夜雨聆风5个AI程序员在一起开会：Multica想让coding agent变成真正的"同事"
你有没有这种感觉——
Claude Code 很强，但跟 Codex 说了什么，它不知道。OpenClaw 干完的活，要手动复制给下一个。团队里有五六个 AI 程序员，但它们根本不互相说话。
这个问题，被一个叫 Multica 的开源项目解决了。
它是什么
Multica（github.com/multica-ai/multica）是一个开源的 Agent 管理层。35K Stars，4262 个 Fork，2026 年 1 月才上线，6 个月时间已经成为多 Agent 调度赛道最火的开源项目。
官方给自己的定位很直接：
"Turn coding agents into real teammates — assign tasks, track progress, compound skills."
翻译成人话：让 AI 程序员从"工具"变成"同事"。
为什么这件事以前没人做好
在说 Multica 之前，先说一个痛点——
当你同时跑 Claude Code、Codex、OpenClaw 时，实际情况是什么样的？
每个都是独立进程，你给 A 的上下文，B 完全不知道 A 写完的代码，不会自动转交给 B，你要手动复制粘贴 任务卡在哪了，哪个 agent 在干什么，你只能靠猜 每次都要从零开始 prompt，每个 agent 都不记得上一次发生了什么
这不叫"团队协作"，这叫同时管五个各自为战的小弟。
Multica 怎么解决这个问题
它干了几件事：
1. 所有 Agent 出现在同一块看板
你打开 Multica 的 Web 界面，每个 Agent 都像员工一样出现在看板（Board）上。有头像，有状态，有当前任务。
谁在干活（绿色 Running） 谁空闲（灰色 Idle） 谁卡住了（红色 Blocked）
一目了然，不用再去问"你干到哪了"。
2. 像分配工作一样分配任务
你创建一个 Issue，然后在 Assign 框里选择 Agent。Claude Code、Codex、OpenClaw、OpenCode、Hermes、Gemini、Kiro CLI——都可以选。
选完之后，Agent 会自动 Pick Up 这个任务，不需要你把 Prompt 复制粘贴过去。
Agent 干完之后会更新 Issue 状态，附上代码和总结。你直接看结果就行。
3. Squad 模式：编队作战
这是 Multica 最有意思的功能。
你可以把多个 Agent 编成一个 Squad，选一个当 Leader。然后把任务分配给 Squad，Leader 自己决定谁来干。
比如：
@FrontendTeam（Squad） ├── @claude-code（Leader） ├── @cursor-agent └── @kimi-agent你跟 Leader 说"做一个用户登录页面"，Leader 会自己分发给合适的成员。路由稳定，不会因为团队变大而乱掉。
4. 自动化学：用 Autopilot 定时触发任务
你可以设置定时任务（cron）或 Webhook 自动创建 Issue，然后路由给指定 Agent。
比如：
每天早上 9 点自动创建"前日 GitHub Trending 汇总"任务 → 分配给 @codex 每周五下午 5 点自动创建"代码 review"任务 → 分配给 @openclaw
人不在，AI 自动跑。
5. 技能积累：解决过的问题不再重复
每当 Agent 解决一个问题，它的方案会沉淀为"Squad 技能"。
下一个成员遇到类似问题，可以直接调用。不需要从零学习，真正的知识积累。
支持哪些 Agent
这是关键——Multica 是真正不做限定的：
注意：Codex 和 Hermes 之前没有被识别，是因为没有加到 Windows PATH 里。但这个侧面说明 Multica 的检测机制是通用的——只要在 PATH 里，它就能认出来。
怎么跑起来
安装非常快。macOS / Linux 用 Homebrew，Windows 用 PowerShell 一行命令：
irm https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.ps1 | iex装完之后跑：
multica setup它会：
打开浏览器让你登录（支持 GitHub / Google / 邮箱） 自动检测本机 PATH 上的 Agent CLI 启动后台 daemon 打开 Web 界面
全程不需要懂 Docker，不需要配置服务器，云端托管，按钮操作。
它跟 Hermes 是什么关系
有意思的是，Hermes 也在 Multica 的支持列表里。
但两者的定位不同：
- Hermes
：你的主控 Agent，负责理解需求、记忆偏好、调用工具 - Multica
：管理层，负责调度多个 Agent、追踪任务、积累技能
你可以理解为：Hermes 是老板，Multica 是 HR 系统。
老板说"这个项目要并行开发"，HR 系统（Multica）来分配任务、监督进度、汇总结果。
适合谁用
1. 独立开发者 / 小团队
同时跑五六个 AI 程序员，手动管理太累了。Multica 让你用看板方式管理它们，像管真实团队一样。
2. AI 工具研究者
想对比 Claude Code / Codex / OpenClaw 真实能力的人，Multica 提供了一个统一界面，可以横向对比任务表现。
3. 需要自动化工作流的人
Autopilot 功能让你真正实现"设置完就跑"——定时任务自动触发，Agent 自动执行，人只需要最后验收结果。
风险和局限
1. Agent 之间还是没有真正对话
虽然都在看板上，但 Agent A 知道 Agent B 在干什么，不等于它们能协作。任务交接还是靠人去 review 代码，没有自动传接机制。
2. 中文社区资料少
项目刚起来，文档和讨论大多是英文，中文用户需要有一定英文阅读能力。
3. 稳定性有待验证
6 个月的项目，35K Stars 说明有人气，但 Star 数不等于稳定性。生产环境使用需要自己承担风险。
最后
Multica 解决了一个很根本的问题：AI Agent 越来越多，但它们各自为战，没有统一的调度层。
它不是另一个"更好用的 Agent"，而是让所有 Agent 能够协同工作的基础设施。
35K Stars 是社区用脚投票的结果。它的思路——把 AI 当同事而不是工具——是对的。
下一个问题是：这套系统能不能真的规模化，让 10 个 Agent 像 1 个团队那样流畅运作？
这个问题，Multica 还在回答。
项目地址：https://github.com/multica-ai/multica 支持平台：macOS / Linux / Windows