Início Blog

Engenharia e pesquisa

O Blog do Orkas explica como o Orkas funciona como um cliente desktop open source e local-first para coordenar agentes de IA com suas próprias chaves de modelo. Estas notas de engenharia cobrem o runtime Agent Harness, orquestração multiagente, autoevolução local, roteamento de provedores, memória, compactação de contexto e as decisões de segurança por trás do tráfego direto ao provedor.

O que o Blog do Orkas cobre

Arquitetura

Como o runtime desktop transforma chamadas de modelo em sessões confiáveis de agentes: loops em streaming, roteamento de ferramentas, estado tolerante a falhas, abstração de provedores e gestão de contexto.

Workflows multiagente

Como um agente líder decompõe uma solicitação, despacha subagentes, passa contexto entre etapas e se recupera quando uma tarefa falha.

IA local-first e segurança

Por que o Orkas mantém dados do workspace e chaves de modelo na máquina do usuário e por que o tráfego do seu próprio provedor vai diretamente a ele, sem passar pelos servidores do Orkas.

Últimos artigos de engenharia

Produto

In-house, agência ou por conta própria: como decidir de verdade

Uma agência vende três coisas separáveis — capacidade, especialização, responsabilização — empacotadas em uma nota só, e a maioria das empresas precisa de menos de três. Capacidade ficou muito mais barata de produzir sozinho; as outras duas quase não se moveram. Como descobrir qual delas você está comprando.

24 de agosto de 2026

Produto

Quanto cobrar como profissional de marketing freelance (com calculadora grátis)

Parta do quanto você precisa ganhar, não do quanto os outros cobram. Uma calculadora de preços que roda no navegador, a aritmética por trás dela, onde estão os números reais de mercado e quatro formas de aumentar a taxa com um cliente que você já tem.

24 de agosto de 2026

Agente

Modelo de relatório mensal de cliente: o que incluir e como escrever

As seis seções que um cliente de fato lê, o que vai em cada uma e a ordem em que realmente se deve escrevê-las — além de um modelo Word e Excel já preenchido e a receita de duas etapas que gera os dois. Sem pedir e-mail.

24 de agosto de 2026

Pesquisa

Maior não era o objetivo: como o Kimi K3 escala o fluxo de informação em três direções

O Kimi K3 passou de 1T para 2,8T de parâmetros, e esse é o número menos interessante do relatório. A arquitetura escala em sequência, profundidade e largura — e uma das mudanças substitui todo um caminho de código de GPU por um único limite inferior. O que cada direção compra, quanto custa na camada de serving e um hábito da indústria que o artigo abandona discretamente.

4 de agosto de 2026

Arquitetura

A compactação de contexto corta por contagem de tokens, não pelo que é seguro esquecer

Quase todo agente compacta em uma porcentagem da janela e descarta os turnos mais antigos. Esse limite sabe que você está sem espaço; não sabe nada sobre o que é seguro perder. Por que a propriedade de Markov de marcos é uma suposição e não um fato, e por que a compactação a exige de forma muito mais estrita que o treinamento.

31 de julho de 2026

Arquitetura

Declarado como concluído não é verificado como concluído: design de marcos para agentes de longo horizonte

O Orkas registra marcos duráveis do plano e, separadamente, fatos do lado do host sobre o que cada chamada de ferramenta realmente mudou. Nada conecta os dois, então uma etapa conta como concluída quando o modelo diz que está. Como o BEACON posiciona seu detector, as três camadas a construir e um critério que o artigo não tem.

30 de julho de 2026

Arquitetura

Detecção de loop não é detecção de estagnação: capturando agentes que giram sem repetir

O Orkas tem três proteções contra loop, e nenhuma captura um modelo capaz que estagna — porque as três perguntam se ele está se repetindo, e um modelo travado nunca se repete. O ponto cego, a definição de progresso do lado da saída emprestada do BEACON, e o que medir primeiro.

28 de jul. de 2026

Pesquisa

BEACON: agentes de longo horizonte guiados por marcos

Uma leitura atenta do BEACON, da Universidade de Zhejiang: por que agentes de longo horizonte colapsam sob RL, como o crédito ancorado em marcos resolve isso, e uma métrica que parece contradizer o próprio design até você refazer a matemática.

27 de jul. de 2026

Pesquisa

Como ser citado pelo ChatGPT: o que realmente decide se você é citado

Ser citado não é ranquear. É sobreviver à recuperação e então ser o trecho que vale a pena citar — os três bots da OpenAI, a porta do CDN que o robots.txt esconde e por que um fato atrás de JavaScript não existe.

14 de jul. de 2026

Agente

Como usar Claude Code e Codex juntos — um chat para orquestrar os dois

Claude Code e Codex se destacam em coisas diferentes. Use-os juntos — com terminais e git worktrees, ou com um Commander do Orkas que orquestra os dois em um único chat.

11 de jul. de 2026

Arquitetura

Sincronização em nuvem na prática: como o Orkas sincroniza dados entre dispositivos

Como o Orkas sincroniza dados do usuário com transferência criptografada, armazenamento de conteúdo, commits no servidor, locks por conta, regras de sincronização, tratamento de conflitos assistido por modelo, confirmação de exclusão e lixeira.

1 de jul. de 2026

Arquitetura

Reescrevendo a fundação do agente: uma refatoração profunda do Orkas

Como o Orkas reconstruiu sua base de agentes na linha 1.0: runtime no processo, rotação de provedores, orquestração dinâmica de grupo, hospedagem aberta, memória e autoevolução.

25 de jun. de 2026

Arquitetura

Orquestração multiagente na prática: como o Orkas executa um agente líder e seus subagentes

Por dentro da orquestração multiagente do Orkas: um agente líder transforma uma solicitação em plano, despacha subagentes por dependência, passa contexto entre etapas e se recupera de falhas.

16 de jun. de 2026

Produto

Por que sua conta de vídeo com IA é feita de repetições

O fator dominante é a taxa de iteração, não o preço por segundo. De onde vêm as repetições e como tornar o checklist da prática o padrão.

Produto

O que é IA local-first? Seus dados, suas chaves, sua máquina

O que IA local-first significa — seus dados, chaves de API e tráfego de modelo ficam na sua máquina, não na nuvem de um fornecedor — por que isso importa para privacidade e como um agente com sua própria chave funciona.

16 de jun. de 2026

Arquitetura

A camada que transforma um modelo em produto: engenharia do Agent Harness do Orkas

Como o Orkas transforma chamadas de modelo em um runtime confiável de agentes desktop: loops em streaming, roteamento de ferramentas, compactação de contexto, abstração de provedores, memória e sessões tolerantes a falhas.

10 de jun. de 2026

Agente

Um agente que melhora sozinho: por dentro da autoevolução do Orkas

Por dentro do loop local de autoevolução do Orkas: sinais leves, reflexão em segundo plano, habilidades executáveis, métricas de habilidades e proteções contra aprender a lição errada.

10 de jun. de 2026

Orkas, explicado

O que é Orkas?

Orkas é um cliente de IA desktop open source, local-first para macOS e Windows. Em vez de conversar com um único assistente, você dirige uma equipe de agentes: um agente líder é dono do seu objetivo e recruta subagentes que convocam habilidades para fazer o trabalho. Você pode usar modelos oficiais opcionais gerenciados pelo Orkas ou conectar seu próprio provedor por OAuth ou chave de API; seu espaço de trabalho é local-first por padrão.

Por que Orkas é local-first?

Local-first significa que seus dados e controle permanecem no seu dispositivo. Seus chats, arquivos, base de conhecimento, memória e chaves de modelo criptografadas ficam em sua máquina por padrão. Com seu próprio provedor, o tráfego de modelo vai diretamente do seu computador para ele e não passa pelos servidores do Orkas como proxy; os modelos oficiais usam o serviço de modelo gerenciado do Orkas.

Como funcionam as equipes de agentes em Orkas?

Um agente líder lê sua meta, divide-a em etapas e recruta subagentes por tarefa e capacidade. Cada subagente trabalha em seu próprio contexto limitado e chama habilidades – pesquisa na web, execução de código, E/S de arquivos, pesquisa na base de conhecimento e conectores – para entregar. O lead passa a cada subagente apenas o que ele precisa, o que mantém o custo do token baixo e as responsabilidades limpas.

Para que você pode usar o Orkas?

Os usos comuns incluem pesquisa e análise, escrita e edição, codificação com agentes CLI nativos ou externos, como Claude Code, Codex e OpenClaw, trabalho de dados, aprendizagem e documentos de escritório. Você também pode transformar uma tarefa recorrente em um subagente reutilizável uma vez e invocá-lo no chat sempre que precisar.

Quais são as limitações do Orkas?

A versão pública atual é um app desktop para macOS e Windows; o relay de controle remoto iOS está desabilitado e não há cliente web. Modelos oficiais usam créditos Orkas, ou você conecta seu provedor e é cobrado por ele. A sincronização opcional armazena os dados escolhidos no Orkas.