江山代有模型出，各领风骚，往往不过数月。天下大势，分久而未合：Claude Opus 5.5、GPT-6 Astra、Gemini 4 Argon、DeepSeek V4.1，壁垒分明。如何合而用之？我的做法，是把它们请进同一个 Orca 工作区，按角色分工，下面一一道来。
一、为什么选择 Orca
Orca 是围绕编码 agent 组织工作的桌面应用。它本身不是模型，任务由接入的编码工具执行。CLI 即命令行形态的 agent；Orca 另提供自己的 orca 命令，让 agent 管理工作区、读取终端输出，或操作内置浏览器。
相比 Codex 桌面端这类产品，Orca 能把不同厂商的 CLI agent 放进同一个工作区，终端、文件编辑、代码差异和浏览器都在其中，不必为每个模型各装一个客户端。
工作区既可以是 Git worktree，也可以是普通文件夹。并行改代码时，worktree 把分支和工作目录分开，各处仍连接同一个仓库，产生的改动需要审查和整合。需要提醒的是，worktree 不是进程层面的安全沙箱，agent 能做什么，由执行环境和权限决定。
二、Orca 的架构与功能
先看 Orca 的构成。按官方文档，桌面和手机是两个操作入口，agent 会话由执行宿主运行；宿主可以是本机，也可以是远程机器。工作区之下，再组织终端、编辑器、diff 和浏览器等标签。
架构图顶层，桌面之外还有手机这个入口。官方手机端文档记载，它可以查看工作区与 agent 状态、读终端输出、回复提问，也可以创建工作区、启动 agent，并在源码管理里查看和提交改动；连接的是已有的执行环境，不是在手机上另起一个云端 agent。本机桌面作宿主时需要保持可达，远程宿主则由远程机器运行会话。手机端仍在 beta，也不是完整编辑器。
官方文档说的是它能做什么；我自己用下来是这样：
三、监督、执行与交叉审计
我的分工是三个固定窗口（可以根据实际增删）：Claude 负责监督、派活和思考；Codex 负责执行、搜索和画图；agy 负责交叉审计。三者之上，由我拍板。Claude 窗口我叫总管，也就是 Orca 文档里的协调者；Codex 窗口跑的是 GPT-6.1 Sol；agy 是 Antigravity 的启动命令，窗口里跑的是 Gemini 3.8 Flash。这是我自己的配置，Orca 并不规定由谁来担任协调者或执行者。
在 Orca 里，这样的协作由 Run、Task 和 Dispatch 三个概念来记录：Run 保存协作记录与协调者的收件范围，Task 记录工作说明、依赖和状态，Dispatch 是任务的一次执行尝试。
实际用起来，就是下面这三个窗口。
分工之外，还有人的注意力。DeepSeek Harness 团队在《Super-agent 设计探索：迈向更自主的 Agent 系统》中写道，他们观察到一个人通常只能同时跟进 3 到 5 个活跃 Session。一个工作区虽有三个窗口，我只需面对总管，算作一份。我同时跟进的工作区差不多也就三个。你呢？
四、角色与模型建议
回到篇首的问题：如何合而用之？我的做法是按角色分配，以下搭配只是我的建议。
- 大脑：负责写提示词和调度。不妨用自己手上最聪明的模型，如 Claude Opus 5.5、GPT-6 Astra、Gemini 4 Argon。
- 执行：交给执行能力强的模型，如 GPT-6.1 Sol、DeepSeek-V4.1-Flash-1017、Grok 4.7、qwen3.8-max 等。
- 审计：另用一个模型做交叉审计、兜底。我常用的是 Gemini 3.8 Flash。
交叉审计的前提，是审计用的模型不同于执行的模型。仅仅换一个审计入口，背后未必换了模型，需要明确指定。
挑模型时也要看计费。我核对过上述型号的官方价格，输出每个 token 的单价是输入的 3 到 5 倍，缓存读取的单价更低。输出既然更贵，写代码、改文件这类输出量大的执行活，不妨在能胜任的模型里挑更便宜的 👀。
五、配套的 skill
前面提到的 orca 命令，还带一层编排功能：可以记录任务、把任务派给 agent、收回结果。这项功能官方标注为实验性，需先在设置里开启。有了它，多 agent 怎么协作，可以按自己的习惯来搭。
我将自己的做法整理成了 skill（给 agent 读的使用指南），放在公开仓库 agent-workflows。其中 orca-agent-tab 管派活与收口：任务留在当前会话，交给另一个窗口受监督，复用现有标签，或者完整移交给对方。
README 的两条原则是“换模型不换产品”和“加载不等于开标签”。加载 skill 只是让 agent 读取使用指南；要不要开新窗口，移交后是否仍然监督，要在任务里写明。
交给另一个窗口的任务，需要一份自足的任务合同，包含六项：
结果交回后，先核对回执和产物，再决定会话是复用、保留还是释放，清理资源后确认消息已处理。完成信号只是流程记录，并不代表交付物已经通过验收。
除了模型，工具本身也在更新。仓库里还有 orca-update，用来更新 Orca 和已经装好的 AI 命令行工具。它只在我授权后执行；更新完会复查启动、额度和原有的网络设置，并保留原有的账号与启动方式。
安装方法见仓库 README：先运行检查，再预览要为各 AI 工具建立的软链接，确认无误后正式安装。
随着时间推移，模型仍会更替，合而用之的办法也须随之调整。2026 年秋天，我用的是这一种，分享给同样在权衡的你。
下一篇会聊聊我和 agent 怎么协作：哪些交给它们，哪些由我拍板。从起草到同步上线 sanze.dev 的这套工作流，也会整理成 skill 一并分享。
感谢你读到这里。