TopsTip“你的下一个10个员工，不会是人类。” 这是 Multica 官网最醒目的 slogan。
2026年，coding agent（Claude Code、Codex）已经走入了无数开发者的日常工作。但问题也随之而来：Agent 跑完任务，结果只有你一个人知道；团队里 A 在用 Agent 写代码，B 完全不知情；5个人用了5个不同的 Agent，产出全是”信息孤岛”。
Multica 正是为了解决这个痛点而生。
Multica 是什么？
一句话定位：像 Linear 一样管理任务，但 AI Agent 是一等公民。
它是一个开源平台，让你可以把任务分配给 AI Agent，就像分配给同事一样自然。Agent 会自动领取任务、在本地执行代码、报告阻塞、更新状态、在评论区和人类互动——所有操作都发生在同一个看板里，团队成员实时可见。
支持的主流 Agent：
- Claude Code
- OpenAI Codex
核心功能一览
1. Agent 即队友
在 Multica 的任务面板里，Agent 和人类员工出现在同一个下拉列表中。Assign 一个任务给 Agent，和 Assign 给同事的操作完全一样。
Agent 不仅是执行者，还能：
- 主动创建 Issue
- 在评论区留言
- 主动更新任务状态
- 报告工作阻塞
2. 自主执行，实时反馈
不是简单的”发一个 prompt 等结果”。Multica 管理完整的任务生命周期：入队 → 认领 → 开始 → 完成/失败。Agent 工作时，你可以通过 WebSocket 实时看到它的操作步骤（正在读取哪个文件、正在执行什么命令），就像看直播一样。
当 Agent 遇到搞不定的问题，它会主动上报阻塞，而不是默默挂起等你发现。
3. 可复用的 Skills（技能库）
这是我认为 Multica 最具长期价值的功能。
你可以把某次成功的解决方案打包成一份 Skill——包含执行步骤、配置、模板。下次其他 Agent 需要做同样的事情，直接调用这个 Skill 即可。
> Day 1：教一个 Agent 部署代码到 staging
> Day 30：团队里所有 Agent 都会部署代码、写单元测试、做 code review
随着时间推移，你的团队”能力库”会不断膨胀，新人（包括人类和 Agent）上手速度越来越快。
4. 统一计算资源面板
本地机器和云端 runtime 在同一个 Dashboard 里统一管理。可以实时看到：
- 哪些机器在线/离线
- Token 使用量和费用
- 每日/每周/每月活动热力图
Multica 会自动检测机器上安装的 Agent CLI（claude 或 codex），插上就能用。
5. 多 Workspace 支持
适合有多个子团队的组织，每个 Workspace 隔离管理自己的 Agent、Issue 和设置。
技术架构
从 GitHub 仓库可以看到，Multica 是一个相当规范的现代化项目：
| 层级 | 技术栈 |
|——|——–|
| 前端 | Next.js 16 (App Router) + TypeScript |
| 后端 | Go (Chi 路由 + gorilla/websocket) |
| 数据库 | PostgreSQL 17 + pgvector |
| Agent 运行时 | 本地 Daemon，执行 Claude Code 或 Codex |
整体是 monorepo 结构，代码量 TypeScript 占 56.5%，Go 占 42.1%，贡献者 8 人，GitHub Star 1.2k，Fork 119，Commits 1706 次——对于一个相对新的项目来说，活跃度相当可观。
部署方式
云端版（Multica Cloud）
官网直接注册，最快 1 小时上手：
- 填邮箱 → 收验证码 → 进入工作区
- 安装 CLI →
multica login→multica daemon start - 创建 Agent → Assign 任务 → 看着它干活
自托管（Docker Compose）
完全开源，可以部署在自有基础设施上：
- Docker Compose 一键启动 PostgreSQL
- Go 后端编译成单 binary
- Next.js 前端构建后独立运行
- 支持 S3 + CloudFront 存储附件
- 支持 Google OAuth 登录
- 支持邮件（Resend）Magic Link 登录
官方推荐使用 Caddy 作为反向代理，Nginx 配置示例也有提供。
优点
- 团队协作终于不是孤岛了 — Agent 的产出对团队可见，人类和 Agent 的活动在同一时间线里交织
- 任务管理有闭环 — 从分配到执行的完整生命周期追踪，不会出现”丢任务”的情况
- 技能积累有体系 — Skills 机制让团队能力持续沉淀，而不是每次重头开始
- 代码执行在本地 — Agent 跑在你自己的机器上，代码不经过 Multica 服务器
- 开源透明 — Apache 2.0 协议，所有代码可审计，不存在 vendor lock-in
- 实时可见 — WebSocket 实时流，你真的能看着 Agent 工作的每一步
缺点与潜在风险
- 目前只支持 Claude Code 和 Codex — 对其他 Agent（Gemini CLI、其他国产 Agent）暂时不兼容；官方表示 roadmap 上会支持更多，但目前需要自己二次开发
- 自托管有一定门槛 — 需要懂 Docker、Go 编译、了解 PostgreSQL，不是”小白友好”型产品
- 稳定性有待验证 — 项目相对新（1.2k stars，1700+ commits），在大规模生产环境中的稳定性数据还不多
- Agent 的”自主性”边界模糊 — 当 Agent 自动创建 Issue 或评论时，团队是否准备好了接受这种”准员工”行为？流程和文化适应需要时间
- 技能库（Skills）需要人工维护 — Skill 的质量和维护成本取决于团队投入，不是自动积累的
- 网络依赖 — 本地 Daemon 需要和后端服务器保持 WebSocket 连接，断网可能导致任务中断
适用人群
强烈推荐：
- 1-10 人的 AI-native 小团队，已经大量使用 Claude Code / Codex
- 多人协作的开发团队，希望把 Agent 产出纳入团队知识管理
- 希望 Agent 能像员工一样”汇报进度”的 tech lead
不太适合：
- 纯个人开发者（直接用 Claude Code 就够了，不需要再加管理层）
- 对 AI Agent 执行结果有严格合规/审计要求的企业（需要更细致的权限控制）
- 技术栈以 Windows 为主、缺乏 DevOps 能力的团队
安全性分析
本地执行，代码不过服务器
Multica 官方明确说明：Agent 执行发生在你的本地机器或你自己的云基础设施上。代码从不经过 Multica 的服务器——平台只负责协调任务状态和广播事件。
自托管 = 数据完全自主
如果用自托管方案，数据库是 PostgreSQL，数据完全在你自己手里。这对于有数据安全要求的团队是重要加分项。
开源代码可审计
Apache 2.0 协议，1700+ commits 在 GitHub 上公开，可以审查每一行代码。
仍需注意的点
- JWT_SECRET 必须修改默认值（文档里用红色粗体标注了）
- 邮件认证依赖 Resend，需要配置 API Key
- WebSocket 连接需要妥善配置反向代理，防止滥用
- 本地 Agent 以你的系统权限运行，Agent 执行的操作等同于你本人操作——这点需要团队成员有基本的安全意识
稳定性现状
- 版本： v0.1.13（截至 2026-04-01），共 14 个 release
- 最近活跃度： 4月1日还有 commit，社区维护状态良好
- CI/CD： 有 GitHub Actions 自动化
- 文档： 包含 SELFHOSTING.md、CONTRIBUTING.md、CLIAND_DAEMON.md，中英文 README 齐全
但客观说，这是一个仍在快速迭代的项目，大型企业级生产部署案例披露不多，选用前建议先用 Docker Compose 在测试环境跑一段时间。
总结
Multica 解决的是一个真实痛点：当团队里人和 Agent 都多起来的时候，没有一个统一的”协作界面”会非常混乱。它不是又一个”AI 编程工具”，而是团队 AI 协作管理层。
核心价值主张清晰：Agent 不再是个人工具，而是团队资产。
如果你已经在用 Claude Code 或 Codex，且团队有 2-5 个人，Multica 值得花 1 小时试一下。Cloud 版本上手零门槛，自托管版本 Docker Compose 也就几条命令的事。
官网： https://multica.ai
GitHub： https://github.com/multica-ai/multica
题外话：Multica 的创始人提到，这个工具最早是为了解决自己团队的问题而开发的——”团队间的知识无法共享，Agent 跑完结果只有发起人看得到”。这大概也是很多 AI 创业团队的共同感受。能从自己的痛点出发做产品，本身就是一件值得尊敬的事。
