Topic Archive
23 articles
Orca computer use 真机验收复盘：15 项任务的 harness 怎么跑（PTY 里的真实 TUI、从渲染出来的面板读授权、独立核验、清理核查）、前五次运行为什么都死在 harness 自己身上、基线的 37 和 40 个工具错误分别来自 bash 绕路、没有 AX 窗口的窗口编号和系统设置的 AXRaise，可靠性修复（可用窗口、带下一步的错误、无窗口快捷键、AXRaise 回退、失败预算）把错误降到 8、9 个，以及为什么一个改动至少要跑两轮。
Orca v0.5.14 computer use 窗口边界复盘：窗口归属怎么判定（本轮第一个 computer 调用时拍快照）、逐窗口审批目标 bundle#window:<id> 和规则匹配、拒绝之后为什么让本轮继续、驱动层的四道过滤（托盘 app、桌面、Chrome 同尺寸窗口、辅助窗口）、作用于整个 app 的快捷键（包括 Quit and Keep Windows）、三次真机验收的结果，以及一句 Esc 的说明为什么改了三遍。
一次 macOS 测试变慢的排查：host_supported 调用 NSProcessInfo.operatingSystemVersion，CoreFoundation 为了本地化版本字符串去找主 bundle 的 .lproj 目录，裸可执行文件的主 bundle 就是它所在的目录；target/debug/deps 里有 94.7 万个条目（94 万个 .o，来自 macOS 上 dev 构建默认的 split-debuginfo=unpacked）；用一个只调用一次 operatingSystemVersion 的小程序测出空目录 2 毫秒、30 万个文件 290 毫秒、真实目录 13.6 秒；以及前两次为什么都对上了症状却没找到原因。
Orca v0.5.5 上下文预算复盘：max_tokens 384K 与压缩阈值不一致造成的死区、pinned 通知让整轮无法压缩、对照 dsh 与 Codewhale 的做法、按思考强度设定回复预留并逐请求裁剪、以 API 用量为锚测量提示大小、按工具平衡单元切分当前轮、紧急压缩只采用真正变小的结果，以及实现中把同一份偏差扣了两次的弯路。
Orca v0.5.4 git 写授权复盘：.git 在沙箱里为什么必须只读、为什么不能凭命令输出判断沙箱拒绝、Codex 让模型自己申请 require_escalated 而 DeepSeek 不申请、运行前识别 git 写命令的四种判定、单条命令授权只放开 index 与 objects 而保持 config、hooks、modules 只读、Seatbelt 与 bwrap 的做法和 Windows 的退路、「本会话允许」只记开关不记目录，以及 husky 留下的口子。
Orca 两轮 Terminal-Bench 2.0 评测复盘：指令在 argv 里导致 Agent 被自己的 /proc 扫描 kill -9（exit 137）、lifetime workspace 服务在会话结束时被 terminate_all 一并取消、修复只把指令从 orca 的 argv 挪到 sh -c 的 argv（exit 143）、Harbor 均分与 scored-only 与基础设施复跑三种口径、环境启动超时泄漏容器，以及把评测探针和台账收进仓库之后探针自己也会过期。
Orca v0.5.0 终端界面改版复盘：把“生硬”拆成可指认的问题、用 HTML 交互稿评审、chrome.rs 设计 token 与颜色守卫、子代理逐任务实现与终审、审批内联与 tasks dock、Ctrl+Enter 从插到队首改成 steer、后台代理唤醒与 relay 浮点 digest、Ghostty 真终端实测、npm OIDC 发布，以及发布后才看清的投影缺口。
Orca v0.4.31 子代理运行时复盘：三档委派策略、统一准入作用域与任务树、等待时让出执行 lease、持久 outbox 交付，以及真实 DeepSeek 测试暴露的只读任务收敛问题。
从 Orca v0.4.28/29 的 full access 与问卷交互重构出发，解释运行中权限变更需要的提交点、快照隔离与专用 patch 通道，以及为什么交互校验必须由请求对象自己承担，而不是挂在调用点的模式匹配上。
从一个可伪造的沙箱拒绝信息出发，解释 Agent 权限系统为什么不能把 stderr、项目配置或 UI 响应当成授权依据，并拆解 Capability Kernel、Execution Broker、workspace identity 和 fail-closed backend 这套设计选择。
一次基于 Orca 源码和测试的 TUI 卡顿排查，记录长对话误判、流式批处理、局部投影、commit 索引、token cache 和增量渲染的修复过程。
复盘 Orca runtime-owned typed surface 重构从普通 TUI turn 到 Goal、workflow、background、ACP 和 JSONL 的完整迁移，包括原子 batch、snapshot/cursor、interaction、terminal、restart recovery 与发布验证。
复盘 Orca runtime-owned typed surface 重构：从 TUI 与 runtime 的状态分叉，到原子持久化、snapshot/cursor、request-scoped interaction、terminal settlement、restart recovery 和真实 PTY 验证。
Orca Goal Mode 第二轮重构：固定 64 轮上限误判 NoProgress，到 runtime 收回生命周期，以及 admission 矩阵如何替代无语义计数器。
复盘 Orca v0.2.46 Goal Mode 事故：session 取证、thread-local 失效、schema 与执行能力分叉，对照 Codex / Claude Code / Grok Build 重构 ownership，并用真实 DeepSeek 和 Linux CI 收口。
ChatGPT Computer Use 逆向笔记：@oai/sky 的平台路由、策略包装、动作编码、服务拉起和遥测，再沿 8 MiB 长度前缀 JSON-RPC 进原生服务、AX Tree、截图与权限边界。
本文复盘 Orca v0.2.21 的一次真实生产事故：长任务已完成并提交，但 DeepSeek 最终没有产生可见 content 或 tool call，导致 Goal 被判失败。文章涵盖日志取证、语义恢复、会话历史保护、usage 统计、失败持久化、预算治理、回归测试和正式发布。
Orca @ 文件搜索从同步 git ls-files / ignore 索引迁到 ignore + Nucleo 流式会话：对比 Claude Code 与 Codex、latest-wins、三层 stale guard、browse、warm catalog、线程所有权和百万路径门槛。
本文复盘 Orca 基于 Rust 和 ratatui 的 TUI 滚动性能重构，涵盖事件循环饥饿、Markdown 渲染缓存、消息 revision、视口虚拟化、超长会话滚动、PTY 探针和真实 DeepSeek API 验证。
本文从 Orca 一次真实 DeepSeek V4 适配出发，解释 DeepSeek-native Coding Agent 为什么需要沿着 provider 行为、tool calling 语义和 agent runtime 一起调整。文章复盘 update_plan 布尔状态归一化、reasoning_content 工具回放、DeepSeek strict mode、update_goal、glob anyOf schema、max_tokens、空响应重试、工具数量上限、系统提示瘦身和 real API 探针。
本文复盘 Orca 一次真实卡死反馈：从 session 日志定位长会话压力，到参考 Codex 和 Claude Code 的上下文处理方式，再到实现 ranged read_file、grep/glob 分页、去除旧 reasoning replay、soft compaction、tool output micro-compaction、TUI 状态提示和回归测试。
本文复盘一次 Orca 真实实践：从“从0到1复刻红色警戒游戏”的目标出发，使用 Vite、TypeScript、Phaser 3 和 Cloudflare Workers，经历 workflow 失败、系统迭代、交互优化、构建验证和部署上线，观察 Coding Agent 从生成代码走向可交付工作的关键。
这篇文章复盘 Orca 针对 DeepSeek Prefix Cache 的九轮缓存优化：从 budget hint 破坏 system prefix，到 volatile 上下文、wire 等价 token 计算、summary state、extractive compaction、remote summary 0% 命中，再到最后用真实 API 评测把主链路稳定到 99% 左右。