如果你最近在GitHub趋势榜上刷到一个蓝色鲸鱼图标的项目，短短几个月从两千多颗星冲到六万颗，那大概就是Orca了。这东西不是又一个"AI编程助手"，而是把好几个AI编程助手一起塞进一个软件里，让它们各干各的活，互不干扰，最后你挑一个满意的结果合并进主分支就完事。
一句话讲清楚Orca是什么
Orca官方管自己叫ADE ，全称Agent Development Environment，直译过来是智能体开发环境。这个命名本身就在跟IDE（集成开发环境）打擂台，暗示的意思是，以后写代码的主角可能不是人类程序员本人，而是一群AI智能体，人类的角色变成了协调者和审核者。
Orca的官方定位说得很直白，它是一个桌面IDE，专门用来同时跑多个AI编程智能体。每接到一个任务，Orca就自动开一个独立的git worktree（工作树），配一个专属的智能体终端，再配一个浏览器标签页。这样你就能同时让Claude Code、Codex、Cursor CLI这些工具各自干活，不用来回切分支，不用stash代码，思路也不会被打断。
Orca官方在首页把这个产品的野心写得更直接，"用智能体IDE实现100倍产出"（Ship 100x With The Agent IDE），支持Claude Code、Codex、OpenCode等主流智能体并行运行，每个都在独立的worktree里。
核心架构，worktree是灵魂
要理解Orca，得先理解一个概念，git worktree。
普通用git的人切分支，通常是在同一个文件夹里git checkout来回切换，切过去改代码，切回来再改别的。这个方式的问题是，你只能同时盯着一个分支的代码状态。而git worktree这个功能允许你在硬盘的不同目录，同时checkout出多个分支，每个目录里的代码互不影响，就像给同一个仓库开了好几个平行宇宙。
Orca把这套机制自动化了。你扔给它一个任务，比如"修复购物车结算的四舍五入bug"，Orca会自动创建一个新worktree，在里面开一个干净的代码副本，然后让你选的智能体（比如Claude Code）在这个隔离环境里工作。如果你想让五个智能体同时试试同一个bug，Orca就开五个worktree，五个终端同时跑，五份互不干扰的diff结果摆在你面前，你像评委一样挑赢家。
用一张图大致能看明白这个流程：
这套逻辑跟Cursor、Windsurf这类产品的思路完全不同。后者本质上是单智能体环境，界面上加一个聊天框，你想比较Claude Code和Codex处理同一个问题的差异，得自己开两个终端标签页，脑子里手动做对比。Orca反过来把并行当成默认状态，而不是一个附加功能。
功能盘点，箱子里到底装了什么
Orca这个项目的功能列表相当长，GitHub仓库和官方文档里能翻出一大堆，挑几个比较有代表性的整理成表格。
| 功能模块 | 具体作用 | 备注 |
|---|---|---|
| Parallel Worktrees | 一个提示词分发给多个智能体，各自在独立worktree里运行 | 核心机制，Orca的立身之本 |
| Terminal Splits | Ghostty风格的终端，WebGL渲染，无限分屏，重启后scrollback不丢 | 终端体验做得比较讲究 |
| Design Mode | 在内嵌的Chromium浏览器里点选任意UI元素，自动把HTML、CSS和截图塞进智能体的提示词 | 省掉了"用文字描述这个按钮长什么样"的步骤 |
| SSH Worktrees | 把智能体跑在远程机器上，本地照样能编辑文件、看git状态、用终端 | 适合本地算力不够，或者想用云端大机器跑重活的场景 |
| GitHub & Linear集成 | 应用内直接浏览PR、issue、项目看板 | 减少上下文切换 |
| Annotate AI Diffs | 在diff的具体行上留评论，直接发回给智能体 | 审核流程不用跳出Orca |
| Orca CLI | 智能体可以反过来操控Orca本身，比如orca worktree create、snapshot、click、fill |
相当于让AI自己搭自己的工作环境 |
| 移动端伴侣App | iOS和Android应用，可以远程查看智能体状态，收到完成通知后发续接指令 | 解决"跑完了智能体但人不在电脑前"的焦虑 |
| 账号切换与用量追踪 | 应用内直接看Claude和Codex的用量、限额重置时间，多账号切换不用重新登录 | 对同时跑一堆智能体、容易撞限额的用户比较友好 |
| Chat UI（实验性） | 在终端之上叠加一层结构化聊天界面，支持斜杠命令、模型选择、技能发现 | 目前覆盖Claude、Codex、Grok、OpenCode等，仍标注为实验功能 |
这里面Chat UI这个功能值得单独说两句，因为它体现了Orca整个产品哲学，终端永远是真相源头。文档里写得很清楚，Chat UI只是给同一个PTY（伪终端）套了个结构化转录和输入框的皮，底层跑的还是原生终端会话，Claude的模型选项直接从本机装的Claude CLI读取，而不是写死一个列表，这样CLI一更新，新模型自动就出现在选择器里。这种"不替代底层工具，只做增强层"的克制,其实贯穿了整个产品设计。
谁在做这个东西
Orca背后的公司叫Stably AI，2022年成立，创始人是Jinjing Liang和Neil Parker，团队规模不大，官方YC页面上写的是4名员工。Jinjing Liang在创办Stably之前有一段量化交易的背景，曾在高盛做过量化，这种背景放在一个做开发者工具的团队里，倒也不算违和,毕竟并行架构和资源调度这类问题,跟量化交易里的组合优化思路有点相通的味道。
Orca拿到了Y Combinator的投资，这个背书在硅谷创业圈基本等同于"通过第一轮尽调"的信号，YC投资的项目往往在早期就带着比较强的产品直觉和增长压力。
有意思的是，Stably本身最早做的是AI自动化网页测试的产品，Orca算是从这条主线里长出来的一个新方向，专注在AI编程智能体的编排和管理上。
增长曲线,一个月涨了近三倍星
Orca的GitHub star数增长曲线值得拿出来单独讲讲，因为这条曲线本身就很有说服力。
根据2026年7月中旬的一篇报道，Orca当时刚突破两万颗星，而在此之前的五月份，这个数字还只有两千一百左右。更夸张的是，从七千七百颗星涨到两万多颗星，中间只隔了几周，驱动这波增长的是一次版本发布,加入了基于SSH的远程worktree支持和浏览器端的Design Mode功能。
而截至本次报告撰写时，Orca在GitHub上的星标数已经来到59,670颗，fork数4,029个，提交记录接近一万条。这个速度放在开发者工具这个赛道里，算是相当猛的了。
商业模式，不卷模型,卷体验
Orca最反常的一点,是它完全不碰模型这一层的生意。
官方文档里说得很直接，Orca不是一个模型,它跑的是你已经在付费使用的Claude、Codex或者OpenCode订阅。你打开Orca，本质上是在用一个更好的界面去调用你自己账号下的Claude Code或Codex,Orca不经手API调用，不赚这中间的差价，也没有账号登录体系,没有按人头收费的订阅套餐。
这跟市面上大部分"AI IDE"产品的思路很不一样。像Cursor这类产品，通常是把模型访问打包进订阅费里，从中抽一层利润。Orca更像是给你已经用tmux面板、多个终端窗口手搓出来的工作流,做了一层基础设施的封装,你跑一个智能体和跑五十个,对Orca来说成本是一样的,都是零,真正的成本压力全部转嫁到你自己的订阅账单和并行算力开销上。
这个模式的好处是显而易见的,开源且免费，愿意折腾的开发者门槛极低。风险也很直白,没有直接的收入来源，商业化路径大概率要靠企业版（Enterprise）功能,比如更复杂的团队协作、权限管理、自托管服务器部署这些。
它不是什么,划清边界
官方文档专门用一个小节讲了Orca不是什么，这种自我否定式的定位反而写得挺清楚。
- 不是一个模型,Orca本身不训练、不提供任何大语言模型能力，纯粹是个调度和展示层。
- 不是git的替代品 ,每个worktree都是真实的git worktree，你随时可以
cd进去用原生git命令,Orca不锁死你的工作流。 - 不是托管VPS产品,默认情况下Orca跑在你自己的桌面电脑上，远程算力用的是你自己控制的机器,可能是SSH目标机、自托管的Orca服务器，也可能是按需申请的云端虚拟机。
这个划界也顺带说明了Orca的目标用户是谁。文档里写得很坦率，Orca是给已经靠写代码吃饭、想把AI当成杠杆而不是替代品的人做的。它假设你会看diff，在乎commit质量，会保持worktree干净整洁。如果你想找一个零代码工具，Orca压根不是给你准备的。
它在整个赛道里的位置
把Orca放进一个更大的坐标系里看,会更清楚它跟同类产品的差异。
| 产品 | 核心思路 | 智能体数量 | 商业模式 |
|---|---|---|---|
| Cursor / Windsurf | 单智能体环境，编辑器为主，聊天面板为辅 | 通常内置固定模型选项 | 订阅制，模型访问打包在费用里 |
| 传统tmux/多终端手搓工作流 | 开发者自己拼装的并行方案 | 理论上无限，但管理成本极高 | 无额外成本，纯人力维护 |
| Orca | 多智能体并行，以worktree为基本工作单元 | 支持30余种CLI智能体，理论上任何终端工具都能接入 | 完全免费开源，用户自带订阅 |
这张表大致能说明,Orca瞄准的不是"哪个模型更聪明"这个问题，而是"当你已经有好几个聪明模型可用的时候，怎么高效地让它们协作、比较、审核"这个更工程化的问题。这也是为什么它自称ADE而不是IDE,它想成为的不是一个更好的编辑器,而是一整套围绕智能体协作设计的工作台。
一些值得留心的地方
任何工具都有取舍，Orca也不例外，报告最后提几个比较实际的观察点。
学习曲线不算低。整套产品建立在git worktree、多终端管理、diff审核这些概念之上，如果你对git本身不熟，或者习惯了单一分支、单一编辑窗口的开发节奏，上手Orca需要一点适应期。
并行不等于免费的午餐。同时跑五个智能体，意味着你要同时消耗五份API调用额度，Claude Max或者Codex订阅的用量限制会更快触顶，Orca内置的用量追踪功能其实也是在提醒你正视这个成本。
Chat UI这类新功能目前仍标注实验性，转录的完整度和流式渲染的精细程度还在持续打磨，官方文档自己都建议,如果你需要每一个OSC控制码或状态细节都精确无误，优先用原生TUI终端而不是Chat UI。
写在最后
Orca这个项目挺有意思的地方，在于它没有去卷"哪个AI模型更强"这条已经拥挤到不行的赛道，而是退后一步，去解决一个更朴素、更工程化的问题,当你手上已经有好几个能干活的AI智能体时，怎么把它们组织起来，让它们并行试错，然后你只需要做最后那道审核和拍板的工序。
从几千颗星到六万颗星,这个增长速度本身也说明,这个问题的痛感是真实存在的，很多开发者早就在用tmux面板和手动分支切换拼凑类似的工作流，Orca只是把这套东西做得更顺手、更好看，还顺手接上了移动端和远程算力这些补充能力。
至于它能不能撑起一个持续的商业模式，目前还是个开放问题，毕竟不碰模型API这层生意，意味着企业版功能得扛起全部的收入压力。但作为一个开源、免费、背靠YC的项目，Orca至少已经证明了一件事,并行多智能体协作这个方向,值得认真做一款产品出来。
参考资料
Orca Docs, What is Orca? , www.onorca.dev/docs
Orca官网首页, Ship 100x With The Agent IDE , www.onorca.dev/
GitHub仓库, stablyai/orca , github.com/stablyai/or...
Orca Docs, Chat UI (native chat) , www.onorca.dev/docs/agents...
Lince Mathew, Orca Runs Five Coding Agents at Once, Then Lets You Pick the Winner , Medium, 2026年7月16日, medium.com/@linz07m/or...
Y Combinator, *Stably AI (Orca)*公司页面, www.ycombinator.com/companies/s...