项目地址：https://github.com/Continuum-AI-Corp/OrcaReplay
我是作者。
先说本刊读者大概都遇到过的场景：用 Claude Code / Codex / Aider / OpenHands 这类 AI agent 干活时，一旦某次运行出了问题——工具调用顺序不对、上下文被截断、同一个任务今天和昨天结果不一样——手上通常只剩一段 stdout 日志。想复盘就得付费把整轮请求再跑一遍，而重跑出来的第二次，往往已经不是第一次的现场了。
OrcaReplay 补的就是这个位置。它是一个命令行工具，以 HTTP 代理的形式夹在 agent 和模型服务之间，把这一次运行的 provider 流量（prompt、工具调用、响应、原始字节）原样录到本地 trace。录完之后，可以在完全不联系任何模型服务的前提下：
- 原样重放这一次运行，反复检查中间过程，而不是只能看结尾
- diff 两次运行的差异（换了 prompt、升级了 agent 版本之后到底哪里变了）
- 从录像里 fork 一份出来喂给另一个模型重跑，横向对比结果
几点和本刊读者的实际环境相关的：
- 纯本地：trace 写在自己的磁盘上。它不是托管服务，不需要 key，也没有日志外发，内网和离线环境一样能用
- 不挑框架：
npm i -g orcareplay（安装后命令是 orca），Node 20+，Apache-2.0。它工作在 HTTP 层，不是某个框架的插件，所以对框架没有侵入要求；OpenAI Agents SDK、LangGraph、Aider、OpenHands、Vercel AI SDK / Mastra、goose、CrewAI、LlamaIndex、Agno、AutoGen、Strands、DSPy、Haystack 等在 CI 里有覆盖
- 可以交给另一个 agent 分析：
orca mcp 把本地 trace 库通过 MCP 暴露成 list / show / checkpoints / graph / replay / compare 六个工具，让一个 agent 直接读这份录像帮你定位问题
一句话推荐理由：本刊缺的、它正好能补上的位置是——目前推荐的 AI 工具大多是"怎样让 agent 跑得更好"，而它是"在 agent 跑坏之后，你还能拿到一份可反复查看的完整现场"。
Disclosure: I maintain OrcaReplay.
项目地址：https://github.com/Continuum-AI-Corp/OrcaReplay
我是作者。
先说本刊读者大概都遇到过的场景：用 Claude Code / Codex / Aider / OpenHands 这类 AI agent 干活时，一旦某次运行出了问题——工具调用顺序不对、上下文被截断、同一个任务今天和昨天结果不一样——手上通常只剩一段 stdout 日志。想复盘就得付费把整轮请求再跑一遍，而重跑出来的第二次，往往已经不是第一次的现场了。
OrcaReplay补的就是这个位置。它是一个命令行工具，以 HTTP 代理的形式夹在 agent 和模型服务之间，把这一次运行的 provider 流量（prompt、工具调用、响应、原始字节）原样录到本地 trace。录完之后，可以在完全不联系任何模型服务的前提下：几点和本刊读者的实际环境相关的：
npm i -g orcareplay（安装后命令是orca），Node 20+，Apache-2.0。它工作在 HTTP 层，不是某个框架的插件，所以对框架没有侵入要求；OpenAI Agents SDK、LangGraph、Aider、OpenHands、Vercel AI SDK / Mastra、goose、CrewAI、LlamaIndex、Agno、AutoGen、Strands、DSPy、Haystack 等在 CI 里有覆盖orca mcp把本地 trace 库通过 MCP 暴露成 list / show / checkpoints / graph / replay / compare 六个工具，让一个 agent 直接读这份录像帮你定位问题一句话推荐理由：本刊缺的、它正好能补上的位置是——目前推荐的 AI 工具大多是"怎样让 agent 跑得更好"，而它是"在 agent 跑坏之后，你还能拿到一份可反复查看的完整现场"。
Disclosure: I maintain OrcaReplay.