前一段时间我跑了三个Claude Code代理把一个项目做了三种不同的重构。结果第二个代理写完之后就把第一个的文件给覆盖了。时间、token 都浪费了全部白干。本来不想再折腾了。直到最近刷到一个叫 Orca 的项目。思路很有意思它把Git worktree当作IDE的核心对象来使用。每个代理都运行在单独的一个目录中并且各个文件之间相互隔离。不会乱改文件相当省心。GitHub 上已经斩获 10771 个Star。下面我给你们实际演示一下你就知道有多厉害了我再用它来尝试三种不同的重构成方案。我在 Orca 中一键创建三个worktree并且每个 worktree 上都运行着一个 ClaudeCode 代理。第一个代理开始在 worktree-1 里改代码。第二个代理同时在 worktree-2 里改同一批文件但完全不会覆盖第一个的改动。第三个代理也在 worktree-3 里跑。用一个窗口来查看三个代理的进展情况挑最好的方案合并。整个过程中我只是点击了几次鼠标。创建worktree、启动代理、比较结果整个过程都没有离开IDE。它把每个 AI 代理都给你隔离好了01 并行 Worktree。一个prompt同时发送给 5 个代理每个代理都在自己的Git worktree中运行。传统的做法是手工切分支、文件互相覆盖、Git状态很乱。Orca 的做法是一键生成、5 个代理同时运行、实时比较差异、选择最好的方案合并。也可以把代理放在远程服务器上运行用本地IDE来控制文件和终端并且可以自动重连。它支持 25种的 CLI Agent。02 配合手机端使用。使用手机来监控、控制正在运行中的代理并接收完成的通知以及远程发送命令。以前跑长时间的任务出去开会回来的时候发现代理已经跑了。现在用手机查看进度、接到通知后马上介入、远程发送命令不需要坐在工位上等。手机端也可以做未读标记便于之后回到电脑上继续处理。03 终端分屏。Ghostty 级别的终端体验、WebGL 渲染、无限分屏、滚动缓冲区重启之后仍然保留。传统终端卡顿、分屏有限、重启丢失历史。Orca终端流畅、无限分屏、历史一直保留适用于长时间运行的代理任务。代理还可以用命令行来控制Orca自动生成worktree、截屏、填表单。04 设计模式。以前是手动截屏、用文字来描述UI的问题效率很低。现在点击元素就会自动生成完整的上下文AI 会直接理解到 UI 的结构。也可以把截图以及DOM信息一并发送给代理使它能够更加准确地修改界面。该功能对于前端开发以及UI调试非常有用。05 GitHub 和 Linear 原生集成。在 IDE 中直接浏览 PR、Issue、Project Board并且可以一键创建 worktree。以前是切到浏览器里看PR再切回IDE里写代码来回切换。现在在 IDE 中查看任务、创建 worktree、编写代码、评审、提交一条龙服务。PR和Issue会自动关联到worktree上并且CI检查的结果也会在侧面栏中实时显示出来。不需要分窗口整个评审过程都放在一个界面上进行。06 拖拽文件到代理。可以直接把文件或者图片直接拖到代理的对话框里会自动保存并加上上下文。以前是把截图保存在桌面上然后手动上传到代理上并且要自己写出路径。现在拖到那里就可以了代理直接拿到文件的内容少了很多步骤。图片、代码文件、日志文件都可以拖过来代理会马上看到内容。想试的话装起来很简单桌面端下载Github上可以下载到macOS、Windows、Linux的安装包大家可以根据自己的需要下载。Homebrew 安装macOSbrew install --cask stablyai/orca/orca安卓端安装包也有。苹果用户可以在App Store中搜索Orca进行下载。安装好桌面端之后在Orca中添加项目、创建worktree、启动代理就完成了。到这里缺点也给大家提提这几个地方你得注意下。你要理解Git worktree的意思。团队要学习worktree生命周期管理、命名规范、清理策略等知识有一定的学习曲线。但是学会了之后多个代理并发就很容易了。磁盘占用会增加。有多个worktree同时存在每一个都是一个独立的磁盘目录就会占到更多的空间。手机端的功能比较少。手机端可以进行监控以及远程控制但是不能创建worktree、修改文件或者执行代理。需要自己订阅 AI。Orca 不提供 AI 模型订阅服务你需要自己去订阅 Claude Code、Codex 等服务。写在最后多代理协作已经是 AI 编码的新常态了。但是大部分开发者仍然使用传统的IDE自己切换分支、自己管理worktree。这很不合理。就比如在git出现之前大家都是自己手动备份代码文件夹一样。把 git worktree 也变成 IDE 的一等公民并且实现自动化的管理、可视化的展示和一键式的切换。越用越觉得这才是AI时代的IDE应该有的样子。项目基于 MIT 协议开放,感兴趣的同学可以去 GitHub 仓库看看源码和文档。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
