Orkas
在本机通过一位 Commander 协同专长代理完成复杂工作。
- Star 数
- ★ 9.1k
- 最近更新
- 今天
- License
- MIT
- 主语言
- JavaScript
- FA 评分
- 74/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Codex · Claude Code · OpenAI API · Claude API
- 费用
- 有免费版,另有付费云服务
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 产品经理需要把一份 PRD 拆成可执行的开发任务,并让多个专长代理分工推进时。
- 不适合
- 只想用一个通用聊天机器人的用户
- 希望数据托管在厂商云端的团队
- Alpine 等 musl 发行版用户(不受支持)
- 源码审查
- 74/100 · 存在缺口
这个 Agent 能做什么,适合哪些场景?
Orkas 是一款 MIT 许可的本地优先桌面应用,面向需要用多代理协作处理复杂任务的用户。用户在一个聊天界面中提出目标,由 Commander 进行上下文理解、拆解任务,并在适合时调度专长代理;它也可直接处理通用分析、写作、研究、文件工作与自动化。代理可并行或串行执行,具有各自的技能、记忆和任务上下文,并共享协作进度文件 plan.md。应用支持 macOS、Windows 与 Linux;对话、文件、知识库、代理配置和模型密钥保存在本机,模型请求直接发送给所选供应商。它可接入 Claude Code、Codex、OpenCode、Cline 等本地 CLI 编码代理,也可使用 Claude、OpenAI、Gemini、DeepSeek、Kimi、GLM、Qwen、MiniMax 或 Doubao 等模型供应商。
用户在主聊天中提交目标后,Commander 读取相关上下文,按需要调用 dispatch_to({to, message}) 将工作暂存给专长代理;接收方会在 Commander 当前回合结束后被唤醒。所有调度汇入 enqueue,协作时 Commander 把进度写入共享的 plan.md。主对话以 jsonl 保存,代理仅能看到满足 from==me、to 包含自身或 mentions 包含自身的可见片段。每个代理在自己的目录维护 meta/COMPETENCE.md 与 meta/LEARNING_STRATEGIES.md,并可通过 skill_manage 将解决方法固化为私有技能;Orkas 还可将 Claude Code、Codex、OpenCode、Cline 作为本地子进程驱动。
- 产品经理需要把一份 PRD 拆成可执行的开发任务,并让多个专长代理分工推进时。
- 研究人员需要定期收集、归纳并交付市场研究或周报,同时希望文件留在本机时。
- 本地保存敏感资料的团队需要将文件拖入桌面应用,进行文档问答或数据分析时。
- 开发者希望在同一聊天中协调 Codex、Claude Code、OpenCode 或 Cline 等本地 CLI 编码代理时。
- 需要同时产出代码、研究材料、视频或幻灯片的个人或小团队,希望由一个 Commander 协调本地工具时。
如何安装或部署这个 Agent?
macOS 和 Windows 可从 orkas.ai 下载安装包;Linux 目前需从源码运行。源码运行要求 Node 20+、Python 3,以及 macOS、Windows 10+ 或较新的 Linux:
git clone https://github.com/Orkas-AI/Orkas.git
cd Orkas
./run.shWindows 使用 run.cmd。脚本会自动安装依赖并下载约 95 MB 的嵌入模型。首次启动后,在 Settings → AI Providers 中添加模型供应商 API 密钥或 OAuth。
如何使用这个 Agent?
完成首次启动后,在 Settings → AI Providers 配置 API 密钥或 OAuth,然后在主聊天中描述目标。Commander 会自行完成通用工作,或按需调度专长代理;协作进度会写入 plan.md。若要使用 CLI 编码代理,可在同一工作流中接入 Claude Code、Codex、OpenCode 或 Cline。
这个 Agent 有哪些优点和局限?
- 本地优先:对话、文件、知识库、代理配置和密钥保存在本机,模型调用不经 Orkas 服务器代理或归档。
- 以桌面聊天界面提供 Commander 与多专长代理协作,无需编写编排代码。
- 支持多供应商模型密钥,并可在代理之间混用供应商。
- 可把 Claude Code、Codex、OpenCode、Cline 等 CLI 编码代理作为本地子进程纳入同一聊天工作流。
- 代理具有私有 meta/ 记忆与私有技能,可在任务后反思并复用经验。
- 模型调用仍依赖网络,除非配置本地模型端点;离线能力不等于云模型可离线使用。
- 需要自行提供模型 API 密钥或 OAuth,并承担模型供应商费用。
- Linux 没有安装包,当前需要按源码方式运行。
- 从源码启动要求 Node 20+ 与 Python 3,首次运行还会下载约 95 MB 的嵌入模型。
- README 未说明对企业身份、集中式密钥管理或云端团队共享的支持。
这个 Agent 与同类方案有什么区别?
相较 LangChain 与 CrewAI 这类代码优先框架,Orkas 提供桌面聊天式的本地协同界面;相较云端代理编排服务,它将数据和密钥留在本机。它不同于单一常驻的 OpenClaw 或单助手式 Claude Desktop:Orkas 以 Commander 协调多个专长代理,同时可将 OpenClaw 或 Hermes-Agent 接为 CLI 后端。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Orkas 当前 | 74 · 存在缺口 | 桌面应用免费版 + 付费版 | ★ 9.1k | 今天 | JavaScript | Codex · Claude Code · OpenAI API · Claude API |
| Council 决策工作台 | 82 · 表现良好 | 桌面应用免费 + 模型费 | ★ 111 | 2 个月前 | Python | OpenAI API |
| NextClaw | 61 · 存在缺口 | 桌面应用免费 + 模型费 | ★ 264 | 今天 | TypeScript | Codex · Claude Code |
| somora | 58 · 缺口较多 | 命令行工具免费 | ★ 35 | 2 天前 | TypeScript | ChatGPT · Codex · Claude Code |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
入口代码说明了本地工作区、凭据目录和隔离的技能运行环境;README称自有密钥在本地加密且不参与同步,模型调用按所选提供方发送。README还称连接器在发送、发布或删除前默认确认,权限回归文档列出多类边界测试,因此常见权限与确认有实质依据。扣分原因:本审查仅含少量代码和文档,无法核实所有调用路径;恢复机制只见任务取消、回收站等零散线索,未形成完整回滚说明;来源身份与维护者责任仅部分明确。
README说明任务预算、检查点、重复调用检测、取消和自动化补跑,package.json与 CI 工作流列有类型检查及平台依赖验证步骤,IPC 代码也包含错误归一化与有限日志诊断。扣分原因:这些文件没有证明本次修订实际通过运行;README中的产品能力与样例源码覆盖面不完全对应,依赖锁文件内容也未提供,故不能给满分。
README明确列出研究、内容、媒体、开发、办公、电商等受众场景,并说明视频复刻、Linux、离线使用、商业版功能和 CLI 集成的边界。技能文件针对 Excel、数据分析、电商研究和 PDF 给出具体触发场景与不适用范围。扣分原因:部分能力触发规则仅从样本技能可见,不能确认其他技能的一致性。
README按能力、安装、工作原理、FAQ、平台支持及限制组织,快速开始给出 Node 版本、系统要求、启动命令和常见原生依赖修复;LICENSE明确为 MIT。版本号可从 package.json 读取,README也标注自动化行为的版本门槛。扣分原因:提供材料没有清晰的变更日志或明确维护责任人;名称跨大型产品和样本技能较稳定,但不足以证明全仓库命名一致。
README描述可交付文件、分工任务、项目记忆和定时自动化;技能说明强调可复核的分析结论、模板保留和阶段有界的电商验证,体现了可直接使用的输出和超越单轮聊天的价值。扣分原因:依赖大量模型、连接器及首次下载资源,且内置模型有额度和付费层级;成本与收益没有量化。
README在架构说明中链接到具体路由、上下文预算、记忆和运行限制源码;权限文档给出可观测的测试设计,CI 文件列出相应自动化命令。技能文档也区分实际观察证据与假设。扣分原因:README中的多项产品主张仍是自述,提供的测试源码是局部样例而非本产品全面验证;未执行测试,不能据此确认行为。
- README称默认本地优先,但使用内置 Orkas 模型、语音识别或可选云同步时,数据会发送到服务端;应按具体功能确认数据流。
- 产品包含连接器、自动化和可执行本地工具;尽管材料说明默认确认并列出权限测试设计,本次静态样本不足以核验所有副作用路径。
- Linux 仅支持满足 glibc 要求的源码运行;打包应用、协作和云功能存在与开源源码版不同的边界。
最近版本
来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。
-
v2026.11.4 Orkas 2026.11.4
发布说明摘录
v2026.11.4 Download [Download Orkas](https://orkas.ai/download/?source=gh-orkas-release&entry_point=github_release&download=1) Highlights - Use GPT-6.1 Terra in supported provider and model settings. - Choose multiple weekdays or month dates for recurring automations and review clearer schedule summaries. - Capture product pages and recover video compositions with clearer preview and delivery checks. Fixes - Recover queued messages, selected attachments and interrupted conversations without treating downloaded files as new drafts. …在 GitHub 查看 ↗ -
v2026.10.27 Orkas 2026.10.27
发布说明摘录
v2026.10.27 Download [Download Orkas](https://orkas.ai/download/?source=gh-orkas-release&entry_point=github_release&download=1) Highlights - Configure a complete set of public image and video models with your own provider keys, alongside existing Orkas API services. - Connect custom models through OpenAI Responses, Chat Completions or Anthropic protocols, with clearer capacity validation and credential recovery. - Create, edit and preview local apps while keeping publishing and project invitations clearly separated from local work. Improvements …在 GitHub 查看 ↗ -
v2026.10.17 Orkas 2026.10.17
发布说明摘录
v2026.10.17 Download [Download Orkas](https://orkas.ai/download/?source=gh-orkas-release&entry_point=github_release&download=1) — Free · 500 credits · No API key needed to start. Highlights - Pick up unfinished to-dos and unread task results from a clearer Commander home with direct access to connectors. - Manage local projects with clearer action menus, reliable navigation, and more consistent task boards. - Clean up older tasks with age filters, explicit selection, running-task confirmation, and reversible recovery. Improvements …在 GitHub 查看 ↗
常见问题
Orkas 本身是本地大模型吗?
使用成本是什么?
数据会上传到 Orkas 服务器吗?
可以完全离线使用吗?
谢谢反馈,我们会据此改进页面。