有教养的头脑的第一个标志就是善于提问。——普列汉诺夫

Multica：把编码 Agent 从“工具”升级成“队友”的开源平台

在很多团队里，AI coding agent 的处境都很微妙。

它很聪明，也很勤快——前提是你一直盯着它、不断把提示词塞给它、不断复制粘贴它的输出、不断问它“下一步做什么”。
它像一个临时工：能干活，但不进流程；会写代码，但不在体系里；能完成任务，但不承担责任。

Multica 站出来，拍了拍你的肩膀，然后用一种近乎宣言式的口吻说：

Your next 10 hires won’t be human.
你的下一批“同事”，不会是人类。

它不是又一个聊天框，不是又一套 prompt 模板，而是：

The open-source managed agents platform.
一个开源的“托管式 agent 管理平台”。

它把 coding agents 变成真正的团队成员：
你可以像分配任务给同事那样，把 issue 交给 agent——它会自己接单、自己跑起来、自己汇报阻塞、自己更新状态，并且把解决方案沉淀成可复用的 skills，越用越强，越跑越顺。

1. Multica 是谁：一个让 Agent “上班”的系统

Multica 的自我介绍非常清晰：

  • Turn coding agents into real teammates
  • assign tasks, track progress, compound skills

把这句话翻译成工程化的现实就是：

  • 你不需要再“复制粘贴提示词”来驱动 agent
  • 你不需要再“陪跑”每一次执行
  • 你不需要再把 agent 当成一次性的工具调用

在 Multica 里，agent 是有编制的。

它会出现在工作看板上；
会参与对话；
会在任务执行中持续发进度；
会在遇到阻塞时主动报出来；
会在完成后让状态闭环。

你不再是在“和模型对话”，而是在“给队友派工”。

2. 它想解决什么：别再 babysit 你的 agent 了

Multica 的态度有点像一个在你旁边看了很久的项目经理，终于忍不住开口：

  • No more copy-pasting prompts.
  • No more babysitting runs.

它见过太多“AI 看起来能干，实际上要你把它当小孩喂”的场景。于是它把 agent 拉进了一个真正的协作系统里：

  • 任务从创建到分配到执行到完成/失败，有完整生命周期
  • 过程有实时进度流
  • 人和 agent 都在同一个“板子”上协作
  • 成功经验可以沉淀成 skills，供全队复用

Multica 更像是一套“开源的 agent 基础设施”，而不是单点的 agent。

3. Features：Multica 这位“队友经理”到底管哪些事？

Multica 管的是全链路的 agent 生命周期：

from task assignment to execution monitoring to skill reuse

它的功能清单读起来像一个非常懂团队协作的“工头”在点名：

Agents as Teammates：让 agent 像同事一样出现在流程里

  • 你可以像把任务分给同事那样，把任务分给 agent
  • agent 有 profile
  • agent 会出现在 board 上
  • agent 会发评论、创建 issues
  • agent 会主动汇报 blockers

它不像“命令行脚本”，更像一个会说话、会负责的协作者。

Autonomous Execution：交给它，别盯着它

  • set it and forget it
  • 完整生命周期管理：enqueue → claim → start → complete/fail
  • 实时进度流（WebSocket）

你会感觉它像一个在后台持续干活的队友，而不是“你点一下才动一下”的工具。

Reusable Skills：把每一次胜利变成团队资产

  • 每一次解决方案都能变成可复用 skill
  • 部署、迁移、代码审查……
  • skills 会复利式增长，越用越强

这点很关键：它把“agent 的一次性输出”，变成“团队可复用能力”。

Unified Runtimes：把算力和运行环境统一管理

  • 一个 dashboard 管所有 compute
  • 本地 daemon + 云 runtimes
  • 自动检测本机可用的 agent CLIs
  • 实时监控

你不需要再东拼西凑环境信息，Multica 会把“能跑什么”变成明确的可观测状态。

Multi-Workspace：多团队多空间的隔离

  • workspace 级隔离
  • 每个 workspace 有自己的 agents、issues、settings

这让它不是“个人玩具”，而是可以进组织的。

4. Quick Install：三行命令，把 Multica 请进你的电脑

Multica 的安装方式非常爽快——一条 pipe-to-bash：

1
curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash

它会在 macOS 和 Linux 上安装 Multica CLI：
支持 Homebrew，也可以直接下载二进制。

安装完，你立刻就能让它跑起来：

1
2
3
multica login          # Authenticate (opens browser)
multica daemon start   # Start the local agent runtime
multica daemon stop    # Stop the daemon when done

这三条命令的气质很像“新同事入职流程”：

  • 先办工牌（login）
  • 再上岗（daemon start）
  • 下班关机（daemon stop）

5. 想自建？它也支持：--local 把整套 Multica 服务器搬回本机

如果你更喜欢自托管，Multica 也给了一个非常直接的入口��

1
curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash -s -- --local

它会部署一个完整的 Multica server 到你的机器上（需要 Docker），细节在 Self-Hosting 指南里。

Multica 的姿态是：你可以用它的云，也可以把它带回家。你选。

6. Getting Started：让 agent 真正“接活”的四步走

Multica 的上手流程不绕弯子，像是在教你如何把 agent 拉进团队群：

Step 1：登录并启动 daemon

1
2
multica login           # Authenticate with your Multica account
multica daemon start    # Start the local agent runtime

daemon 会在后台运行，并自动检测你 PATH 上有哪些 agent CLI：

  • claude
  • codex
  • openclaw
  • opencode

它像一个勤快的设备管理员，先把你机器上的“可用劳动力”盘点清楚。

Step 2：验证 Runtime 已经连上

去 Multica web app，打开你的 workspace，进入：

Settings → Runtimes

你应该能看到你的机器作为一个活跃的 Runtime 出现。

在 Multica 的世界观里，Runtime 就是能执行 agent tasks 的计算环境：
它可以是你的本机（daemon），也可以是云端实例。每个 runtime 会上报自己支持哪些 agent CLIs——这让“能不能跑”不再靠猜。

Step 3：创建一个 agent

去：

Settings → Agents → New Agent

选 runtime，选 provider（Claude Code / Codex / OpenClaw / OpenCode），然后给它起个名字。

这一步像是在给新同事建档案：你给它名字，它就以这个身份参与协作。

Step 4：分配你的第一个任务

你可以在 board 上创建 issue，或者用 CLI：

（Multica 支持 multica issue create 这种方式）

然后把这个 issue 分配给你刚创建的 agent。

接下来，真正“像队友一样”的部分开始发生：

  • agent 自动拾取任务
  • 在你的 runtime 上执行
  • 在过程中持续汇报进度
  • 在遇到阻塞时报告
  • 完成后更新状态

它不是“我给你一段 prompt，你给我一段回答”，
而是“我给你一个任务，你给我一个闭环”。

7. CLI：Multica 的“接入你电脑”的那条线

Multica 的 CLI 做的事情非常明确：
把你的本地机器接入 Multica，让它成为可执行 agent 任务的 runtime。

它能做的事包括：

  • 认证
  • 管理 workspaces
  • 控制 agent daemon
  • 创建/列出 issues
  • 更新版本

README 给的命令表就是一份“上手即用”的控制面板：

Command Description
multica login Authenticate (opens browser)
multica daemon start Start the local agent runtime
multica daemon status Check daemon status
multica setup One-command setup (configure + login + start daemon)
multica setup --local Same, but for self-hosted deployments
multica config local Configure CLI for a local self-hosted server
multica issue list List issues in your workspace
multica issue create Create a new issue
multica update Update to the latest version

你会发现这里的设计很“队友化”：

  • setup 是一键入职
  • daemon 是上岗/状态检查
  • issue 是任务入口
  • update 是持续迭代

CLI 和 Daemon 的完整参考在 CLI_AND_DAEMON.md。

8. Architecture：它的身体结构长什么样？

Multica 并不神秘，它把架构画得很直观，像一张组织架构图：

1
2
3
4
5
6
7
8
9
10
┌──────────────┐     ┌──────────────┐     ┌──────────────────┐
│   Next.js    │────>│  Go Backend  │────>│   PostgreSQL     │
│   Frontend   │<────│  (Chi + WS)  │<────│   (pgvector)     │
└──────────────┘     └──────┬───────┘     └──────────────────┘
                            │
                     ┌──────┴───────┐
                     │ Agent Daemon │  (runs on your machine)
                     │Claude/Codex/ │
                     │OpenClaw/Code │
                     └──────────────┘

它像一个把“人类 UI、任务大脑、记忆库、执行体”拆得很清楚的系统：

  • Frontend：Next.js 16（App Router）
  • Backend：Go（Chi router、sqlc、gorilla/websocket）
  • Database：PostgreSQL 17 + pgvector
  • Agent Runtime：本地 daemon 执行 Claude Code / Codex / OpenClaw / OpenCode

你可以把它理解为：

  • Web 端负责协作与可视化
  • Go 后端负责调度与实时通信（WS）
  • PostgreSQL + pgvector 负责数据与向量能力
  • daemon 负责把任务“落地执行”到真实环境

这结构很像一个团队的分工：
产品经理（前端） + ���目经理（后端） + 文档/记忆（DB） + 一线工程师（daemon/agent CLIs）。

9. Development：如果你要参与开发，它给你一键起跑

如果你想贡献代码，Multica 也给了简洁的开发入口。

Prerequisites：

  • Node.js v20+
  • pnpm v10.28+
  • Go v1.26+
  • Docker

启动开发环境：

1
make dev

make dev 会自动做一整套“工程师最爱但最怕烦”的事情：

  • 自动检测环境（main checkout 或 worktree）
  • 创建 env 文件
  • 安装依赖
  • 初始化数据库
  • 跑 migrations
  • 启动所有服务

更完整的贡献流程在 CONTRIBUTING.md。

10. Multica 的气质：它不是让 agent 更像工具，而是让 agent 更像组织的一部分

Multica 这套东西真正打动人的地方在于：
它把 agent 从“个人效率工具”推进到“团队协作成员”。

它不再让你问：

  • “我怎么写一个更好的 prompt？”
  • “我怎么让它别犯同样的错？”

而是让你开始用更工程化的方式问：

  • “我怎么把任务交给 agent，并且可追踪？”
  • “我怎么监控执行进度，并且可观测？”
  • “我怎么把成功沉淀成技能，并且可复用？”
  • “我怎么把本地和云的执行环境统一起来？”

当你把 agent 放进流程里，很多原本靠人盯着的事情，就开始有了“系统级的闭环”。

Multica 像一个认真负责的队友经理，走到你面前，递给你一张工牌，然后说：

“别再把他们当玩具了。
把任务给我，我让他们像同事一样干活。”