架構
桌面運行時如何把模型呼叫變成可靠的 agent 會話：流式循環、工具路由、狀態恢復、Provider 抽象和上下文管理。
首頁 博客
工程與研究
Orkas 博客解釋 Orkas 如何作為開源、本地優先的桌面客戶端，用你自己的模型密鑰協調 AI agent 團隊。這裡覆蓋 Agent Harness 運行時、多 Agent 編排、本地自演進、Provider 路由、記憶、上下文壓縮，以及模型流量直連供應商的安全設計。
Orkas 博客覆蓋什麼
多 Agent 工作流
主 agent 如何拆解請求、派發子 agent、在步驟間傳遞上下文，並在失敗後恢復。
本地優先 AI 與安全
為什麼 Orkas 把工作區資料和模型密鑰留在使用者機器上，以及為什麼使用自己的供應商時模型流量會直連該供應商、不經 Orkas 服務器代理。
最新工程文章
研究
研究
Vidu S2 vs PixVerse R2：即時影片的兩條技術路線
兩者都能邊看邊生成影片，並在播放途中接受新指令。對照 S2 論文與 R2 報告，兩者的基本架構相同，但在訓練、防止漂移、記憶、速度與控制這五項設計上採取不同做法，公開的資訊量也相差很大。
2026 年 9 月 27 日
產品
產品
DaVinci Resolve 的 MCP：它要什麼前提，又能做什麼
官方服務器只給 Studio，外部腳本一直如此；免費版那條繞法現在是「未確認」，不是「已確認死亡」。
2026 年 9 月 20 日
產品
產品
如何把影片剪輯自動化
一句話底下藏著三件不同的活。哪部分真能自動化、哪部分留給人，以及任何一刀之前必須先做的取證。
2026 年 9 月 20 日
研究
研究
AI 可見性審計：3000 美元的代理商報價、三個工具，和自己跑
一家兩人小店被報價 3000 美元外加每月 400 美元。這錢買到什麼，CiteScore、Otterly、AppearAI 各收多少，以及一個下午就能自己跑完的版本。
2026 年 9 月 16 日
產品
產品
對賬供應商的追蹤號，不用一單一單看
一天三十單，一小時複製粘貼。有用的那個版本只把對不上的那幾行擺出來。
2026 年 9 月 15 日
產品
產品
把廣告帳戶的寫權限交給 Agent 之前
從業者要求的七項控制，以及一份誠實列出 Orkas 還缺哪四項的表。
2026 年 9 月 15 日
研究
研究
ChatGPT 和 Gemini 是怎麼描述你的產品的
一套五步核查：AI 在你的品類里怎麼推薦，以及為什麼非品牌回答幾乎從不引用你自己的站。
2026 年 9 月 15 日
產品
產品
把 eBay 接到 Claude：憑證、RuName，以及沙箱幫不了你的地方
App ID、Cert ID、RuName 和一個 marketplace ID。其中一個不是網址，絕大多數配置就卡在那裡。
2026 年 9 月 7 日
產品
產品
把 WooCommerce 接到 Claude：唯一不用應用審批的那種店
沒有開發者計劃，沒有審核排隊，因為服務器是你自己的。剩下兩個坑，而且都是靜默的。
2026 年 9 月 7 日
產品
產品
把 Etsy 接到 Claude：每條路各自能做什麼、不能做什麼
Claude 沒有 Etsy connector，Etsy 也沒發 MCP server。四條第三方路徑，以及它們共同卡住的那道門。
2026 年 9 月 7 日
產品
產品
Amazon Seller MCP：它能給你什麼，代價是什麼
MCP server 能覆蓋 Seller Central 的哪些資料、背後那份沒人放在開頭的 SP-API 工作，以及領域知識該從哪來。
2026 年 9 月 5 日
產品
產品
把 Shopify 接到 Claude：什麼能用，什麼會壞
Shopify 發了兩個 MCP server，容易裝的那個看不見你的店。權限範圍怎麼定，以及為什麼寫操作需要一道閘。
2026 年 9 月 5 日
產品
產品
自建、找代理，還是自己乾：這個決定到底怎麼做
代理公司賣的是三樣可以拆開的東西——產能、專業度、問責——打包進一張發票，而大多數公司需要的不到三樣。產能已經變得容易一個人產出，另外兩樣幾乎沒動。怎麼搞清楚你真正在買的是哪一樣。
2026 年 8 月 24 日
產品
產品
自由職業營銷人該收多少（附免費定價計算器）
從你需要掙多少出發，而不是從別人收多少出發。一個跑在瀏覽器里的定價計算器、它背後的算術、真實市場數字該去哪找，以及跟現有客戶漲價的四種做法。
2026 年 8 月 24 日
Agent
Agent
客戶月報模板：該包含什麼，以及怎麼寫
客戶真正會看的六個部分、每部分該寫什麼、以及真正該用的寫作順序 —— 外加一份已經填好的 Word 和 Excel 模板，和生成它們的兩步配方。不要郵箱。
2026 年 8 月 24 日
研究
研究
變大不是重點：Kimi K3 在三個方向上擴展資訊流
Kimi K3 的參數從 1 萬億漲到 2.8 萬億，而這是整份報告里最不值得看的數字。它的架構沿序列、深度、寬度三條軸擴展，其中一處改動用一個下界換掉了 GPU 上一整條代碼路徑。每個方向各買到了什麼，代價在服務棧上怎麼還，以及報告悄悄放棄的一個行業慣例。
2026 年 8 月 4 日
架構
架構
上下文壓縮是按 token 數切的，跟「什麼該忘」沒有關係
幾乎所有 Agent 都在上下文佔到窗口某個百分比時觸發壓縮，然後從最早的內容開始扔。這條閾值只知道你快裝不下了，完全不知道你能安全丟什麼。里程碑馬爾可夫性為什麼是假設而不是事實，以及壓縮對它的要求為什麼比訓練嚴格一個量級。
2026 年 7 月 31 日
架構
架構
聲明完成不等於驗證完成：長程 Agent 的里程碑設計
Orkas 早就有可持久的計劃里程碑，也早就在記錄每次工具呼叫到底改變了什麼。但這兩半從沒接起來，於是一步是否完成取決於模型說了什麼。BEACON 怎麼定位它的檢測器，真要做該分哪三層，以及一條論文里沒有的判據：看不可逆，別看重要。
2026 年 7 月 30 日
架構
架構
循環檢測不等於停滯檢測：抓住那些不重復卻在原地打轉的 Agent
Orkas 有三層循環防線，卻都抓不住一個卡住的強模型——因為三層問的都是「你在不在重復」，而卡住的模型恰恰不重復。這篇講這個盲區、從 BEACON 借來的輸出側進展定義，以及動手前先該量什麼。
2026 年 7 月 28 日
研究
研究
BEACON：用里程碑引導的長程 Agent
精讀浙江大學 BEACON：長程 Agent 為什麼會在強化學習下崩潰，里程碑錨定的信用分配如何解決它，以及一個要把公式推一遍才看懂的自相矛盾指標。
2026 年 7 月 27 日
研究
研究
如何被 ChatGPT 引用：到底是什麼決定了你會不會被引到
被引用不等於排名。它是先活過檢索這一關，再成為那段值得被摘出來的話——OpenAI 的三個爬蟲、robots.txt 藏起來的那道 CDN 門，以及為什麼藏在 JavaScript 後面的事實等於不存在。
2026 年 7 月 14 日
Agent
Agent
如何讓 Claude Code 和 Codex 一起用——一個對話同時指揮兩個
Claude Code 和 Codex 各有強項。這篇講怎麼把它們一起用——開兩個終端加 git worktree 的手動做法，以及用一個 Orkas Commander 在同一個對話里同時驅動兩者的更省事做法。
2026 年 7 月 11 日
架構
架構
雲端同步實戰：Orkas 如何做好資料同步
Orkas 如何用加密傳輸、內容存儲、服務端提交、帳號級鎖、同步規則、模型輔助衝突處理、刪除確認和回收站，把使用者資料可靠同步到多台設備。
2026 年 7 月 1 日
架構
架構
重寫 Agent 的地基：Orkas 的一次底層重構
Orkas 如何在 1.0 發佈線重做模型呼叫、Agent 循環、多智能體編排和工具生態，並把桌面端 agent 的地基重新握回自己手裡。
2026 年 6 月 25 日
架構
架構
多 Agent 編排實戰：Orkas 如何調度一個主 Agent 和它的子 Agent
拆解 Orkas 的多 Agent 編排：主 Agent 把一句請求變成一份計劃，按依賴派遣子 Agent，在步驟之間傳遞上下文，並在出錯時自愈。
2026 年 6 月 16 日
產品
產品
AI 影片生成成本：賬單大部分花在重試上
主導成本的是迭代率，不是每秒單價。重試從哪裡來，以及怎麼把業界公認的清單變成預設行為。
產品
產品
什麼是本地優先 AI？你的資料、你的密鑰、你的機器
本地優先 AI 是什麼意思——資料、API 密鑰和模型流量都留在你自己的機器上，而不是廠商的雲里——為什麼它對隱私重要，以及一個自帶密鑰的 agent 究竟怎麼工作。
2026 年 6 月 16 日
架構
架構
把模型變成產品的那一層：Orkas 的 Agent Harness 工程實現
Orkas 如何把模型呼叫變成可靠的桌面 Agent 運行時：流式運行循環、工具路由、上下文壓縮、Provider 抽象、記憶與可自愈會話。
2026 年 6 月 10 日
Agent
Agent
一個會自己變好用的 Agent：拆解 Orkas 的自演進機制
拆解 Orkas 的本地自演進閉環：輕量信號、後台反思、可執行技能、技能指標，以及避免學錯方向的防線。
2026 年 6 月 10 日
讀懂 Orkas
Orkas 是什麼？
Orkas 是一個開源、本地優先的桌面 AI 客戶端，支援 macOS 和 Windows。你不是和單個助手對話，而是指揮一支 agent 團隊：主 agent 負責你的目標，招募子 agent 呼叫技能來完成工作。你可以選擇使用 Orkas 托管的官方模型，也可通過 OAuth 或 API Key 接入自己的供應商；工作區預設本地優先。
為什麼 Orkas 是本地優先？
本地優先意味著資料和控制權都留在你的設備上。預設情況下，你的對話、檔案、知識庫、記憶和加密後的模型密鑰都存在本機。使用自己的供應商時，模型流量從你的電腦直連該供應商，不經 Orkas 服務器代理；官方模型使用 Orkas 的托管模型服務。
Orkas 里的 agent 團隊是怎麼協作的？
主 agent 讀取你的目標，拆成步驟，並按任務和能力招募子 agent。每個子 agent 在各自受限的上下文中工作，呼叫技能——網頁搜索、代碼執行、檔案讀寫、知識庫檢索和連接器——來交付結果。主 agent 只把必要的資訊傳給每個子 agent，從而降低 token 成本、保持職責清晰。
Orkas 能用來做什麼？
常見用途包括研究與分析、寫作與編輯、用原生或外部 CLI agent（如 Claude Code、Codex、OpenClaw）編程、資料處理、學習，以及辦公文件。你也可以把一個重復任務一次性做成可復用的子 agent，之後在對話里隨時召喚。
Orkas 有哪些限制？
當前公開版本是 macOS/Windows 桌面應用；iOS 遠程控制中繼已關閉，且沒有網頁客戶端。可使用 Orkas 托管的官方模型或連接自有供應商；前者使用 Orkas 積分，後者由供應商計費。可選同步會把所選資料存到 Orkas。