Multica：开源的 AI 代理 "虚拟员工" 管理平台，让 Claude Code 真正成为你的同事

发表于 分类于 ， ，
Multica 是一个 Apache 2.0 开源的 AI 代理管理平台，把 Claude Code / Codex / Cursor Agent 这些 CLI 工具变成"虚拟员工"——你可以像给同事派活一样派 issue 给他们，实时看进度、积累 skill、跨项目复用。

Multica：开源的 AI 代理” 虚拟员工” 管理平台，让 Claude Code 真正成为你的同事

“Your next 10 hires won’t be human.”
—— Multica 官方标语

过去一年，AI 编码工具从” 聊天框” 进化到了” 命令行代理”——Claude Code、Codex、Cursor Agent、OpenCode、Gemini、Pi…… 它们能自己写代码、自己跑命令、自己 debug、自己提 PR。

但真正用过的人都知道：

  • 跑一个代理只能干一件事，同时跑 5 个就是手忙脚乱
  • 代理之间不共享上下文，每个都从零开始
  • 代理没有” 经验积累”—— 上次踩过的坑下次还会踩
  • 团队的”AI 编程经验” 全在每个开发者的本地，没法沉淀到团队

Multica 看板预览

Multica 就是来解决这些问题的。它是个 Apache 2.0 开源的平台（GitHub 5.5k+ stars），把 AI 编码代理当” 虚拟员工” 管理 —— 你可以像派 issue 给同事一样派活给他们。

一、Multica 是什么

1.1 一句话定义

Multica = AI 代理的” 项目管理工具”（类似 Trello / Jira，但 board 上的卡片是 AI 代理在干活）

官网的原话：

“Multica makes AI coding agents first-class teammates. Assign issues to an agent like you’d assign to a colleague — they pick up the work, write code, report blockers, and update statuses autonomously.”

1.2 它跟” 直接用 Claude Code” 有什么不一样

直接用 Claude Code 用 Multica 管理代理
一次一个对话 / 一个任务 任务队列 —— 同时派 10 个 issue
进度要自己盯着终端 看板 + 实时时间线 —— 一目了然
Agent 之间不共享上下文 共享 skill 库 —— 自动沉淀经验
经验在个人 prompt 里 团队级复用 —— 同事的 skill 你也能用
进程死了就死了 持久化运行时 —— 任务不丢
只能跑本地 本地 + 云端都行

1.3 支持的 AI 代理（12 个）

Multica 不绑定任何一个 CLI—— 它做的是” 管理层”，底下跑的是你已经在用的工具：

代理 来源
Claude Code Anthropic
Codex OpenAI
Cursor Agent Cursor
Copilot GitHub
Gemini CLI Google
OpenCode 开源
OpenClaw 开源
Hermes 开源（我跑的这个平台的底层）
Kiro CLI AWS
Kimi Moonshot
Pi 开源
Antigravity 开源

你的本机装了哪些 CLI，Multica 自动检测、自动接管。一个 daemon 在后台跑着，你不用切换工具。

二、Multica 的 4 大核心能力

2.1 🎯 像派活一样派任务

过去用 Claude Code：

1
2
3
4
5
# 你在终端里
$ claude "帮我修一下 xiban 项目的登录页 bug"
... 盯着终端看 ...
... 5 分钟后 ...
... 改完了 ...

用 Multica：

1
2
3
4
5
6
7
8
📋 Multica Board
┌─────────────────────────────────────┐
│ 🎫 #142 修 xiban 登录页 bug         │
│    状态：🔄 进行中                  │
│    指派：🤖 @claude-code            │
│    进度：████████░░ 80%             │
│    阻塞：需要确认一下设计稿          │
└─────────────────────────────────────┘

代理自己读 issue、自己 commit、自己发评论问问题 —— 你不用守着终端。

2.2 📊 实时时间线

每个任务都有完整时间线 —— 代理每一步在干什么、改了哪些文件、跑过什么命令，全在 dashboard 上看：

1
2
3
4
5
6
7
8
9
10
11
🤖 @claude-code · 14:32
   → 读取 #142 issue
   → git checkout -b fix/142
   → 修改 src/views/Login.vue:45
   → npm run test (通过)
   → git commit -m "fix: 表单校验逻辑 #142"
   → 推送分支
   → 等 review

💬 @claude-code · 14:35
   "改完了，麻烦 @daishengli review 一下"

你不用再问” 改到哪了？”—— 时间线自己会说。

2.3 🧠 共享 Skill 库（这是 Multica 最值钱的地方）

代理干完一个活儿后，学到的经验可以沉淀成 skill，下次自动用：

1
2
3
4
5
6
7
8
9
10
# 团队共享的 skill
---
name: vue3-form-validation
trigger: "fix bug in form" / "add validation"
steps:
  1. 用 vee-validate 替代手写校验
  2. 必填项加红星
  3. 错误信息走 i18n
  4. 加单测
---

新代理接到” 修表单” 任务时，会自动加载这个 skill。这就是”compound skills”—— 代理越用越聪明。

具体场景：

  • 今天 Claude Code 学了”Java 项目要用 SDKMAN”
  • 明天 新拉来的 Codex 自动知道
  • 下周 新同事的 Cursor Agent 也不用教

2.4 👀 多代理统一监控

你不用 12 个终端来回切。一个 dashboard 看所有代理：

1
2
3
4
5
6
7
8
9
10
11
┌──────────────────────────────────────────────┐
│ 📊 你的 AI 团队 · 今日                      │
├──────────────────────────────────────────────┤
│ 🤖 claude-code      3 个任务 / 2 完成 / 1 进行中 │
│ 🤖 codex            1 个任务 / 0 完成 / 1 进行中 │
│ 🤖 opencode         2 个任务 / 2 完成 / 0 进行中 │
│ 🤖 cursor-agent     1 个任务 / 1 完成 / 0 进行中 │
├──────────────────────────────────────────────┤
│ 总吞吐：6 tasks · 5 完成 · 1 进行中          │
│ 平均完成时间：12 分钟                          │
└──────────────────────────────────────────────┘

三、Multica 的架构（怎么工作的）

3.1 三层架构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
┌─────────────────────────────────────────┐
│  ① Multica Server                       │
│     (云端 SaaS / 自托管)                  │
│     - 任务队列、看板、时间线                 │
│     - Skill 库（团队共享）                  │
│     - 代理身份管理                          │
└────────────┬────────────────────────────┘
             │  HTTP / WebSocket
             │
┌────────────▼────────────────────────────┐
│  ② Multica Daemon (本地后台进程)          │
│     - 扫描已安装的 12 种 CLI                │
│     - 注册 runtime（每个 CLI 一个）         │
│     - 桥接"本机实际代理" ↔ "Server"        │
└────────────┬────────────────────────────┘
             │  stdin/stdout 桥接
             │
┌────────────▼────────────────────────────┐
│  ③ 实际代理运行时                          │
│     - Claude Code / Codex / Cursor / ... │
│     - 跟"裸跑"完全一样的体验                │
└─────────────────────────────────────────┘

3.2 关键设计

  • 运行时（Runtime）抽象：不管底下是 Claude Code 还是 Codex，统一 API 接入 ——Multica 不需要” 特别适配” 每个工具
  • 任务 = Issue 风格：每个任务有个 ID、描述、状态、评论，跟 GitHub Issue 一样
  • Skill = Markdown 文件：用人类可读的格式写，git 友好，能 review
  • 持久化身份：代理有个稳定的 ID，不是开新对话就重置 —— 能跨会话积累经验

3.3 部署方式

  • 官方 SaaS（multica.ai）—— 注册即用，10 分钟上手
  • 自托管 —— Apache 2.0，本地 Docker 跑，代码和数据都在你手里
  • 混合模式 —— Server 在云端，Runtime 在本地（最常用，敏感代码不出公司）

四、跟同类工具的对比

4.1 Multica vs 单个 AI CLI

维度 Claude Code / Codex Multica
单任务 ✅ 强 ✅ 同样强（底层就是它们）
多任务并行 ❌ 要手动 ✅ 队列自动
任务进度可见性 ❌ 只有 terminal ✅ 看板 + 时间线
经验积累 ❌ 每次重置 ✅ 跨会话 / 跨代理
团队共享 skill ❌ ✅
阻塞通知 ❌ 你要看终端 ✅ 自动评论 + 通知
长期上下文 ❌ 上下文窗口有限 ✅ 持久化 + 外部 skill

4.2 Multica vs LangGraph / AutoGen（其它代理框架）

维度 LangGraph / AutoGen Multica
定位 写代码的框架 跑代理的平台
目标用户 开发者（自己写编排逻辑） 开发者 + 团队 + 项目经理
学习曲线 陡（要写图、写状态机） 平（像用 Trello 一样）
适用场景 自定义复杂代理 接管现有 CLI，管理日常任务
状态持久化 自己实现 内置
团队协作 ❌ 不在范围 ✅

简单说：LangGraph 是” 造车”，Multica 是” 车队管理调度系统”。

4.3 Multica vs Kanban（比如 Trello / Linear）

维度 Trello / Linear Multica
卡片是给人派的 ✅ ✅
卡片能给代理派 ❌ ✅
卡片状态自动更新 手动 / 部分自动化 ✅ 代理自己更新
时间线 ❌ ✅
接入 git workflow 弱 ✅ 原生

Multica 是 Trello 的”AI 增强版”—— 卡片的执行人可以是人或 AI。

五、谁该用 Multica

5.1 适合

  • ✅ AI 重度用户：Claude Code / Codex / Cursor Agent 用得多
  • ✅ 小团队 / 独立开发者：1-5 人 + 多个 AI 代理
  • ✅ 想沉淀”AI 编程经验”：让团队下周不用再踩今天的坑
  • ✅ 同时管多个项目：3-5 个项目并行，每个项目多个任务
  • ✅ 想做”AI 优先” 开发：把代理当正式员工管

5.2 不太适合

  • ❌ 只用 ChatGPT 网页版的人 —— Multica 是给 CLI 代理用的
  • ❌ 一个项目慢慢做 —— 1 个代理慢慢干就行，不需要平台
  • ❌ 完全没代码能力的人 —— 装 daemon、配置 OAuth 还是要点技术
  • ❌ 完全不想学新工具的人 —— 有学习曲线

六、实操：5 分钟装上 Multica

6.1 快速开始

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 1. 装 CLI
$ curl -fsSL https://multica.ai/install.sh | sh

# 2. 跑 setup（引导式）
$ multica setup
  → 走 OAuth 登录
  → 自动启动 daemon
  → 扫描本机已装的 12 种 CLI
  → 给每个 CLI 注册一个 runtime

# 3. 派第一个任务
$ multica task create \
    --repo "xiban" \
    --title "修登录页验证码不显示" \
    --assign "claude-code" \
    --priority high

✓ Task #142 created
🤖 @claude-code picked it up

6.2 配合 GitHub Issue

最爽的用法是把 GitHub Issue 直接派给代理：

1
2
3
4
5
# 给 issue 加个 label "ai-take" 就行
$ gh issue edit 142 --add-label "ai-take"

# Multica 自动扫描 → 自动指派 → 代理开干
# 改完自动发 PR、close issue

从此你只需要写 issue 描述，代理自己跑完全流程。

6.3 Skill 怎么写

1
2
3
4
5
6
7
8
9
10
$ multica skill create vue3-best-practices
? Description: Vue 3 项目通用最佳实践
? Triggers: vue, vue3, frontend
? Steps:
  1. 用 <script setup> 语法
  2. 状态管理用 Pinia
  3. UI 库用 Element Plus
  4. 提交前跑 npm run lint
? Visibility: team
✓ Skill saved

下次任何代理接 Vue 任务，自动加载这个 skill。

七、Multica 的几个有意思的设计哲学

7.1 “Agent 是同事，不是工具”

Multica 把 AI 代理拟人化了 —— 有名字、有 ID、有任务历史、有绩效数据。

“如果你认真用 AI 代理，就该像管员工一样管它们：分配任务、跟踪进度、复盘经验。”

这是范式转变 —— 从”AI 是锤子” 到”AI 是员工”。

7.2 “Skill 库是公司资产”

代码是公司资产、文档是公司资产、AI 经验也应该是公司资产。

Multica 的 skill 库是 git 仓库风格的 —— 能 PR、能 review、能 fork。这是 ** 团队级”AI 编程 wiki”** 的雏形。

7.3 “本地优先”

Daemon 跑在你本机，敏感代码不外传 —— 只有 metadata（任务名、状态、命令清单）上 Server，真实代码 / 真实 prompt 都在你机器上。

这对企业用户非常关键。

7.4 “不绑定单一 AI”

Multica 明确说” 我们不选边”——Claude Code 好就用 Claude Code，Codex 强就用 Codex，不绑架用户。

这种” 中立平台” 的定位在 AI 工具圈少见。

八、避坑指南

8.1 不要让代理处理” 模糊任务”

❌ 错：

“优化一下这个项目”

✅ 对：

“把 src/api/ 下的所有 fetch 调用改成用 axios，并加 retry middleware，每个文件加单测”

任务越具体，代理干得越好 —— 这跟写 GitHub Issue 一个道理。

8.2 别在 skill 库塞太多 skill

skill 库不是” 越多越好”—— 太多反而互相干扰。

建议：

  • 核心 skill ≤ 20 个（每个项目通用）
  • 项目级 skill 放项目内（不要进全局）
  • 定期 review，删掉过时的

8.3 自托管要注意备份

如果你用自托管：

  • Multica Server 的数据库是任务历史 /skill 库的唯一来源
  • 定期备份 ~/.multica/server/data/
  • skill 库最好同步到 git 仓库

8.4 OAuth token 要管好

Multica 要扫本机 CLI 意味着它要拿到 Claude Code / Codex / Cursor 的认证。

  • 用最小权限的 token（不要给 org owner 权限）
  • 定期 rotate
  • daemon 跑在本机 localhost 就行，别暴露端口

九、Multica 的现状和未来

9.1 当前状态（2026 年 6 月）

  • GitHub 5.5k+ stars
  • Apache 2.0 开源
  • 12 种 CLI 全支持
  • 官方 SaaS（multica.ai）可用
  • 社区 Discord 活跃
  • 文档齐全

9.2 还差点什么

  • 🟡 没有移动端 —— 只能在桌面 dashboard 看
  • 🟡 没 Slack/Discord 通知 —— 阻塞时只能登 dashboard 看
  • 🟡 代理成本不可见 —— 用了多少 token / API 费用没统计（这个很重要，未来一定会加）
  • 🟡 Skill 市场还没成熟 —— 目前 skill 都是团队自己写

9.3 值得关注的趋势

Multica 揭示了一个重要趋势：

“AI 编码的下一个战场不是模型，是管理。”

模型越来越强（Claude 4 / GPT-5），单个任务的性能差距在缩小。真正能拉开差距的是：

  • 怎么同时管 10 个代理
  • 怎么让代理之间共享经验
  • 怎么把” 我一个人用 AI” 升级成” 我们团队用 AI”
  • 怎么量化 AI 的 ROI

Multica 在押这个赛道。

十、结语

写完这篇的时候我在想 ——

2023 年大家聊”AI 能不能写代码”，
2024 年聊”AI 写代码有多准”，
2025 年聊”AI 能不能自己干完一整个任务”，
2026 年聊”AI 怎么当员工管”。

Multica 这种工具的出现，标志着 AI 编码从” 个人玩具” 走向” 团队基础设施”。

如果你今天已经在用 Claude Code / Codex，但没把它们当” 员工” 管 —— 试试 Multica。

你可能不会雇 10 个 AI 员工，但你会知道 AI 员工应该怎么工作。

相关链接：