Orkas: Đội AI agent local-first chạy trên desktop

Cơn đau quen thuộc: công việc dang dở khi mỗi AI agent chỉ sống trong một phiên chat

Chiều thứ Sáu, bạn mở lại ba cửa sổ chat từ đầu tuần: Claude Code viết dở tính năng, Codex sửa bug chưa xong, OpenCode ghi chú ý tưởng tài liệu. Không phiên nào nhớ việc kia đang làm gì. Bạn phải nhắc lại bối cảnh, dán lại file, giải thích lại quyết định đã chốt hôm thứ Ba. Sáng thứ Hai, việc tồn đọng vẫn nằm rải rác trong đầu bạn, file nháp và lịch nhắc tay, còn các agent thì đã “quên” hết khi phiên chat đóng lại.

Vấn đề không phải agent kém, mà là thiếu tính liên tục: không ai giữ bức tranh chung, không có danh sách việc chung, không có lịch lặp để việc tự tiếp tục sang ngày hôm sau. Nếu các agent làm việc như một đội có trí nhớ dự án, danh sách việc và lịch lặp thì sao? Orkas là một đáp án cho câu hỏi đó — một đáp án cần kiểm chứng, không phải một lời hứa.

Orkas là gì và giải quyết vấn đề nào

Commander điều phối đội agent thay vì một chatbot đơn lẻ

Orkas là ứng dụng desktop mã nguồn mở, giấy phép MIT, theo hướng local-first. Thay vì trả lời xong một câu hỏi rồi hết phiên, Orkas biến mục tiêu thành danh sách việc, giao việc cho các agent, và giữ công việc tiếp tục qua nhiều ngày. Đầu ra là file hoàn thành đưa lại cho người dùng duyệt, chứ không phải agent tự ý coi việc là xong. Mã nguồn tại kho Orkas-AI/Orkas; tại ngày kiểm tra 2026-11-05, bản mới nhất là v2026.11.4 (ngày 2026-11-04), kho có khoảng 9.023 sao và 517 fork — hãy coi đây là ảnh chụp tại ngày kiểm tra, vì con số sẽ thay đổi.

Tính liên tục của công việc đa agent

Có ba cách làm việc với AI agent. Thứ nhất là chatbot: hỏi, nhận câu trả lời, hết phiên. Thứ hai là framework orchestration như LangChain hay CrewAI: bạn tự viết code để nối các agent lại. Thứ ba, mà Orkas theo đuổi, là ứng dụng có sẵn: bạn giao mục tiêu bằng ngôn ngữ tự nhiên, ứng dụng lo điều phối, theo dõi và tiếp tục việc. Dự án, danh sách việc và lịch lặp tồn tại độc lập với từng phiên chat, nên hôm sau mở app lên, việc vẫn ở đó, đúng trạng thái, đúng file, đúng bối cảnh.

Ai nên dùng Orkas, ai chưa cần vội

Orkas hợp nhất với người đã dùng Claude Code, Codex hoặc OpenCode và muốn gom việc nhiều agent về một chỗ: DevOps/SRE, lập trình viên backend và full-stack, người chơi homelab tự host tại Việt Nam. Ngược lại, người chỉ cần hỏi đáp nhanh một lần thì không cần tới Orkas, và người cần agent chạy 24/7 trên cloud, kể cả khi máy cá nhân tắt, cũng chưa phải đối tượng phù hợp.

Kiến trúc Orkas: Commander, 16 chuyên gia và các agent CLI ngoài

Commander lập kế hoạch, giao việc, tổng hợp kết quả

Commander là agent điều phối trung tâm: nhận mục tiêu, lập kế hoạch, chia nhỏ thành việc, giao việc chuyên môn cho agent phù hợp, tự xử lý phần việc chung, rồi tổng hợp kết quả thành file hoàn thành. Cơ chế giao việc được đặt tên trong tài liệu của dự án là dispatch_to, hand_off_to và run_worker. Phần này mình chưa chạy thử thực tế, chỉ đối chiếu tài liệu, nên hãy đọc nó như mô tả thiết kế, chưa phải kết quả đo kiểm.

16 agent chuyên gia tích hợp sẵn và marketplace 30+ agent

16 agent chia thành bốn nhóm: nghiên cứu (DeepResearcher, SeoGeoAgent, StockAnalyser); nội dung và truyền thông (ContentWriter, PptMaker, ImageStudio, VideoStudio, VoiceStudio); xây dựng và văn phòng (UIDesigner, ProductDeveloper, OfficeWorker); thương mại điện tử (5 agent ECommerce). Ngoài ra còn có marketplace với hơn 30 agent, và Commander có thể tạo agent tùy chỉnh từ mô tả vai trò. Lưu ý: VoiceStudio ở đây là agent nội bộ của Orkas, khác công cụ trong bài VoiceStudio chạy local với ElevenLabs đã đăng trước đó trên blog này.

Agent CLI ngoài chạy như phiên local

Orkas không thay thế các coding agent bạn đã quen. Nó chạy Claude Code, Codex, OpenCode, OpenClaw và Hermes-Agent như các phiên local, tức tiến trình con trên chính máy của bạn, và dùng chúng như thành viên trong đội. Công cụ mã nguồn mở khác, ví dụ HyperFrames, cũng cắm theo cùng cách. Hệ quả: mỗi agent ngoài giữ cài đặt model, key và quyền công cụ riêng, và Orkas không tự động đồng nhất chính sách của chúng thành một chính sách duy nhất.

Projects, to-dos, Auto-advance và automation theo lịch

Projects gồm mục tiêu, quy tắc, bộ nhớ và file dùng chung cho mọi cuộc trò chuyện trong project đó. To-dos chia việc giữa người và agent, để ai cũng thấy việc nào đang chờ, đang làm, đã xong. Auto-advance để đội tự nhận việc tiếp theo khi việc trước hoàn thành. Automation chạy theo lịch giờ, ngày, tuần hoặc tháng cho việc lặp lại. Từ phiên bản 1.9, mỗi automation bắt kịp lần chạy gần nhất bị lỡ trong vòng 12 giờ khi máy tỉnh lại hoặc khi Orkas khởi động. Đây là ranh giới khả dụng của hệ thống, không phải lịch chạy trên cloud.

Lớp dữ liệu local-first và lớp model: hai lớp cần tách bạch

Đây là điểm mà theo mình nhiều người dễ hiểu sai nhất về Orkas. Lớp lưu trữ đúng là local-first: hội thoại, file, knowledge base và agent tùy chỉnh nằm trên đĩa theo mặc định; key nhà cung cấp được mã hóa local và loại khỏi cloud sync. Tính năng Library dùng chỉ mục vector SQLite chạy local, embedding chạy trên máy, và câu trả lời kèm trích dẫn đoạn nguồn để kiểm chứng lại được.

Lớp model có ba đường đi: model Orkas tích hợp qua dịch vụ quản lý model của Orkas; key riêng của bạn — Claude, OpenAI, Gemini, DeepSeek, Kimi, GLM, Qwen, MiniMax, Doubao — gọi thẳng từ máy tới nhà cung cấp; endpoint tương thích OpenAI chạy local, ví dụ Ollama hoặc LM Studio. Kết luận: local-first mô tả nơi lưu trữ và cấu hình mặc định, không đồng nghĩa mọi lệnh gọi model đều không rời khỏi máy. Chỉ đường endpoint local mới thực sự không rời máy.

Sơ đồ duy nhất: từ mục tiêu tới file hoàn thành qua Commander

flowchart TD
    A["Muc tieu"] --> B["Commander: ke hoach, giao viec, tong hop"]
    B --> C["16 agent chuyen gia"]
    B --> D["Agent CLI ngoai, subprocess rieng: Claude Code, Codex, OpenCode, OpenClaw, Hermes-Agent"]
    C --> E["File ket qua"]
    D --> E
    E --> F["Nguoi duyet: bat buoc truoc khi xong"]
    G["Nen: Projects + to-dos + Auto-advance + automation gio, ngay, tuan, thang - bat kip 12 gio"]
    H["Luu tru: dia local, Library SQLite, key ma hoa local"]
    I["Model: Orkas tich hop; key rieng; endpoint local OpenAI"]
    B -.-> G
    B -.-> H
    B -.-> I

Sơ đồ nói được ba điều: Orkas là lớp điều phối, không phải model; agent ngoài nằm ngoài biên kiểm soát trực tiếp của Orkas vì chúng chạy trong subprocess riêng với quyền riêng; automation chỉ chạy khi máy thức — một giới hạn thiết kế, không phải lỗi cấu hình.

Giới hạn kỹ thuật không được làm mềm

Máy phải thức thì Auto-advance và automation mới chạy; khi máy tắt, không có gì chạy hộ trên cloud. Shared projects, cloud sync và xuất bản web app chỉ có ở bản đóng gói, chưa có ở bản mã nguồn mở. Web app đã xuất bản cần gói trả phí — Lite 5 app, Pro 8 app, Max 15 app — và không bao gồm mọi tính năng trong app. Và Orkas tự nó không phải là một model.

Hướng dẫn cài đặt Orkas

Điều kiện tiên quyết

Bản đóng gói hỗ trợ macOS 12 trở lên, cả Apple Silicon và Intel, và Windows 10 trở lên. Chạy từ source là cách chạy trên Linux hiện tại, hỗ trợ macOS, Windows 10 trở lên và Linux glibc 2.34 trở lên, kiến trúc x64 và arm64. Các bản phân phối dựa trên Alpine hoặc musl không được hỗ trợ. Bản source cần Node 22.12 trở lên — tài liệu lưu ý dùng Node 24 LTS khi gặp lỗi native dependency — cùng Python 3 và toolchain C/C++ cho trường hợp hiếm phải biên dịch native module từ source.

Bản đóng gói và bản chạy từ source

Bản đóng gói, khuyến nghị cho đa số người đọc: tải installer từ https://orkas.ai/download/, liên kết này tự nhận hệ điều hành và bắt đầu tải installer phù hợp. Không cần API key để bắt đầu: bản đóng gói tặng 500 credit cho model Orkas tích hợp, nhưng cần đăng nhập tài khoản. Đây là ưu đãi theo tài liệu của dự án, chưa được kiểm chứng bằng tài khoản thực.

Bản source, đúng lệnh đã đối chiếu tài liệu, không sửa:

git clone https://github.com/Orkas-AI/Orkas.git
cd Orkas
./run.sh

Trên Windows, thay ./run.sh bằng run.cmd. Sau đó vào Settings → AI Providers để thêm key hoặc endpoint local. Đường dẫn thêm model local là Account settings → Models → Chat → Add model → Custom, chọn chuẩn tương thích OpenAI hoặc Anthropic, điền base URL, đúng model ID và API key. Bản source không có lớp tài khoản, khởi động thẳng vào app.

Lần chạy đầu tiên và lệnh kiểm chứng

Lần chạy đầu tạo workspace ~/.orkas/ trên macOS và Linux, hoặc ổ đĩa không phải hệ thống nhỏ nhất :\.orkas\ trên Windows. Quá trình này chuẩn bị Python cố định, uv, Node, model embedding khoảng 95 MB, OfficeCLI, FFmpeg, whisper.cpp và model giọng nói đa ngữ. Lần đầu có thể tải lâu, đó là hành vi bình thường. Lệnh kiểm tra chỉ đọc là npm run native:check; lệnh sửa khi gặp lỗi native là npm run native:repair. Đầu ra kỳ vọng: app mở được, vào được Settings → AI Providers, thêm được key hoặc endpoint. Nếu dùng agent CLI ngoài, agent đó phải đã cài riêng và chạy được độc lập trước khi bạn giao việc qua Orkas.

Lỗi thường gặp và cách xử lý

Đánh giá kỹ thuật Orkas

Ưu điểm có căn cứ

Orkas cho sẵn lớp điều phối, người dùng không phải tự viết code orchestration. Tính liên tục qua Projects, to-dos, Auto-advance và lịch lặp giải quyết đúng cơn đau mở bài: công việc không mất bối cảnh khi phiên chat đóng lại. Người dùng tận dụng được agent CLI đã quen thay vì bị bắt bỏ chúng. Lưu trữ local và Library có trích dẫn giúp kiểm chứng nguồn thay vì tin mù. Giấy phép MIT và bản mới ngày 2026-11-04 cho thấy dự án đang được duy trì tích cực.

Nhược điểm và điểm cần dè chừng

Phụ thuộc vào một máy duy nhất phải thức là nhược điểm lớn nhất. Chi phí và độ trễ cộng dồn khi nhiều agent cùng gọi model — mỗi thành viên trong đội đều tốn lượt gọi riêng. Nút thắt duyệt của con người giới hạn quy mô đội agent: càng nhiều việc hoàn thành, càng nhiều file chờ bạn duyệt. Bản đóng gói và bản source lệch tính năng, dễ gây bất ngờ khi chuyển đổi giữa hai bản. Credit miễn phí chỉ là điểm khởi đầu, không phải chi phí vận hành dài hạn. Không có con số hiệu năng nào trong bài này, vì không có dữ liệu đo; các con số chỉ là cấu hình: 16 agent, hơn 30 agent marketplace, 500 credit, embedding khoảng 95 MB, cửa bắt kịp 12 giờ, giới hạn app Lite 5, Pro 8, Max 15.

Bảo mật: hỏi trước khi gửi, đăng, xóa — và biên giới của cam kết đó

Theo mặc định, Orkas hỏi trước khi gửi, đăng hoặc xóa bất kỳ thứ gì. Đó là một mặc định tốt, nhưng nó có biên giới. Vì agent CLI ngoài giữ quyền công cụ riêng, một lệnh gửi mail, đăng bài hay xóa file do Claude Code hoặc Codex thực thi sẽ tuân theo quyền của chính agent đó, không tự động thừa hưởng chính sách hỏi trước của Orkas. Trước khi giao việc nhạy cảm, hãy rà soát quyền của từng agent ngoài và tách việc nhạy cảm sang agent đã khóa quyền.

Connectors cũng vậy: Gmail, Google Calendar, Sheets và Drive, Notion, Slack, Shopify, Stripe và nhiều hơn nữa, mỗi cái là một bề mặt cấp quyền riêng — bật theo nhu cầu thực tế, thu hồi khi không dùng. Key mã hóa local và loại khỏi cloud sync là điểm mạnh, nhưng cần sao lưu và luân chuyển key có kế hoạch, vì mất key là phải cấu hình lại.

Vận hành, sao lưu và khả năng mở rộng

Sao lưu thực chất là sao lưu thư mục workspace và file dự án, kèm kế hoạch khôi phục key riêng vì key không đi theo cloud sync. Trước khi gỡ Orkas, giữ bản sao thư mục ~/.orkas (hoặc .orkas trên Windows) và file dự án. Gỡ Orkas không tự gỡ các agent CLI ngoài và không thu hồi key tại nhà cung cấp — muốn rút hoàn toàn, phải thu hồi key và gỡ agent ngoài riêng. Thêm agent rẻ hơn chạy nhiều việc song song trên một máy, vì CPU, RAM, mạng và giới hạn của nhà cung cấp model đều dồn về một máy duy nhất. Không có high availability hay chạy 24/7; ai cần lịch chạy không phụ thuộc máy cá nhân phải dùng giải pháp cloud khác hoặc một máy chủ luôn bật.

So sánh Orkas với lựa chọn cùng phạm vi

Các nhận định so sánh do dự án đưa ra là khung của nhà phát triển, không phải kết luận độc lập đã đo kiểm. Claude Code và Codex không phải đối thủ loại trừ — Orkas dùng chúng như thành viên trong đội. Claude Cowork và Manus đối lập về vận hành: cloud luôn chạy đối đầu với local-first và máy phải thức. LangChain và CrewAI đối lập về cách tiếp cận: tự code orchestration đối đầu với app dùng sẵn.

Về các bài liên quan trên blog này, bạn có thể đọc thêm OpenBot, coworker AI tự host, Claude-mem và bộ nhớ xuyên phiên cho AI agent để so sánh cách giữ trí nhớ qua các phiên với project memory của Orkas, và CC Switch và cách chuyển provider cho AI coding agent khi quan tâm tới việc chuyển đổi model và provider.

Trường hợp sử dụng thực tế

Nhóm phát triển phần mềm. Commander giao code cho Claude Code hoặc Codex, giao tài liệu và slide cho ContentWriter hoặc PptMaker, trả file để người duyệt, còn to-dos giữ việc qua nhiều ngày. DevOps và SRE. Automation theo lịch tổng hợp báo cáo định kỳ, rà soát việc tồn đọng hàng tuần — chỉ phù hợp khi máy chạy Orkas luôn bật. Theo mình, không nên dùng Orkas thay cron hay cloud scheduler cho hệ thống trọng yếu, vì cửa bắt kịp chỉ 12 giờ và máy tắt là lịch dừng. Homelab và self-hosters. Dùng endpoint local Ollama hoặc LM Studio cho việc nhạy cảm, key riêng cho việc cần model mạnh hơn, và giữ dữ liệu dự án trên đĩa nhà. Quản trị IT và doanh nghiệp nhỏ. Dùng cho nghiên cứu, soạn thảo và tổng hợp có trích dẫn từ Library là hợp lý; chưa nên dùng cho quy trình cần audit đầy đủ, chạy 24/7 hoặc chia sẻ dự án nhóm nếu đang dùng bản source. Trường hợp không nên dùng Orkas. Chỉ cần hỏi đáp một lần; cần agent chạy khi máy tắt; cần cộng tác nhóm có đồng bộ cloud ngay; hoặc chưa sẵn sàng quản lý key và quyền của từng agent CLI ngoài.

Kết luận

Orkas phù hợp nhất với người đã dùng coding agent và muốn một lớp điều phối local-first có trí nhớ dự án và lịch lặp trên chính máy mình. Orkas không phù hợp với người cần agent cloud 24/7, cộng tác nhóm đồng bộ ngay, hoặc hiệu năng đã đo kiểm — vì những thứ đó bài này chưa có dữ liệu để khẳng định. Bước tiếp theo: nếu dùng macOS hoặc Windows, tải bản đóng gói; nếu dùng Linux glibc, chạy từ source. Thêm một key hoặc một endpoint local, giao một dự án nhỏ có to-dos và một automation theo lịch, rồi kiểm chứng tính liên tục qua vài ngày trước khi đưa việc thật vào.

Bài học rút ra

1. Local-first mạnh nhất ở lớp lưu trữ, còn đường gọi model thì tùy lựa chọn — đừng đánh đồng hai lớp này khi đánh giá mức độ riêng tư.
2. Commander có giá trị ở tính liên tục qua Projects, to-dos và lịch lặp, không ở việc thay thế coding agent giỏi sẵn có — Orkas dùng chúng làm thành viên, không thay chúng.
3. Agent ngoài mang theo quyền và cài đặt riêng — kiểm tra quyền của từng agent trước khi giao việc nhạy cảm, vì chính sách hỏi trước của Orkas dừng ở biên subprocess.
4. Lịch automation chỉ đáng tin bằng thời gian máy thức và cửa bắt kịp 12 giờ — việc lỡ quá cửa đó sẽ không được chạy bù.
5. Bản đóng gói và bản source không tương đương tính năng — chọn bản theo nhu cầu shared projects, cloud sync và xuất bản web app, không chọn theo thói quen cài đặt.

Phạm vi kiểm chứng

Ngày kiểm tra: 2026-11-05. Đã đối chiếu với tài liệu và GitHub API chính thức của Orkas-AI/Orkas: tên dự án, giấy phép MIT, bản v2026.11.4, yêu cầu hệ thống, lệnh cài đặt, danh sách agent và connector. Các hành vi mô tả là mặc định theo tài liệu, trừ shared projects, cloud sync và xuất bản web app chỉ có ở bản đóng gói, và cửa bắt kịp 12 giờ là giới hạn có điều kiện. Các con số là cấu hình, không phải benchmark. Chưa kiểm chứng bằng cài đặt, chạy thực tế hay đo hiệu năng; so sánh là khung của nhà phát triển; số sao cần kiểm lại tại thời điểm đăng.

Tham khảo

• Kho mã nguồn và tài liệu chính thức của Orkas: https://github.com/Orkas-AI/Orkas
• Trang chủ và tải bản đóng gói: https://orkas.ai và https://orkas.ai/download/
• Các bản phát hành, gồm v2026.11.4 ngày 2026-11-04: https://github.com/Orkas-AI/Orkas/releases