「一个订阅养一队 agent」这个说法，最近在编码圈传得很快。Orca 就是冲着这件事做的：它不卖模型，也不卖 agent，而是给你一个调度台，让你用自己已经付费的 Claude Code、Codex 账号，同时跑多个 agent。
仓库约 12.4 万星（2026-11-14 核对，124,034），MIT 许可，同时提供桌面端（macOS、Windows、Linux）、手机端（iOS、Android）和一个 CLI。
它解决的问题：并行和隔离
一个 agent 干活时，你其实在等。等它读完文件、等它跑测试、等它问你要不要改。想并行，麻烦在于工作区会打架——两个 agent 同时改同一个仓库，git 状态、构建产物、测试端口全冲突。
Orca 的做法是给每个任务一个 worktree（git 的独立工作树，同一仓库的另一个检出目录），每个 worktree 里跑自己的 agent。彼此不共享文件，也就不会互相踩。
| 层 | 它提供什么 |
|---|---|
| 隔离 | 每个任务一个 worktree，独立环境并排跑 |
| 调度 | 把一个大任务交给"协调 agent"，它拆活、起 worker、把结果收回来 |
| 执行位置 | 本机、任意 SSH 主机、或每个 worktree 自己的云 VM |
| 验收 | diff 行内批注直接回给 agent；PR 失败的检查、评审评论也能回传 |
有一条设计对"长时间任务"很实际：agent 跑在远程或云 VM 上，你笔记本合盖休眠，它还在继续。手机端的存在也是为了这个——agent 需要你输入时推送通知，你在手机上回一句，它接着干。
几个不常见的细节
Chat 与终端能互相切换且不丢上下文。同一个会话，你可以在图形聊天界面和原始 CLI 之间来回搬。这对调试很有用：聊天界面看着舒服，但出问题时你得看原始输出。
Design Mode。在 Orca 内置浏览器里点任意元素，直接复制它的 HTML、样式和选择器，粘进 agent 的对话框。做前端还原时，这比截图加描述准确得多。
Orca CLI 是双向的。不只是你用它，agent 也能用：建 worktree、起 worker、驱动浏览器和桌面应用、排定时任务。也就是说 agent 可以自己开分身干活——这既是能力，也是需要设边界的地方。
用量与账号。能看你用了多少额度、什么时候重置，还能在不退出的情况下切换账号。这个功能基本承认了它的核心用法就是"把额度吃满"。
另外还有 GitHub 与 Linear 的任务列表直接嵌入、移动端模拟器（让 agent 自己点自己的 UI 检查成果）、语音输入、插件（主题、编辑器、语言、面板）。
支持哪些 agent
官方口径是「任何 CLI agent 都能跑」，实际点名了 30 多个：Claude Code、Codex、Grok、Cursor、GitHub Copilot、Muse、DeepSeekRuntime、ZCode、OpenCode、MiMo Code、Amp、Antigravity、Pi、oh-my-pi、Hermes Agent、Devin、Goose、Auggie、Charm、Cline、CodeBuddy、Codebuff、Command Code、Continue、Droid、Kilocode、Kimi、Kiro、Mistral Vibe、Qwen Code、Rovo Dev 等。
这个列表说明它押的是"多 agent 共存"，不是绑定某一家。好处是你换模型供应商时不用换工具；代价是每家的 CLI 行为差异都得靠适配层抹平，抹不平的地方就成了 bug。
装的时候有个坑
# macOS（Homebrew 必须写全名）
brew install --cask stablyai/orca/orca
# Arch Linux
yay -S stably-orca-bin官方特意标注了一句：必须写全名，裸的 orca 是另一个无关的 Plotly cask。这种同名冲突装错一次能折腾很久。Windows 用 .exe、Linux 用 AppImage，也可以直接下 dmg。
省钱这件事，要算两笔账
第一笔是钱：订阅是包月定额，多用不会多花，所以并行度越高，单位成本越低。这是它的卖点，成立。
第二笔是限额和条款。多个并发会话共享同一份额度，撞上限流的时间点会比你想象的早；而且用个人订阅跑一队 agent，是否符合各家服务条款，这一点我无法替你确认——各家的用量政策不一样，且会变。真要用在高强度场景，建议先读清楚你订阅的那家的条款，别等被封了才发现。
还有第三笔，容易被忽略：编排本身有成本。worktree 越多，合并冲突、上下文漂移、review 负担越重。一个协调 agent 拆五个 worker，最后你还是要读五份 diff。它给了行内批注和 GitHub/Linear 集成来降低这个成本，但降不到零。
该信多少
- 本文读的是 README，没有安装、没有跑过任何一次多 agent 编排。
- 12.4 万星（2026-11-14 核对）属实，但星数不等于稳定性；官方自己说"每天发版"，功能列表一直是滞后的。
- 隐私方面：它收集匿名使用数据，官方有专门的文档说明收集范围与退出方式——介意的话先去读那一页。
- "用自己已有订阅"是它的产品描述，各家的条款允许度和限额，需要你自己核对。
一句话判断
Orca 的价值不在"能同时跑几个 agent"，而在它把并行的脏活——worktree 隔离、执行位置、结果回收、diff 批注——收进了一个界面。真正决定它好不好用的，是你有没有能力同时验收五份产出；工具能帮你并行，但不能帮你判断。
来源
- stablyai/orca（README、支持列表、安装说明；124,034 星，创建 2026-03-17，最后提交 2026-11-14，MIT）
- 官方文档：运行方式（本机 / SSH / 云 VM）
- 官方文档：隐私与遥测
说明：星数由 GitHub API 与 ungh.cc 于 2026-11-14 核对；本文未安装或运行 Orca，内容为官方文档解读。