orca

输入 LinkedIn 链接，自动生成人物深度画像

Orca 是一个用 TypeScript 编写的开源 AI Agent，专注于对 LinkedIn 个人资料进行深度分析。它解决的是招聘、销售和商务拓展场景中手动翻看候选人/客户 LinkedIn 页面效率低、信息零散的问题。核心能力包括：自动抓取并解析目标人物的公开资料，提取职位经历、教育背景、技能标签、社交关系等结构化信息；借助大模型对资料做语义理解，生成能力画像、职业轨迹判断和潜在需求推测；以 Agent 方式编排多步分析流程，输出可直接用于招聘筛选或销售线索评估的结论。项目面向开发者，提供可扩展的分析管道，方便接入自有模型或 CRM 系统。

开源 unknown 行业应用

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1304

维护状态活跃

是否开源是

定价模式 unknown

项目数据

分类行业应用

开发团队DimiMikadze

所属国家

官网地址

GitHubhttps://github.com/DimiMikadze/orca

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议MIT

主要语言TypeScript

技术栈/模型

GitHub 星标★ 1304

30天Star增速

HF 下载量

上线时间2019-09-30 00:00:00

最近更新2026-09-19 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-22

浏览次数0

使用教程

难度：入门约 10 分钟部署方式：本地安装 5 步

环境要求

Node.js 运行环境（项目基于 Next.js 16 与 TypeScript）
pnpm 包管理器（README 使用 pnpm 安装依赖与启动）
Git（用于克隆仓库）
可访问 GitHub 的网络环境

安装与启动步骤

1克隆仓库

从 GitHub 拉取 orca 源码到本地当前目录，README 给出的仓库地址路径为全小写。
```
git clone https://github.com/dimimikadze/orca.git
```
2进入项目目录

切换到刚克隆下来的 orca 目录，后续安装和启动命令都在此目录下执行。
```
cd orca
```
3安装依赖

按 README 使用 pnpm 安装项目依赖，首次执行耗时较长，需保持网络畅通。
```
pnpm install
```
4启动开发服务

运行 pnpm dev 启动 Next.js 开发服务器，命令需保持在前台运行，不要关闭终端。
```
pnpm dev
```
5访问界面

在浏览器打开本地 3000 端口即可看到 Orca 界面，进入后按指引提供 LinkedIn 资料 URL 与想提取的洞察。

如何确认成功

浏览器访问 http://localhost:3000 能正常打开 Orca 界面，即表示服务启动成功。

常见问题

Q：能把 Orca 集成到我自己的 Node.js 项目里吗？

A：可以。README 说明核心逻辑位于 orca-ai/ 目录，是一个独立的库，可以接入任意 Node.js 项目并规模化运行。

Q：Orca 的分析流程是怎样的？

A：先提供 LinkedIn 资料 URL 并定义要提取的洞察，Orca 抓取资料、帖子、评论、互动及热门帖数据，再由 Agent 推理输出结构化洞察，必要时自主调用更多抓取工具。

Q：安装时可以用 npm 或 yarn 吗？

A：README 的安装说明只给出了 pnpm install 与 pnpm dev，未提供 npm/yarn 的用法，建议先按官方方式使用 pnpm。

Q：需要配置模型或 API Key 吗？

A：README 的安装章节未提及任何环境变量或密钥配置，只给出了克隆、装依赖、启动三步，实际接入模型前请自行查看仓库中的 orca-ai/ 目录说明。

Q：启动后页面打不开怎么办？

A：确认 pnpm dev 进程仍在运行且无报错，并访问 README 指定的 http://localhost:3000；若终端提示端口被占用，请按终端输出处理。

注意事项

README 只提供了本地开发启动方式，未涉及生产构建或部署说明。
README 未给出环境变量、模型密钥等配置项，实际用于分析前需自行确认模型接入方式。
核心分析逻辑集中在 orca-ai/ 目录，可作为独立库集成到其他 Node.js 项目。
项目技术栈为 Next.js 16、TypeScript、Tailwind CSS 与 LangChain。

核心亮点

用 Agent 编排多步分析，不只是抓取，还能生成职业轨迹与需求推断
TypeScript 实现，前端/Node 团队易二次开发和集成
面向招聘与销售线索场景，输出结构化画像而非原始文本

不足之处

依赖 LinkedIn 页面结构，平台改版或反爬策略变化可能影响可用性
作为成长中项目，文档与社区生态尚待观察

适用场景

招聘方批量筛选候选人并快速生成能力画像
销售团队分析潜在客户背景以定制外联话术
商务拓展评估合作方关键人职业轨迹与决策角色

替代项目

ScrapeGraphAI、CrewAI

项目介绍

orca 是行业应用领域的开源项目，由 DimiMikadze 开发，2019 年首次发布。

在全站 12,909 个收录项目中，它的 GitHub 星标数（1,304）位列前 30%，在行业应用分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-19。

它主要面向的使用场景是：招聘方批量筛选候选人并快速生成能力画像。同类可对比的替代方案包括 ScrapeGraphAI、CrewAI。

上一篇：open-fdd

下一篇：UCAgent