夜雨聆风如果你对 Claude Code / Codex 这类 coding agent 的真实体验是：不停复制粘贴 prompt、上下文一断就“失忆”、跑任务像在值班——那你大概率会喜欢这两款今年很“出圈”的开源项目：Cabinet 与 Multica。
它们解决的是同一件事：让 AI 不再只是聊天工具，而是“可管理、可沉淀、可协作”的团队成员。
一句话先讲清楚：它们分别是什么？
• Cabinet（hilash/cabinet）：一个“AI 优先”的本地文件型知识库（Markdown on disk），再加上一支可以常驻运行、定时执行任务的 Agent 团队。定位更像“个人/小团队的 AI-first Startup OS”。 • Repo：https://github.com/hilash/cabinet • 官网：https://runcabinet.com/ • Multica（multica-ai/multica）：一个开源的 Managed Agents 平台，把 coding agent 变成“像同事一样可分配任务”的队友：出现在看板里、自己更新状态、主动报阻塞、并把解决方案沉淀为团队可复用的 Skills。定位更像“人类 + Agent 团队的项目管理与执行基础设施”。 • Repo（中文 README）：https://github.com/multica-ai/multica/blob/main/README.zh-CN.md • 官网：https://multica.ai
为什么现在需要「AI 队友」而不是「AI 聊天」？
很多团队已经在用 Claude / ChatGPT 写代码、做调研、出文案，但痛点也越来越一致：
1. 上下文一次性：换个对话窗口，AI 就忘了你们上周讨论的决策、资料、代码结构。 2. 执行不可靠：agent 一卡住，你只能等、催、重跑；甚至半夜被失败日志“叫醒”。 3. 能力不沉淀：今天 prompt 调得很顺，明天换人/换项目又从零开始。
Cabinet 和 Multica 走了两条不同但互补的路线：
• Cabinet 先补上“脑子”：知识库与文件系统即真相（source of truth），让 AI 团队能长期读写、积累与复盘。 • Multica 先补上“组织”：把 agent 纳入标准化的任务生命周期，像管理同事一样管理 agent 的工作、状态与技能。
Cabinet：把「知识库」做成真正的 AI 工作台（而不是文档仓库）
Cabinet 的核心主张是：Everything lives as markdown files on disk. No database. No vendor lock-in.（一切都在磁盘上的 Markdown 文件里：无数据库、无厂商锁定。）
来自官网的一个典型用例，非常“产品人/独立开发者”视角：
“我用它运营我的 B2C App：App Store 文案是可随时编辑的 Markdown；我有一个每小时跑的 Reddit Scout 自动汇总用户吐槽；每周的竞品任务会爬市场信息写进 /market/competitors/。我醒来就能看到简报。”
（来源：Cabinet 官网 How people actually use Cabinet：https://runcabinet.com/）
Cabinet 的特色功能（更偏「知识 + 执行」一体化）
• File-based Everything：Markdown on disk，数据可迁移、可 Git 管理。 • Git-backed History：保存自动提交，随时 diff、回滚。 • Scheduled Jobs：Cron 驱动的 Agent 自动化，真正做到“你睡觉，团队上班”。 • PDF / CSV First-Class：PDF 内嵌预览，CSV 像表格一样可编辑。 • Embedded HTML Apps（非常独特）：在任意目录里丢一个 index.html，Cabinet 直接以 iframe 渲染为可交互应用；你甚至可以让 AI 直接把 dashboard 写进知识库里。• 官网原话强调：这是 Cabinet 与 Obsidian/Notion 这类工具的最大差异之一。
一个“真实冷启动”的社交证明
Cabinet 作者 Hila Shmuel 的 launch 帖里，用非常“凌晨赶工”的方式，讲清了产品的起点：
• 她凌晨看到 Karpathy 关于 LLM + KB 的讨论，意识到“这就是我在做的东西”，于是 4AM 决定发布、5AM 录 demo、6AM 买域名、7AM 发帖。 • 帖子里还公开了非常具体的早期数据（npm 下载、GitHub star、网站访问等），以及一个朴素结论：“LLM 很强，但缺少真正的 knowledge base layer。”
来源（Cabinet launch 贴）：https://x.com/HilaShmuel/status/2040549230813520058
Multica：把 coding agents 变成“可管理的员工”，并让技能复利
Multica 在中文 README 的第一句话就很直接：
“你的下一批员工，不是人类。”
它把 coding agent 放进了标准化的团队协作范式里：Issue → 分配 → 认领 → 执行 → 完成/失败 → 复盘沉淀。
Multica 的核心特色（更偏「组织 + 执行基础设施」）
• Agent 即队友：像分配给同事一样分配给 Agent；Agent 有档案、出现在看板上、会评论、会改状态、会报阻塞。 • 自主执行 + 实时推送：通过 WebSocket 实时 streaming，任务生命周期透明可追踪。 • 可复用技能（Skills）：每次解决方案都能沉淀成技能包，团队所有 Agent 共享使用，形成复利。 • 统一运行时（Unified Runtimes）：一个控制台管理本地 daemon 与云端 runtime；自动检测可用 CLI（Claude Code / Codex / OpenClaw / OpenCode）。 • 多工作区隔离：按团队/项目隔离 Agent、Issue 与设置。
（来源：Multica 中文 README：https://github.com/multica-ai/multica/blob/main/README.zh-CN.md）
官网 Demo：一句话就能看懂“像管理同事一样管理 Agent”
Multica 官网直接给了一个完整的“看板 + 对话 + 状态流转”示例：
• Issue：Refactor API error handling middleware（统一 API 错误处理） • 人类（Alex Rivera）分配任务给 Claude • Claude 自动更新状态，并在评论里汇报：“我已经在 14 个 handler 里统一了错误格式，PR #43 待 review。”
来源（官网 Demo 区块）：https://multica.ai
视频演示（适合媒体引用）
这里整理一个“官方解释 + 产品化叙事很完整”的视频链接：
• YouTube：https://www.youtube.com/watch?v=U9fRERckrIs • 视频里一句很抓人的开场： • “What if your coding agents could work alongside you like real teammates? … You’re not building product anymore. You’re babysitting infrastructure.” • 以及对 Multica 的定义：“Think of it as project management for AI coding agents.”
（注：以上为视频语音转写提炼，原视频为英文。）
社交证明：LinkedIn 上的“雇佣隐喻”与产品定位
Multica 在 LinkedIn 的发布贴，用“雇佣 10 个员工可能都不是人类”作为标题，把产品定位讲得非常清楚：
• “Most agent tools treat AI like a chatbot you babysit. This one treats them like employees you manage.” • 并列出 4 点差异：Agent 出现在项目看板、全生命周期自主运行、解决方案沉淀为技能、一个 dashboard 管理本地+云端运行时。
来源（LinkedIn 发布贴）：https://www.linkedin.com/posts/eric-vyacheslav-156273169_your-next-10-hires-might-not-be-human-multica-activity-7448988453775630336-VRPX
典型使用场景：谁更适合用 Cabinet？谁更适合用 Multica？
你更像在解决「知识与资产」问题：选 Cabinet
适合：独立开发者、创业小队、产品/增长/研究类工作、内容生产、投研与持续情报。
• 你要的不是“跑一次任务”，而是长期的“资料—结论—行动—复盘”闭环 • 你希望所有内容都能落到文件系统里，Git 版本可追踪、可迁移 • 你想把 dashboard/工具直接“装进知识库”里（Embedded HTML Apps）
你更像在解决「执行与管理」问题：选 Multica
适合：工程团队、DevOps、需要批量交付的项目、对任务状态透明度要求高的团队。
• 你要的是：Agent 自己跑起来，失败要可追踪、阻塞要会主动报 • 你希望把最佳实践变成技能库，让“团队能力复利”成为现实 • 你有多运行时（本地/云端）与多 agent provider，需要统一管理面板
更有想象力的组合打法：Cabinet × Multica
如果把两者放在同一张图里，它们其实是互补的：
• Cabinet 更像“团队的长期记忆 + 可编排的知识资产” • Multica 更像“团队的执行系统 + Agent 生产力中台”
很多团队真正缺的，是“记忆层（KB）”与“管理层（Managed Agents）”同时存在——这也是它们能在短时间内引发共鸣的原因。
快速开始（给想立刻试的人）
• Cabinet： • Repo：https://github.com/hilash/cabinet • 官网：https://runcabinet.com/ • Multica： • 云服务入口：https://multica.ai/app • 自部署指南：https://github.com/multica-ai/multica/blob/main/SELF_HOSTING.md • CLI / Daemon：https://github.com/multica-ai/multica/blob/main/CLI_AND_DAEMON.md
写在最后：这不是“又一个 Agent 工具”，而是团队形态的变化
Cabinet 的 launch 贴里那句“LLM 缺少真正的 knowledge base layer”，以及 Multica 的“把 agent 当作员工管理”，都指向一个趋势：
未来最值钱的不是某个模型，而是你如何把知识沉淀下来、把能力打包成技能、把执行交给可管理的 Agent 团队。
如果你正在做 AI 工具、做研发效率、做团队协作，或者只是想让自己少一点“夜里值班式”地陪跑 agent——这两款开源项目都值得放进你的雷达里。
