32 个 AI 编排器，用七个维度的数据重新测一遍

本文数据口径：GitHub API 快照拉取于 2026 年 10 月 5 日；功能、平台、协议、价格以当日各项目官网与文档为准；性能对比引用 Databricks 2026 年 7 月 8 日发布的内部基准。这个品类迭代以周为单位，阅读时请注意时效。

从一张天梯榜说起

十月初，X 上流传一张 AI 编排器天梯榜，三十二个工具从 SS 排到 E。那份排名是作者的个人体验，标准只有三条：界面清楚、少盯着、流程别断。主观排名没有对错，但也没法复用。

名单本身有价值。它基本覆盖了 2026 年这个品类的主流项目，可以当成一个现成的样本池。所以我做了一件笨事：把三十二个项目挨个找出来，拉 GitHub 数据，查官网文档，翻第三方基准，用同一套客观维度重新过一遍。不参考任何人的主观排名，只看数据。

评测维度一共七个：社区影响力、增长速度、能力广度、开放程度、自动化能力、安全与可持续、成本。

先对齐口径：这份名单混了三类东西

比数据之前，有一个前置发现必须先摆上桌：这三十二个项目不是同一类东西。

第一类是编排器，负责任务分派、worktree 隔离、进度跟踪，比如 Orca、T3 Code、Paseo。第二类是 harness，包裹模型的那层执行壳，比如 Pi 和它的分叉 Oh My Pi，编排器要接管的正是这一层。第三类是 agent 本体，比如 Hermes Agent，一个能自己干活的通用 agent，编排只是它的能力之一。

原榜单把三类混排在一起，热度数字直接对比会失真。下面的所有数据都保留原样，但类型会逐一标注，比较时请记住这一点。

维度一：社区影响力

按 GitHub 星数排名（2026 年 10 月 5 日快照），前十名的座次和很多人的直觉对不上：

星数第一名的 Hermes Agent，主业是通用 agent runtime，编排是副业。严格意义的编排器里，第一名是 Orca，八万五千星。第四名 Herdr 值得单独说一句：它是个纯 Rust 写的终端复用器，功能极简，四万二千星说明「把多个终端 agent 聚在一个屏幕里」这个需求真实存在，而且比很多人想象的大。

三十二个项目里，二十四个有公开仓库数据，其余多为闭源商业产品，以官网信息为准。fork 数与星数基本同向。要提醒一句：星数和 fork 是关注度指标，不等同真实活跃用户。

维度二：增长速度

总量会骗人，因为项目年龄差太多。Traycer 2024 年 5 月就存在，是这个名单里资历最老的；Orca 2026 年 3 月才创建。直接比星数，等于让长跑选手和短跑选手比累计里程。

公平的算法是月均增星：星数除以存活月数。重算之后的排名：

两个结论。第一，原榜单作者的日常体验排序，和 GitHub 关注度排名明显错位，体验好坏与社区热度是两组独立信号。第二，Traycer 总量看着还行，摊到二十九个月，每月只有五十五星，动能基本停了。反过来说，增速只反映当下动能，三个月的新项目也可能明年停更，这个指标预测不了寿命。

维度三：能力广度

能力广度先对齐口径：数的是各项目官方内置和明确支持的 agent 或 harness 数量。

• Agentastic 内置五十五个 agent 定义，其中三十个支持结构化 Chat
• Paseo 官方目录四十多个（6 个原生加 36 个 ACP catalog），另可接任意 ACP agent
• Orca 官方列出三十多个常见 agent，并支持任意能在终端运行的 CLI
• Agent Orchestrator 二十七个上下
• Emdash 二十五个
• Superset 二十二个内置，加自定义 CLI
• Synara 十个，Waku 八个
• T3 Code 稳定版六个，10 月 2 日的 V2 nightly 又加入 Pi 和 ACP Registry

有一处口径要特别标注：Pi 官网写的「15+」是模型 provider 数量，跟可编排的 agent 数不是一回事，不能混进这张表。

比具体数字更要紧的是趋势。这些数字按周在变，而且 Orca、Superset、Paseo 都在从「固定支持 N 个 agent」转向「任意 CLI / ACP 开放扩展」。Orca 的说法很直白：能在终端跑，就能在 Orca 里跑。一旦开放扩展成为标配，「谁多两个、谁少三个」的排行榜就失去意义了，扩展机制本身才是这个维度的分水岭。

平台覆盖的差距同样实在。桌面、Web、移动端全端覆盖的只有三家：Orca、T3 Code、Paseo。只做 Mac 的有五个，只做终端的有四个。自动化能力的差距更大：带定时任务的至少七家，能在 CI 挂了之后自己修的，只有 Agent Orchestrator 一家。

维度四：开放程度

开放程度看开源协议，这一条直接决定二次开发和商用集成的空间。

宽松协议占多数。MIT 或 Apache 阵营二十个上下，Orca、T3 Code、Paseo、Herdr、OpenCodeX 都在列。带传染性条款的有三家：Kandev 是 AGPL，Waku 是 GPL，CodexHost 是 LGPL，商用集成之前建议让法务看一眼。Superset 是 ELv2，源码可见，商用有限制。Reliant 是 BSL 1.1，每个版本发布四年后自动转 Apache。完全闭源的三个：Conductor、Maestri、super.engineering。Clor 比较特殊，控制平面闭源，容器和技能部分开源。

对想基于这些工具做二次开发的人来说，这一个维度就能直接筛掉一半候选。

维度五：安全与可持续

两个容易被忽略的维度，放在一起说。

安全上，Hermes Agent 是个典型案例。它功能强，能自己沉淀技能，能挂各种消息平台，代价写在公开记录里：CVE 数据库收录了四十四个，4 月 11 日一名社区研究者提交的独立安全审计，列出四个严重级别加九个高危级别。这不是针对 Hermes 的指控，是通用规律：agent 的权限越大，攻击面越大。选型时要把权限模型和安全记录一起查。

可持续先看一组口径修正。GitHub API 返回的 open_issues_count 字段，实际是 open issues 与 open PR 的合计值，本文统一按「open 合计」标注。按这个口径，Hermes 的合计是四万八，社区最大，待处理量也最大；Orca 七千五，T3 Code 两千二。

维护结构是另一种风险。Paseo 各项数据都很好，但单人维护，团队采购要把巴士因子算进去。闭源项目的风险在另一头：公司方向一变，你的工作流就得跟着迁移。

维度六：成本结构

成本分三层，翻车的往往是第三层。

第一层是工具费用。多数免费。收费的里面：Traycer 每月八美元起，Maestri 十九美元，Superset 远程功能每人二十美元，Conductor Pro 五十美元含云工作区配额，Solo Pro 每年九十九美元。

第二层是模型费用。多数编排器要求自备模型账号、API 额度或已有订阅，这笔钱通常远大于工具费。

第三层是 token 消耗，最容易被忽略，也最容易失控。Databricks 7 月 8 日发布的内部基准有硬数据：在他们自己的数百万行生产代码库上，用真实合并过的 PR 当任务，同一模型、同一思考强度，只换 harness，任务通过率基本持平，但单任务成本在部分场景相差两倍以上。差距主要来自每层壳每轮喂给模型的上下文量，Pi 每轮发送的上下文约为对照组的三分之一，这也让简单 harness 多次站上性价比前沿。

结论很朴素：工具免费，token 不免费。壳的设计直接影响每月账单。

维度七：按数据分组

七个维度过完，三十二个项目按数据特征分成五组：

• 全功能桌面组：Orca、Superset、T3 Code。功能完整、社区规模大
• 自托管移动组：Paseo、Kandev。daemon 架构，手机可用（Kandev 无原生 App，手机 Web 可访问）
• 终端原生组：Pi、Oh My Pi、Herdr、Sidecar
• 治理企业组：Omnigent、HarnessRouter、Traycer
• 专用场景组：Conductor 绑 Claude 生态，Maestri 画布交互，CodexHost 寄生 Codex Desktop，Agent Orchestrator 管 PR 全流程，Emdash 接工单，Clor 做容器隔离

OpenCodeX 公开资料不足，不归入任何组。五组没有谁碾压谁，服务的是不同的工作流。

按场景选型

数据最终要落到选择上。按四类典型人群给出清单。

个人开发者，每天在桌前写代码，偶尔并行两三个任务，看三组数据就够：平台覆盖、接入数量、协议。T3 Code 全端、免费、MIT，上手成本最低。要更多 agent 选择就上 Orca。终端党重点看 Pi，Databricks 基准里它多次站上性价比前沿，但这份基准只测了 Pi，没有测 Oh My Pi，结论不能自动外推到分叉版。想把一台机器常开、从手机远程盯任务，Paseo 和 T3 Code 都能做到：Paseo 强在 daemon 自托管加端到端加密中继，T3 Code 提供 T3 Connect、局域网和 Tailscale 直连，权限请求在手机上就能批。

团队和企业场景，筛选条件换成另外三个：协议、治理能力、可持续结构。协议先刷掉 AGPL、GPL、BSL 和闭源，剩 MIT 和 Apache 阵营。治理需求看 Omnigent，策略引擎、预算熔断、云沙箱隔离都有，能让不同厂商的 agent 互相审查产出。要把 agent 能力嵌进自家产品，HarnessRouter 提供统一 API 和单容器自托管。工单驱动的团队看 Emdash，Linear 和 Jira 的工单直接派给 agent。要全流程托管的看 Agent Orchestrator，官方口径覆盖桌面、网页、移动端和云端 agent，CI 挂了它自己修。团队采购还要把维护结构算进去，单人项目数据再好看，也要有备份方案。

特殊需求对号入座：只用 Mac 且深度用 Claude Code，Conductor 的 worktree 流程打磨得最早。喜欢可视化编排，Maestri 用画布和连线代替 API。已经在用 Codex Desktop，CodexHost 能把其他十几个 agent 装进同一个窗口。苹果芯片且追求启动速度，super.engineering 冷启动五十毫秒以内，代价是闭源。想要最小化的东西，Herdr 是纯 Rust 终端复用器。同时付着 Claude 和 Codex 两份订阅的，Clor 能把两个官方 CLI 装进隔离容器里统一调度。成本敏感、仓库又大的，优先看上下文效率，Pi 在 Databricks 基准里的表现就是冲这个场景来的。

完整对照表：

两条边界

收尾前，把这份数据的边界说清楚。

第一，星数和增速是关注度指标，跟质量是两回事。热度高的项目照样可以有半成品的功能，而且这份名单把 agent、harness 和编排器混在了一起，任何跨类型比较都要先对齐口径。

第二，这份快照是 10 月 5 日的。这个品类的迭代以周为单位：Paseo 八月底还在换协议，Orca 半年从零涨到八万五千星，Agentastic 的内置数一周内就能多出三个。任何固定排名都有保质期，这篇文章也不例外。

所以正确的用法不是抄排名，是把这七个维度当成自己的筛选器：输入你的场景，输出候选名单，然后亲手试两天。数据负责缩小范围，体验负责最终决定。

附录：社区影响力完整矩阵

闭源或未公开仓库（Conductor、Maestri、super.engineering、Solo、Jean、Agentastic、HarnessRouter、Clor）无公开数据，以官网信息为准。

数据来源说明：星数、fork、创建时间为 2026-10-05 GitHub API 快照；月均增星为派生计算值；功能、协议、价格以各项目官网与文档当日状态为准；Databricks 基准发布于 2026-07-08。