如果重点是自主——按计划跑、合上笔记本还继续、还能交给别人去跑——那正是 AutoGPT 的用途，而 Orkas 不是平台。Orkas 做的是相反的取舍：每一步都看得见，随便哪一步都能拨回来，最后落到手里的是一个你能审的文件。免费，MIT 协议。
一个的设计是「没你也一直跑下去」，一个的设计是「一直跟你确认」。
| 能力 | Orkas本站 | AutoGPT自主 agent 平台 |
|---|---|---|
| 没人看着也能跑上几小时 | 它干活的时候你还在这条对话里 | 整个设计就是围绕「自己一直转下去」的循环 |
| 不用你在场就能启动 | 活是你起的头 | agent 可以设成按计划或按触发跑 |
| 做一个给别人跑的 agent | 你存下来的技能是给自己这台机器用的 | 一个带 block 库、还有地方分享 agent 的平台 |
| 合上笔记本之后还能继续 | 关了就停 | 托管的运行不依赖你这台机器 |
| 跑到一半改方向 | 每一步都看得见，随时能拨回来 | 基本上要等那个循环自己走到头 |
| 跑完之后桌上摆着什么 | 一个可以直接审的文件——方案、视频、网站、报告 | 那次运行碰巧产出了什么就是什么 |
| 本来就在你电脑里的文件 | 指给它一个文件夹，它就在那儿干活 | 托管的运行看不见你的磁盘 |
| 跑的过程中就能看到花了多少 | 每一步都摆出来，随便哪步都能喊停 | 一次长的自主运行，总账要到最后才见分晓 |
右边四行是实打实的：如果你要的是「按计划跑、合上电脑还继续、还能交给别人去跑」，那是平台的活，Orkas 不是平台。左边四行其实是同一个取舍的四种说法——Orkas 让你一直在场，代价是自主性，换来的是控制力。
其实不用二选一 — 让每个工具完成它擅长的工作；需要协同制作可审阅交付物时，再把结果文件交给 Orkas。
值得放手不管的活，和值得盯着的活，很少是同一批活。
那些重复的、定义清楚的运行，原地留着。自主性在那儿是划算的。
把那些最终要你签字的活拿回来——方案、视频、给客户看的报告。
在那件活所在的文件夹上打开 Orkas，一步一步看着它做完。
Orkas 免费、MIT 协议，源码你可以读、也可以自己编译。模型用量是另一回事：可以用官方托管模型，也可以自带供应商密钥，那样调用会直连那家供应商。但它不是 AutoGPT 意义上的自主——它是和你一起干，不是替你干。
它会在你看着的时候把一个任务跑完，但它是桌面应用：关掉就停，也没有「不用你在场的计划任务或触发运行」。如果无人值守执行是硬要求，对的形态是平台，不是 Orkas。
不。它跑在你自己的机器上、动你本地的文件夹——这也正是它能处理「托管运行永远看不到的文件」的原因。模型调用会发到供应商那边，要么是官方托管模型，要么用你自己的密钥。
在你指的那个文件夹里得到一个文件——一份方案、一支视频、一组页面、一份报告——外加产出它的那些步骤，所以你能看到某个判断是在哪一步下的，只重做那一段。
