如果你已经在用 Claude Code、Codex 这类命令行编码助手，又希望它们能按项目持续推进、而不是一问一答就散场，那 Orkas 值得看一眼：它把"调度"做成了一层桌面应用，而执行层直接复用你已经装好的 CLI 智能体。
Orkas是一个开源（MIT）的本地优先多智能体桌面应用。你可以只对一个叫 Commander 的角色下达目标，剩下的由它拆解、分配、验收。数据默认留在你自己的硬盘上。
它是什么：一个能当团队用的桌面应用
按仓库自己的说法，Orkas 不是一个单纯的聊天机器人，也不是一个需要你写编排代码的开发框架，更不是托管在云端的 SaaS。它是一个装在你电脑上的桌面应用。
关键设计是两层分离：
- Commander 与 16 个内置专家——应用自带 16 个专家智能体，每个都有自己的技能、记忆和工具。应用商店里还能浏览 30+ 个智能体，也可以直接描述你想要的角色，让 Commander 现场生成一个自定义智能体。
- 你已经装好的 CLI 智能体——Claude Code、Codex、OpenCode 这三个编码类助手，以及 OpenClaw、Hermes-Agent 这两个偏个人事务的助手，都以本地会话的形式被拉进同一支队伍。
这两层怎么协同，README 里给了一个很具体的画面：Commander 把每一块工作分给最擅长它的那个智能体，同时在所有智能体之间维持同一份计划。于是一次对话里，可以先修 bug、再评审改动、最后起草发布说明，中间不用你手动切换工具。
配套的还有 16 个内置专家的完整清单、连接器（覆盖 Gmail、Google Calendar、Sheets 与 Drive、Notion、Slack、Shopify、Stripe 等），以及一个"描述一个工具，Orkas 就在桌面应用内部把它构建成本地应用"的能力。
一、三个调度动作，把"派发"拆成三种语义
这是整个项目里最值得单独拿出来看的部分。Orkas 的 Commander 内部只有三个调度动作，而它们之间的差别不是措辞，是语义：
| 调度动作 | 它做什么 | 关键差别 |
|---|---|---|
| dispatch_to | 跑一个具名智能体，并返回结果以继续当前工作 | 可以等待结果，也可以异步跑完再通知 Commander |
| hand_off_to | 把剩余工作整体移交给具名智能体，并结束当前这一轮 | 该智能体自己出回复，可选让 Commander 事后接上更大范围的任务 |
| run_worker | 跑一个匿名隔离子任务，返回私有结果 | 拿不到对话历史，也拿不到具名智能体的技能 |
前两个的区别，用一句话讲就是"拿结果回来接着做"和"把活儿交出去就不管了"。前者是子调用语义，后者是转交语义。很多人在用"派发"这个词时，这两种其实是混着的——直到某个环节失败了，才发现自己其实想要的是另一种。
run_worker 的边界设置得更干脆：匿名、无历史、无技能。这是一种更干净的隔离方式——子任务拿不到你不打算让它看到的东西。
二、16 个内置专家，其中 5 个直接对着电商日常
内置的 16 个专家按领域分组，其中电商这一组对做店铺的人最直接：
| 智能体 | 它负责什么 |
|---|---|
| ECommerceResearcher | 按预算、市场、货源限制做选品，给出候选、淘汰理由、验证方案 |
| ECommerceWriter | 标题、详情页、FAQ、图片文案、短视频脚本，统一品牌口吻 |
| ECommerceReviewer | 评价与口碑分析，提取顾客主题、差评根因、优先级 |
| ECommerceAnalyzer | 从导出的数据算销售、利润、广告、退款、库存，给出对账后的指标与决策 |
| ECommerceOperator | 规划类目、价格、促销、库存改动，且只通过你连接的工具执行 |
这张表里有两句值得停下来看。
第一句是 ECommerceResearcher 那一行的"淘汰理由"。选品工具给出三个候选是一回事，给出"为什么淘汰了另外七个"是另一回事——后者才是评审时真正需要的东西。只给结论的选品报告，你只能选择信或者不信；带淘汰理由的报告，你可以逐条复核。
第二句是 ECommerceOperator 那一行的"只通过你连接的工具执行"。这句话在下面一节还会再出现一次，因为它恰好是整个项目里最值得借鉴的一条工程判断。
三、权限边界写在工具层，而不是提示词里
ECommerceOperator 的描述里那句"executes only through tools you connect"，以及连接器章节里的那句默认行为——发送、发布、删除之前先问你——合起来表达的是同一件事：
危险动作的授权，不放在模型的系统提示里，而放在工具调用这一层。
这是两种完全不同的工程做法。在提示词里写"删除前请先确认"，等于把安全寄托在模型每次都读到了、记得住、并且愿意遵守那句约束上。把它下沉到工具边界，则是规定"某些动作只能经由这条路径发起"，模型绕不过去。
同样的思路也出现在"项目"这个概念上。README 提到，每个智能体保留自己的私有技能和记忆，应用空闲时的后台复盘会审视新的活动，可以精炼自评、可复用方法和学到的技能。关键在于进化发生在单个智能体的私有空间里，而不是改写全局配置——这一点和"危险动作只能走特定工具路径"是同一种设计偏好：把变化关在小范围里。
四、让它一直往前跑的三个件
Orkas 里有一组专门用来对付"AI 干两句就断了"的机制，组合起来是：
- Projects——目标与规则、记忆、文件都挂在项目上，每个新会话都从这里起步，不用每次从头讲一遍背景。
- To-dos + Auto-advance——每个项目都有一份给人也给智能体的待办清单。开启 Auto-advance 后，团队会自己接下一条，做完再拿回来等评审。
- Scheduled automations——任意任务按小时、天、周、月重复跑。
第三条里藏着一个细节，从 v1.9 开始：当电脑唤醒或 Orkas 启动时，每个自动化任务会补跑最近一次错过的运行，窗口是 12 小时。
"只补最近一次"这个设定很克制。它不是无限追补——那在补跑窗口被反复触发时会造成雪崩；它也不是完全不补——那真正重要的那一次就被悄悄丢掉了。12 小时内只补最近一次，是一个成本可控、语义又清楚的折中。
同样要留意它的前提条件：Orkas 跑在你的电脑上，所以 Auto-advance 和自动化都要求电脑是醒着的、Orkas 是运行着的。它不是云端定时任务，机器睡了它就停。
五、模型不统一，但每个智能体保留自己的模型
Orkas 的模型策略分成两层：
- Commander 和内置专家共享一个模型设置——可以是内置的 Orkas 模型、你的自有 provider key，或者一个本地 OpenAI 兼容端点。支持 Claude、OpenAI、Gemini、DeepSeek、Kimi、GLM、Qwen、MiniMax、Doubao，也可以指向本地端点。
- 外部 CLI 智能体保留它们各自的模型设置。
这个分层很干净：调度层不强制统一被调度层的模型。于是 Claude Code 继续用 Claude、Codex 继续用 OpenAI，跨 provider 混编不会因为"上层想统一模型"而被拉平成一种口味。
顺带说一个多数人第一次用会卡住的点：用自带的 Orkas 模型时，模型调用是走 Orkas 的托管服务；只有用你自己的 key 时，调用才直接从你的机器发往对应 provider。本地优先说的是数据默认留在本机，不是所有流量都不过第三方——这两件事需要分开看。
六、边界写在文档里，而不是让用户自己撞
README 里两处克制的能力声明，读起来很值得抄这种写法：
视频复刻流程那一节写明，从智能体能读取的视频文件开始工作，社交平台分享链接下载并不内置；精确运镜、真人表演、逐帧对位不保证。
功能对照那一节写明，共享项目、云同步、网页应用发布只存在于打包版，开源构建暂不支持。
产品把能力边界直接写进文档，而不是让用户自己在使用中发现，这是个很实在的取向。对照来看，Orkas 对自己的定位也很清楚——它自己给的对比说明里写明：LangChain 和 CrewAI 是代码优先的框架，需要你在自己的 Python/JS 应用里写编排；Orkas 是通过聊天直接指挥的桌面应用，数据默认留在本地。
谁适合，谁不适合
你大概适合，如果你：
- 已经在用 Claude Code、Codex、OpenClaw 这类命令行助手，并且希望它们能共享一份长期计划，而不是各自为战；
- 想让多智能体这件事发生在本机，而不是把对话、文件、知识库都交出去；
- 需要一条"危险动作必须先过工具层"的硬边界；
- 有周期性杂活，希望错过一次能自动补回来。
你大概用不上它，如果你：
- 只需要一个趁手的单点助手，桌面应用的调度层反而是负担；
- 习惯用代码写编排，LangChain、CrewAI 这类框架更顺手；
- 需要随时随地在线——自动化依赖本机常驻，电脑睡了就不会跑；
- 需要共享项目、云同步这类团队协作能力——那要用打包版。
装起来之前要知道的几件事
官方给出的环境要求是：Node 22.12+ · macOS / Windows 10+ / glibc 2.34+ 的 Linux x64 或 arm64。另外建议保留 Python 3 和 C/C++ 构建工具链，用于少见的原生模块源码编译兜底。
首次启动会准备一整套锁定版本的依赖：Python、uv、Node、embedding 模型（约 95 MB）、OfficeCLI、FFmpeg、whisper.cpp 以及多语言语音模型资源。首次启动会在 ~/.orkas/（macOS / Linux）或 <最小非系统盘>:\.orkas\（Windows）下创建工作区，然后到 Settings → AI Providers 里加 API key 或 OAuth。
下载安装包是免费的，自带 500 credits 的内置 Orkas 模型额度，不填 API key 也能直接开始用。想要自己的 key 也随时可以换。
Linux 方面有一点要留意：语音转写通过固定版本的 whisper.cpp 运行时支持，但 Alpine 等 musl 系发行版不支持；源码启动路径需要 Node 22.12+。
最后
Orkas 这个项目真正有意思的地方，不在于它有 16 个专家智能体，而在于它把三个平时靠约定维持的事情写进了产品结构里：
派发有三种语义，不是一种——拿结果回来接着做、交出去结束这一轮、匿名隔离不带上下文，三者分开，失败的时候你才分得清是哪一环出了问题。
权限有硬边界，不靠提示词——危险动作只能走已连接的工具，模型绕不过去。
进度会自己往下走——项目挂住上下文，待办可自动推进，定时任务错过一次能在 12 小时内补回来。
如果你手上正好有一堆散落在不同工具里的重复性工作，这三条比"再多几个智能体"更值得先看。
仓库地址：https://github.com/Orkas-AI/Orkas 官网：https://orkas.ai