Um agente em um terminal equivale a uma unidade de trabalho. Você insere o prompt, espera, revisa e manda outro prompt. O agente é rápido; o gargalo é você. A solução óbvia é rodar vários ao mesmo tempo, mas o problema evidente é que agentes editando a mesma árvore de trabalho entram em conflito e destroem o código uns dos outros.
O Orca resolve isso muito bem. É um aplicativo desktop da Stably para executar uma frota de agentes de programação, cada um em seu próprio git worktree, com 58.464 estrelas no GitHub e licença MIT. Se você trabalha sozinho e quer mais produtividade agora mesmo, ele é uma excelente opção — e este artigo não vai tentar convencê-lo do contrário. O que ele não faz é dar visibilidade a esse trabalho para outras pessoas, o que já é outra história.
TL;DR
Este é um dos cinco artigos detalhados da nossa análise sobre ferramentas de código aberto que ampliam agentes de programação.
O Orca executa Codex, Claude Code, OpenCode, Cursor CLI e praticamente qualquer agente de linha de comando lado a lado, cada um em um git worktree isolado, aproveitando as assinaturas que você já possui. Ele inclui divisão de terminais (splits), anotação de diffs, worktrees remotos via SSH, um modo de design com Chromium, navegação integrada ao GitHub e Linear, além de um app companion para celular. Para uma pessoa trabalhando sozinha, é excelente. Para uma equipe, o histórico do trabalho continua restrito ao scrollback do terminal em uma única máquina — e é exatamente aí que surge a necessidade de um sistema de trabalho compartilhado.
O que ele faz
A premissa fundamental é simples: um worktree por agente. Os git worktrees permitem que um mesmo repositório tenha múltiplos diretórios de trabalho ativos simultaneamente, permitindo que cinco agentes atuem no mesmo repositório sem interferir nos arquivos uns dos outros. É exatamente o mesmo mecanismo por trás dos worktrees isolados para execuções paralelas, e essa é a base técnica ideal.
O padrão que isso viabiliza é o fan-out: enviar o mesmo prompt para vários agentes, comparar os resultados e fazer o merge da solução vencedora. Em problemas genuinamente ambíguos, três tentativas com três modelos diferentes falharão de maneiras distintas — e escolher a melhor entre as três é muito mais eficiente do que ficar iterando em cima da primeira.
| Recurso | O que ele oferece |
|---|---|
| Worktrees paralelos | Múltiplos agentes no mesmo repositório, com isolamento total |
| Divisão de terminais | Renderização em WebGL e histórico do terminal preservado após reinicializações |
| Anotação de diffs de IA | Comentários linha por linha enviados de volta ao agente |
| Worktrees via SSH | Agentes rodando em uma máquina remota mais potente, com reconexão automática |
| Modo design | Clique em um elemento de interface para enviar HTML, CSS e uma captura de tela no prompt |
| GitHub e Linear | Navegue por PRs, issues e quadros, abrindo um worktree diretamente de uma tarefa |
| Monitoramento de uso | Limites e horários de reset do Claude e Codex, com troca dinâmica de contas |
| Companion mobile | Notificações e acompanhamento direto pelo celular |
O alternador de contas merece um destaque especial. Executar cinco agentes em paralelo significa atingir limites de taxa (rate limits) rapidamente, e ver o tempo de reset diretamente no aplicativo faz toda a diferença entre se planejar com antecedência ou ser interrompido no meio de uma tarefa.
A instalação pode ser feita por download direto, Homebrew cask ou pacote AUR, além do comando orca serve para servidores Linux headless.
Quando a abordagem de fan-out vale a pena
O paralelismo tem um custo, e o pior cenário é gastar cinco vezes mais tokens para obter cinco versões da mesma resposta.
Utilize o fan-out quando uma tarefa tiver várias abordagens válidas: uma refatoração no gerenciamento de estado, a integração de uma biblioteca desconhecida ou um problema de desempenho cujo gargalo ainda não foi identificado. O verdadeiro valor está na diversidade dos resultados.
Utilize um único agente quando a tarefa for bem especificada. Adicionar um campo a um endpoint ou escrever um handler seguindo o padrão de quatro outros já existentes gerará apenas cinco diffs quase idênticos — e uma fatura desperdiçada.
Faça o fan-out variando os modelos, e não apenas repetindo execuções do mesmo modelo. Três instâncias do mesmo agente tendem a convergir para soluções muito parecidas. Três agentes diferentes divergem, pois a diferença vem do treinamento de cada um, e não apenas de variações de amostragem.
Defina os critérios de aceite antes de começar. Se você não souber de antemão como deve ser a solução correta, acabará escolhendo a vencedora por pura estética.
Onde o modelo de operador único atinge seu limite
O Orca é um cockpit excelente para uma pessoa. Tudo fica na sua máquina: os worktrees, as sessões, os diffs e o histórico do terminal, que continua salvo mesmo após reiniciar. Isso funciona perfeitamente para o trabalho solo.
Contudo, essa abordagem atinge um limite assim que uma segunda pessoa entra na jogada. Imagine que você execute cinco agentes na quinta-feira. Na segunda-feira, um colega pergunta por que a lógica de repetição (retry) mudou no cliente de pagamentos. A resposta está em uma aba de terminal no seu laptop — se aquele worktree ainda estiver aberto. O prompt que gerou o código já se perdeu, e o único registro duradouro é uma mensagem de commit gerada por um modelo de IA.
Um prompt não é um registro formal. Um cockpit não é um sistema de trabalho. Isso não é um defeito do Orca, mas sim o limite natural do que um aplicativo desktop voltado a um único operador foi projetado para comportar.
Isolamento por painel ou isolamento por Tarefa
O Sharkly e o Orca compartilham mais da mesma filosofia do que os nomes das categorias sugerem. Ambos isolam o ambiente de trabalho para que agentes paralelos não entrem em conflito. Ambos executam as ferramentas de programação que você já tem instaladas em vez de substituí-las, e o consumo de modelos continua ocorrendo por meio das assinaturas ou chaves de API já configuradas nessas ferramentas.
A diferença está na unidade de isolamento adotada.
A Tarefa (Task) é a unidade principal de trabalho no Sharkly. As alterações no repositório ocorrem em um diretório isolado e em um git worktree por execução de Tarefa. Assim, o mesmo mecanismo que isola os painéis do Orca mantém o trabalho atribuído isolado, mas em uma estrutura visível para toda a equipe.
Cada componente desempenha um papel específico. O Agent define como o trabalho deve ser conduzido. O Computer fornece a máquina host e os recursos locais. O Runtime gerencia a sessão propriamente dita do agente. E a Tarefa permanece como o registro compartilhado.
O Sharkly não substitui o Claude Code, o Codex ou o Orca como ambiente de desenvolvimento local. Ele adiciona uma camada de tarefas compartilhadas, Computer, contexto, controle e revisão sobre as ferramentas que sua equipe já utiliza.
Dessa estrutura decorrem duas capacidades que vão além do escopo de um cockpit para operador único. Uma Crew é um grupo reutilizável de Pessoas e Agentes coordenado por um Agente líder. Com isso, o fan-out ganha uma etapa de síntese: o líder interpreta o objetivo, aciona os membros necessários e consolida os resultados em uma única Tarefa, em vez de deixar cinco diffs para você avaliar sozinho. Além disso, uma Tarefa no Backlog não inicia uma execução de imediato, permitindo que o trabalho seja planejado e aprovado antes de qualquer código rodar.
A execução, os impedimentos, os resultados e as discussões posteriores retornam à linha do tempo da tarefa. Na segunda-feira, a resposta para aquela pergunta já estará registrada — sem depender de gravações de tela ou da memória de alguém.
Como escolher
Use o Orca quando você trabalhar de forma autônoma, for o único responsável pela entrega de ponta a ponta e o gargalo for a quantidade de agentes que consegue gerenciar ao mesmo tempo. É a melhor ferramenta desktop para essa finalidade e vale a pena instalar hoje mesmo.
Use um sistema de trabalho compartilhado quando outra pessoa precisar saber o que os agentes fizeram, quando a revisão for obrigatória antes do lançamento ou quando alguém puder perguntar, daqui a três meses, o que mudou e o motivo. O divisor de águas não é o tamanho da equipe, mas se o histórico precisa durar mais tempo do que a sessão de terminal.
Muitas equipes utilizam ambos, e eles se complementam perfeitamente. Os agentes pesquisam, executam, testam e relatam. As pessoas definem a direção, concedem autorizações e validam o resultado.
Perguntas frequentes
Quais agentes o Orca executa? Qualquer agente de linha de comando (CLI). Claude Code, Codex, Cursor CLI, Copilot CLI, OpenCode, Grok, Amp, Pi, Devin, Goose, Cline, Continue, Kimi, Qwen Code e outros são explicitamente suportados.
Preciso de assinaturas adicionais para rodar agentes em paralelo? Não. O Orca utiliza as contas que você já possui. Ao rodar vários agentes simultaneamente, você poderá atingir os limites de taxa (rate limits) dos seus planos — o que é uma questão do seu plano de assinatura, e não da ferramenta.
É seguro executar cinco agentes no mesmo repositório? Sim, para os arquivos, já que cada um recebe seu próprio worktree. No entanto, o estado compartilhado fora do repositório — como bancos de dados, servidores de desenvolvimento e portas de rede — continua sendo sua responsabilidade gerenciar.
Como escolher entre os diffs gerados? Execute a mesma suíte de testes em cada um deles e deixe que ela decida. Se os seus testes não forem suficientes para diferenciar as soluções propostas, resolva isso antes de escalar o fan-out.
Orca ou Sharkly? Eles atuam em camadas diferentes e se complementam. O Orca é a ferramenta onde uma pessoa opera agentes em tempo real. O Sharkly é onde o trabalho é atribuído, rastreado e revisado por várias pessoas. Trabalhando sozinho, talvez você só precise do Orca. Confira o comparativo completo em ferramentas para gerenciar agentes de programação paralelos.
Em resumo
O Orca é a resposta mais sólida disponível para o gargalo de produtividade de um desenvolvedor trabalhando sozinho. Worktrees paralelos, terminal de verdade, anotação de diffs, execução remota e um aplicativo companion para celular formam um conjunto poderoso de ferramentas — além de utilizar suas próprias assinaturas, o que é o modelo ideal.
O que ele entrega é uma quantidade maior de soluções candidatas por hora. Isso é um avanço real quando você tem condições de compará-las e manter o registro de tudo o que foi feito. Mas quando essas etapas precisam envolver outras pessoas, o trabalho exige uma Tarefa. O Sharkly assume essa camada, aplicando o mesmo isolamento via worktrees à unidade de trabalho que toda a equipe pode acompanhar.
