Architecture
Comment l’environnement de bureau transforme les appels de modèles en sessions d’Agents fiables : boucles de streaming, routage des outils, état résistant aux plantages, abstraction des fournisseurs et gestion du contexte.
Le blog Orkas explique le fonctionnement d’Orkas comme client de bureau open source privilégiant le local, pour coordonner des Agents IA avec vos propres clés de modèles. Ces notes d’ingénierie couvrent l’environnement d’exécution Agent Harness, l’orchestration multi-Agents, l’auto-évolution locale, le routage des fournisseurs, la mémoire, la compression du contexte et les choix de sécurité liés aux échanges directs avec les fournisseurs de modèles. Chaque article constitue une référence pratique pour les développeurs, responsables opérationnels et concepteurs IA qui évaluent des processus d’Agents IA privilégiant le local.
Comment l’environnement de bureau transforme les appels de modèles en sessions d’Agents fiables : boucles de streaming, routage des outils, état résistant aux plantages, abstraction des fournisseurs et gestion du contexte.
Comment un Agent principal décompose une demande, répartit les sous-Agents, transmet le contexte entre les étapes et se remet de l’échec d’une tâche.
Pourquoi Orkas conserve les données de l’espace de travail et les clés de modèles sur la machine de l’utilisateur, et pourquoi le trafic vers votre propre fournisseur lui est adressé directement plutôt que de passer par les serveurs Orkas.
Quand un projet réunit plusieurs personnes et plusieurs Agents, comment doivent-ils travailler ensemble ? En quoi les Agents diffèrent des personnes en tant que collaborateurs, pourquoi les messageries conçues pour les humains ne leur conviennent pas, et ce que les projets Orkas ont, en conséquence, gardé et repensé.
L'agentic SEO confie un workflow SEO bien défini à un agent IA qui collecte lui-même ses données, suit une méthode écrite et vérifie son travail, tandis qu'une personne valide ce qui est mis en ligne. Voici ce que cela signifie concrètement, et quelles tâches lui confier en premier.
Nous avons testé Claude Code avec ffmpeg pour le montage initial et les sous-titres. Les fichiers peuvent être importés dans CapCut ; computer use de Claude Desktop avec CapCut reste non testé.
ServiceM8 dispose de son propre serveur MCP : Claude peut rechercher des interventions, lire les notes et, avec votre accord, modifier des données. Voici comment le connecter depuis Claude, Claude Code ou Orkas, et quelles tâches confier en premier.
Un employé IA est une IA dotée d’un rôle, d’une procédure écrite et d’une mémoire. Commencez par une tâche récurrente, puis enchaînez-en un deuxième et un troisième en relais. Voici un modèle de fiche de poste à copier, la mise en place sans terminal et une comparaison avec les autres outils.
GPT-6 Astra construit des scènes Blender modifiables et pilote des bras robotiques. Nous avons lu les chiffres officiels, les benchmarks robotiques et les articles sur lesquels ils reposent : où se trouvent les gains, d’où ils viennent très probablement et ce qui change pour la génération 3D et le cerveau des robots.
Orkas 1.8 permet à plusieurs personnes de travailler dans un même projet. Chacun dirige sa propre équipe d’IA sur son propre ordinateur ; le projet réunit les instructions, la mémoire, les fichiers et les éléments à faire que tout le monde partage. Voici comment cela fonctionne, comment cela s’intègre au reste d’Orkas, et pourquoi nous l’avons conçu ainsi.
Les deux génèrent la vidéo pendant qu’on la regarde et acceptent de nouvelles instructions en cours de route. Lus côte à côte, l’article sur S2 et le rapport sur R2 s’accordent sur l’ossature, divergent sur cinq choix — entraînement, dérive, mémoire, vitesse et pilotage — et publient des quantités très différentes.
Le serveur officiel est réservé à Studio, les scripts externes l’ont toujours été, et le contournement pour l’édition gratuite est désormais non confirmé, plutôt que confirmé comme inopérant.
Une seule expression recouvre trois métiers. Ce qui s’automatise vraiment, ce qui reste humain et l’étape de vérification avant toute coupe.
Une boutique de deux personnes a reçu un devis de $3000 plus $400 par mois. Ce que cela comprend, les tarifs de CiteScore, Otterly et AppearAI, et la version que vous réalisez vous-même en un après-midi.
Trente commandes par jour, une heure de copier-coller. La version utile ne fait ressortir que les quatre lignes qui ne concordent pas.
Sept contrôles que les professionnels exigent avant qu’un Agent puisse modifier un budget, et un tableau honnête des quatre dont Orkas ne dispose pas.
Une vérification en cinq étapes de la façon dont les assistants recommandent des produits dans votre catégorie, et pourquoi les réponses sans mention de marque ne citent presque jamais votre site.
App ID, Cert ID, RuName et un identifiant de place de marché. L’un d’eux n’est pas une URL, et c’est là que la plupart des configurations bloquent.
Ni programme développeur ni file d’attente de validation, puisque le serveur vous appartient. Deux défaillances subsistent, toutes deux silencieuses.
Claude n’a pas de connecteur Etsy et Etsy ne fournit aucun serveur MCP. Quatre voies tierces et le contrôle auquel elles se heurtent toutes.
Ce que couvre un serveur MCP pour Seller Central, le travail lié à la SP-API dont personne ne parle d’emblée et d’où doivent venir les connaissances en merchandising.
Shopify fournit deux serveurs MCP, et le plus simple ne voit pas votre boutique. Le choix des autorisations et pourquoi les écritures doivent passer par un contrôle.
Une agence vend trois choses distinctes — capacité de production, expertise et responsabilité des résultats — regroupées sur une seule facture, et la plupart des entreprises n’ont pas besoin des trois. Produire cette capacité seul coûte beaucoup moins cher ; les deux autres ont à peine changé. Comment déterminer ce que vous achetez réellement.
Partez du revenu dont vous avez besoin, pas des tarifs des autres. Un calculateur de tarifs qui fonctionne dans votre navigateur, les calculs qui le sous-tendent, où trouver les vrais chiffres du marché et quatre façons d’augmenter votre tarif auprès d’un client existant.
Les six sections qu’un client lit réellement, leur contenu et l’ordre dans lequel les rédiger — avec un modèle Word et Excel déjà rempli, et la méthode en deux étapes pour générer les deux. Aucune adresse e-mail requise.
Kimi K3 est passé de 1T à 2.8T paramètres, et c’est le chiffre le moins intéressant du rapport. L’architecture évolue selon la séquence, la profondeur et la largeur — et une modification remplace tout un chemin d’exécution GPU par une seule borne inférieure. Ce que chaque direction apporte, ce qu’elle coûte dans la pile d’inférence, et une habitude du secteur que l’article abandonne discrètement.
Presque tous les Agents compressent le contexte à un certain pourcentage de la fenêtre et suppriment les échanges les plus anciens. Ce seuil sait que la place manque ; il ne sait rien de ce qu’on peut perdre sans risque. Pourquoi la propriété de Markov des jalons est une hypothèse plutôt qu’un fait, et pourquoi la compression exige qu’elle soit respectée bien plus strictement que l’entraînement.
Orkas enregistre des jalons de plan persistants et, séparément, des faits côté hôte sur les changements réellement produits par chaque appel d’outil. Rien ne relie les deux : une étape compte donc comme terminée dès que le modèle le dit. Comment BEACON positionne son détecteur, les trois couches à construire et un critère absent de l’article.
Orkas possède trois protections contre les boucles, et aucune ne repère un modèle compétent qui stagne — car toutes trois cherchent à savoir s’il se répète, ce qu’un modèle bloqué ne fait jamais. Cet angle mort, la définition du progrès fondée sur les résultats que nous empruntons à BEACON et ce qu’il faut mesurer en premier.
Une lecture attentive de BEACON, de l’université du Zhejiang : pourquoi les Agents à horizon long s’effondrent sous l’apprentissage par renforcement, comment une attribution du crédit ancrée dans les jalons y remédie, et une métrique qui semble contredire sa propre conception jusqu’à ce qu’on suive les calculs.
Être cité n’est pas être bien classé. C’est passer l’étape de récupération, puis être le passage qui mérite d’être cité — les trois robots d’OpenAI, le filtre CDN que masque robots.txt et pourquoi un fait derrière JavaScript n’existe pas.
Claude Code et Codex excellent chacun dans des domaines différents. Faites-les fonctionner ensemble — avec des terminaux et des worktrees git, ou depuis un seul Commander Orkas qui orchestre les deux dans une même conversation.
Comment Orkas synchronise les données utilisateur entre appareils grâce au transfert chiffré, au stockage de contenu, aux validations gérées par le serveur, aux verrous de compte, aux règles de synchronisation, au traitement des conflits assisté par modèle, à la confirmation des suppressions et à une corbeille.
Comment Orkas a reconstruit les fondations de ses Agents au fil des versions 1.0 : environnement d’exécution dans le processus, rotation des fournisseurs, orchestration dynamique des conversations de groupe, hébergement ouvert, mémoire et auto-évolution.
Au cœur de l’orchestration multi-Agents d’Orkas : un Agent principal transforme une demande en plan, répartit les sous-Agents selon les dépendances, transmet le contexte entre les étapes et se remet des échecs.
Le nombre d’itérations, et non le prix à la seconde, est le principal facteur de coût. D’où viennent ces nouvelles tentatives et comment faire de la liste de contrôle du terrain une pratique systématique.
Ce que signifie une IA privilégiant le local — vos données, clés API et échanges avec les modèles restent sur votre machine, pas dans le cloud d’un fournisseur — pourquoi cela compte pour la confidentialité et comment fonctionne réellement un Agent utilisant votre propre clé.
Comment Orkas transforme les appels de modèles en un environnement d’exécution fiable pour Agents de bureau : boucles d’exécution en streaming, routage des outils, compression du contexte, abstraction des fournisseurs, mémoire et sessions résistantes aux plantages.
Au cœur de la boucle locale d’auto-évolution d’Orkas : signaux légers, réflexion en arrière-plan, Skills exécutables, métriques des Skills et garde-fous pour éviter de tirer les mauvaises leçons.
Orkas est un client IA de bureau open source pour macOS et Windows, privilégiant le stockage local. Au lieu de discuter avec un seul assistant, vous dirigez une équipe d’agents : un agent principal porte votre objectif et recrute des sous-agents qui appellent des Skills pour réaliser le travail. Vous pouvez utiliser les modèles officiels gérés par Orkas en option ou connecter votre fournisseur via OAuth ou une clé API ; votre espace de travail privilégie le stockage local par défaut.
La priorité au local signifie que vos données et votre contrôle restent sur votre appareil. Vos chats, fichiers, base de connaissances, mémoire et clés de modèles chiffrées résident sur votre machine par défaut. Avec votre propre fournisseur, le trafic des modèles va directement de votre ordinateur à ce fournisseur, sans passer par un proxy sur les serveurs Orkas ; les modèles officiels utilisent le service de modèles géré d’Orkas.
Un Agent principal lit votre objectif, le décompose en étapes et recrute des sous-Agents selon la tâche et les capacités requises. Chaque sous-Agent travaille dans son propre contexte délimité et appelle des Skills — recherche web, exécution de code, lecture/écriture de fichiers, recherche dans la base de connaissances et connecteurs — pour produire son résultat. L’Agent principal ne transmet à chacun que le nécessaire, ce qui réduit les coûts en tokens et clarifie les responsabilités.
Les usages courants comprennent la recherche et l’analyse, la rédaction et la révision, le code avec des Agents natifs ou des CLI externes comme Claude Code, Codex et OpenClaw, le travail sur les données, l’apprentissage et les documents bureautiques. Vous pouvez aussi transformer une tâche récurrente en sous-Agent réutilisable une seule fois, puis l’appeler dans la conversation chaque fois que nécessaire.
La version publique actuelle est une application de bureau macOS et Windows ; le relais de télécommande iOS est désactivé et il n’existe pas de client web. Vous pouvez utiliser les modèles officiels gérés par Orkas en option ou connecter un fournisseur via OAuth ou une clé API. Votre fournisseur facture l’usage de votre propre clé ; les fonctions gérées consomment des crédits Orkas. La qualité du résultat dépend du modèle connecté. La synchronisation multiappareil facultative stocke les données synchronisées sur les serveurs Orkas, et l’édition gratuite envoie des données d’usage limitées.