夜雨聆风戳上方蓝字“笃秀一芯”关注我
大家好，我是 笃秀一芯。
你有没有过这种体验？
用 Claude Code 或者 Codex 写代码，写得是挺快的。但你得一句话一句话地喂 prompt，盯着它跑完，把结果复制出来，再喂下一个任务。中间稍微走个神，它可能就卡住了——你也不知道，等过了半小时回来一看，报错了，白等。
更要命的是，当你同时跑三四个任务的时候，你得在四五个终端窗口之间来回切换，手动跟踪每个任务的进度。这哪是"AI 帮我干活"？这分明是"我帮 AI 打杂"。
说实话，这个问题困扰我很久了。直到我发现了 Multica——一个 GitHub 上 3 个月飙到 3.7 万 Star 的开源项目。
它的 slogan 特别有挑衅意味： "Your next 10 hires won't be human." （你的下 10 个员工，不是人类。）
听着挺狂的。但用下来之后，我觉得这话还真不夸张。
Multica 到底解决了什么问题？
先说个扎心的事实：现在市面上绝大多数 AI 编程工具——Claude Code、Codex、OpenClaw、Cursor Agent——它们本质上都是 "一次性工具" 。
什么意思？
你打开终端，输入 prompt，它执行，输出结果，结束。下一次任务？从头来。它不知道你的看板上有几个待办，不会主动跟你说"这个我卡住了"，更不会自己去认领任务。
每个 Agent 都是一座孤岛。
Multica 要做的事情很简单：把这些孤岛连成一片大陆。
它是一个开源的 Managed Agents 平台——不是又一个 AI 编程工具，而是一个 AI 编程工具的"管理层" 。你可以把它理解成 AI 版的"项目经理"，或者 Linear/Jira 的 AI 升级版。
在 Multica 的看板上，AI 智能体和人类开发者是 并列存在 的。你可以像给同事分配任务一样，把一个 Issue 指派给某个 AI Agent。然后？然后你去干别的就好了。
它会自动认领任务，在你指定的环境里写代码，实时把进度推送到看板上。卡住了？它会主动在评论区 @ 你，告诉你哪里出了问题。完成了？自动提交 PR 等你 Review。
跟指派给一个真人同事，没什么区别。
五个核心能力，逐个拆解
Agent 即队友
这是 Multica 最核心的设计理念。
每个 Agent 都有自己的"个人资料"——名字、头像、技能标签。它出现在看板的 Assignee 下拉框里，和你团队里的真人同事并列。你选它，分配任务，跟选人干活一模一样。
但 Agent 不只是"被动接活"。它能：
主动创建 Issue（比如它发现了代码里的潜在问题） 在评论区发言、讨论技术方案 主动报告阻塞："这个 API 的权限配置我拿不到，需要你帮忙" 自动更新任务状态
说白了，它不是在等你喂 prompt，而是真正在"参与项目"。
Squads 小队模式
这个功能太实用了。
当你有多个 Agent 的时候——比如一个擅长前端，一个擅长后端，一个擅长数据库——你可以把它们编成一个"小队"，选一个"队长"。以后你把任务丢给小队就行，队长会自动判断该谁来接这个活。
举个例子：你创建了一个叫 @FrontendTeam 的小队，里面有 React Agent 和 Vue Agent。当你分配一个前端任务时，队长会根据任务内容自动路由给最合适的那个。
你不用再纠结"这个活该派给谁"了。
Skills 技能复用
说实话，这是 Multica 最让我觉得有想象力的设计。
假设你的 Agent 花了 20 分钟搞定了一个数据库迁移任务——写 SQL、验证、测试，一气呵成。按照以前的逻辑，这个经验就"消失"了，下次遇到类似任务还得从头来。
但在 Multica 里，每次成功的解决方案都可以被封装成一个"技能"（Skill） 。这个技能包含代码、配置、上下文，打包成一个可复用的模块。
以后团队里任何 Agent 遇到类似任务，直接调用这个 Skill，秒上手。
一个人的经验，全团队的资产。 用的时间越长，团队的"技能库"越丰富，Agent 就越聪明。这就是 Multica 说的"能力复利"。
Autopilots 自动驾驶
有些工作是重复性的：每天跑一次代码质量扫描，每周一生成周报，每次发版前做一轮依赖检查。
以前这些需要你手动触发，或者写一堆 cron job。现在，Multica 的 Autopilot 功能让你直接设定定时任务，自动创建 Issue、自动派给 Agent、自动执行。
Agent 7×24 在线，你睡觉的时候它在干活。
统一运行时面板
你本地有台 MacBook，装了 Claude Code 和 Hermes。你的服务器上装了 Codex 和 OpenClaw。你同事的机器上有 Gemini 和 Cursor Agent。
Multica 用一个面板把这些全管起来了。
它会自动检测你机器上安装了哪些 AI CLI 工具，注册为"运行时"（Runtime）。你可以在面板上看到每个运行时的在线状态、资源使用情况、任务负载，一目了然。
更关键的是——它不绑定任何厂商。今天 Claude Code 好用你就用 Claude Code，明天 Codex 更强了你随时切过去。平台无感知，零迁移成本。
技术架构：认真看了源码，确实是生产级的
说实话，很多开源项目"看起来很美"，但代码质量一塌糊涂。Multica 不是。
它的架构很清晰：
前端：Next.js 16 + Zustand + TanStack Query，标准的现代前端方案。UI 走的是 Linear 那种简洁风格，用起来很丝滑。
后端：Go 写的，用的是 Chi Router + sqlc + Gorilla WebSocket。为什么用 Go？因为它要处理大量并发的 WebSocket 连接（每个 Agent 的实时进度推送都是 WebSocket），Go 的并发模型天然适合这个场景。
数据库：PostgreSQL 17 + pgvector 扩展。pgvector 是用来存 Skill 的向量嵌入的，这样 Agent 接到任务后可以语义搜索最相关的历史 Skill。
本地守护进程：这是整个架构里最精妙的部分。Multica 的 Daemon 跑在你自己的机器上（不是云端），它负责接收服务器派发的任务，然后调用本地的 AI CLI 工具执行。这意味着——你的代码永远不会离开你的机器，Multica 的服务器只负责协调任务状态，不碰你的代码。
桌面端：Electron 包装，macOS/Windows/Linux 全平台支持。
整个项目是个 Turborepo monorepo，3800+ commits，1451 个分支，迭代极其活跃。截至今天（2026 年 6 月 30 日），最新版本是 v0.3.33，昨天还在更新。
和 Devin、SWE-agent 有什么不同？
这可能是你最关心的问题。
简单说：
Devin 是 Cognition AI 的商业产品，$500/月。它是一个"全托管的 AI 软件工程师"，有漂亮的 UI，但它是一个封闭的 SaaS 产品，你没法自托管，数据在人家手里。而且它只用自己的模型，你换不了。
SWE-agent 是普林斯顿大学的学术项目，MIT 开源，免费。但它更像一个"研究基础设施"——你需要自己配 Python 环境、管理 API Key，没有项目管理界面，没有团队协作功能。它是给你研究"AI 怎么修 bug"用的，不是给你日常开发用的。
Multica 的定位完全不同：它不造轮子，它是轮子的"调度中心"。
它自己不写代码——代码还是由 Claude Code、Codex 这些底层 Agent 来写。但它提供了一个 管理层：任务看板、团队协作、技能复用、运行时管理。它让你可以把多个 Agent 当成一个团队来管理，而不是一堆散装工具。
打个比方：Devin 是一个"全能员工"（但贵且不可控），SWE-agent 是一个"工具箱"（但需要你自己组装），Multica 是一个"项目管理平台"（让你手头的工具箱发挥出团队的效果）。
五分钟上手体验
说了这么多，怎么跑起来？
安装 CLI（Mac/Linux 一行命令）：
brew install multica-ai/tap/multica multica setupWindows 用户：irm https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.ps1| iex
然后打开浏览器去 multica.ai 注册（或者自托管的话，访问 localhost:3000）。
创建你的第一个 Agent：
在 Settings → Agents 里点 "New Agent"，选一个 Runtime（比如你本地的 Claude Code），起个名字，写几句指令。
分配第一个任务：
在 Issue 看板创建一个任务，Assignee 选你刚创建的 Agent。保存。
然后？然后你就可以去泡杯咖啡了。Agent 会自动认领、写代码、更新进度。你回来就能在看板上看到结果了。
就这么简单。
说点真话：优点和短板
优点很突出：
把"调度 AI 干活"这件最麻烦的事自动化了 开源、可自托管、数据不出内网 不绑定厂商，随时切换底层 Agent Skills 技能复用机制是真正的护城河 两个工程师 + 一队 Agent，真能干出十个人的活
短板也得正视：
它本质是个调度平台，真正的编程能力取决于你接的底层 AI 模型 自托管需要 Docker + PostgreSQL，对纯小白不太友好 项目迭代非常猛（3800+ commits），稳定性还在打磨中，生产环境建议锁定稳定版本 目前对 Codex 的支持还有些小问题（社区有人反馈过）
适合谁？
2-10 人的技术团队，已经在用 AI 写代码，但被"喂饭式"操作折磨的 对数据安全有要求、需要自托管的企业 想把 AI 编程从"个人玩具"升级成"团队协作基础设施"的
最后说两句
Multica 的出现让我意识到一件事：AI 编程的下一个瓶颈，不是模型能力，而是协作方式。
模型已经够强了。但你怎么让 5 个 Agent 同时干活、互不冲突、互相学习、有人管有人盯？这个问题之前没人认真解决过。
Multica 给出了一个很优雅的答案。它不是最完美的，但它是目前开源社区里最接近"人机混合团队操作系统"的东西。
如果你已经在用 AI 写代码，又被反复"喂饭"折磨，真的建议试一下。
