 仍需单独安装依赖、配置环境变量，因此才会有“每多一个工作区就多一份代码和依赖”的空间提醒。合并时若多个分支改到同一文件的同一区域，冲突依旧需要人工解决，worktree 解决的是隔离，而非自动合并。

谁适合用，谁可以再等等

以下几类人用 Orca 会特别顺手：

• 经常同时开好几个 agent 的开发者
• 习惯按任务分配模型、想把贵额度用在刀刃上的团队
• 经常离开电脑但不想让 agent 停下来等的人

如果你平时只用一个 agent，Orca 的优势就不明显了。另外需要注意，每多一个工作区就多一份代码和依赖，磁盘要留够空间。

回到那句话：贵的模型负责想，便宜的模型负责干，你负责拍板，剩下的调度交给 Orca。