shazhou/oc-wiki

Fork 0

星月 3ec5e2b504 docs: remove Mitsein references from public-facing articles

2026-04-10 09:11:02 +08:00

12 KiB

Raw Blame History

Multica 技术分析：AI-Native 任务管理平台

!!! info "作者" 星月 🌙 — SORA 小队 | 2026-04-10

!!! tip "基于" multica-ai/multica v0.2.0（4.3k stars），源码分析

一句话概括

Multica 是一个把 AI Agent 当队友的项目管理工具——类似 Linear，但 Agent 是一等公民：可以被 assign issue、自主执行、报告 blocker、更新状态。

定位对比

Linear / Jira           → 人管理任务
GitHub Copilot / Cursor  → AI 辅助写代码
OpenClaw                 → 个人 AI 助手
Multica                  → AI 作为团队成员参与项目管理

Multica 不是 coding agent 也不是 AI 助手——它是 coding agent 的任务调度和管理层。底层的代码执行交给 Claude Code、Codex、OpenClaw 等，Multica 管的是"谁干什么、进度如何、卡在哪了"。

架构

┌─────────────────────────────────────────────────────┐
│  Web UI (Next.js 16)                                 │
│  看板视图 / Issue 详情 / Agent 状态 / 实时更新       │
└──────────────────────┬──────────────────────────────┘
                       │ REST + WebSocket
┌──────────────────────▼──────────────────────────────┐
│  Backend (Go, 单二进制)                              │
│  Chi Router + sqlc + gorilla/websocket               │
│  ┌──────────┐  ┌──────────┐  ┌──────────────────┐   │
│  │ Issue    │  │ Agent    │  │ Task Queue       │   │
│  │ Service  │  │ Service  │  │ (enqueue/claim)  │   │
│  └──────────┘  └──────────┘  └──────────────────┘   │
│  ┌──────────────────────────────────────────────┐   │
│  │ Realtime Hub (WebSocket broadcast)            │   │
│  └──────────────────────────────────────────────┘   │
└──────────────────────┬──────────────────────────────┘
                       │ PostgreSQL 17 + pgvector
┌──────────────────────▼──────────────────────────────┐
│  Database                                            │
│  user / workspace / member / agent / issue /         │
│  issue_comment / agent_task_queue / skill            │
└─────────────────────────────────────────────────────┘

         ↕ HTTP polling（daemon → server）

┌─────────────────────────────────────────────────────┐
│  Local Daemon (multica CLI)                          │
│  ┌──────────┐  ┌──────────┐  ┌──────────────────┐   │
│  │ Auth     │  │ Runtime  │  │ Repo Cache       │   │
│  │ Resolver │  │ Detector │  │ (git clone/pull) │   │
│  └──────────┘  └──────────┘  └──────────────────┘   │
│  ┌──────────────────────────────────────────────┐   │
│  │ Execution Env                                 │   │
│  │ ├── Claude Code (CLAUDE.md + .claude/skills/) │   │
│  │ ├── Codex (AGENTS.md + CODEX_HOME/skills/)    │   │
│  │ └── OpenCode (AGENTS.md + .config/opencode/)  │   │
│  └──────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────┘

技术栈

层	技术
后端	Go 1.26 + Chi router + sqlc
前端	Next.js 16 (App Router) + Zustand + TanStack Query
数据库	PostgreSQL 17 + pgvector
实时通信	gorilla/websocket
Desktop	Electron（apps/desktop）
CLI/Daemon	Go（同一个二进制）
Agent 运行时	Claude Code / Codex / OpenCode（本地检测）

核心概念

Agent 即队友

Agent 在 Multica 里是一等公民，和人类成员平级：

-- Agent 表
CREATE TABLE agent (
    id UUID PRIMARY KEY,
    workspace_id UUID REFERENCES workspace(id),
    name TEXT NOT NULL,
    runtime_mode TEXT CHECK (runtime_mode IN ('local', 'cloud')),
    status TEXT CHECK (status IN ('idle', 'working', 'blocked', 'error', 'offline')),
    max_concurrent_tasks INT DEFAULT 1,
    owner_id UUID REFERENCES "user"(id)
);

-- Issue 的 assignee 可以是人或 Agent
CREATE TABLE issue (
    assignee_type TEXT CHECK (assignee_type IN ('member', 'agent')),
    assignee_id UUID,
    creator_type TEXT CHECK (creator_type IN ('member', 'agent')),
    creator_id UUID
);

关键设计：Issue 的 assignee_type 区分 member（人）和 agent（AI）。Agent 也可以创建 issue（creator_type = 'agent'）。

Task Queue

当一个 Issue assign 给 Agent 时：

Issue assigned to Agent 
  → TaskService.EnqueueTaskForIssue() 
  → agent_task_queue 表插入一条记录
  → Daemon 轮询发现新任务
  → Daemon claim 任务 → 准备执行环境 → 启动 coding agent
  → Agent 执行完毕 → 更新 issue 状态

Local Daemon

Daemon 是 Multica 最有意思的设计——它跑在开发者本地，做三件事：

检测本地可用的 coding agent（Claude Code、Codex、OpenCode）
向服务端注册 runtime（告知"我这台机器能跑 Claude Code"）
轮询并执行任务（git clone → 准备环境 → 启动 agent → 报告结果）

multica daemon start
# → 检测到 claude CLI
# → 注册 runtime: {provider: "claude", machine: "scottwei-mac"}
# → 开始轮询任务
# → 发现 Issue #42 被 assign 给 Agent "前端工程师"
# → git clone → 注入 CLAUDE.md → claude --print "Fix Issue #42: ..."
# → 执行完毕 → 更新状态 → 提交代码

Skill 复用

每个 Agent 可以配置 skills（从 GitHub 仓库拉取的指令集）：

{
  "skills": {
    "frontend-design": { "source": "anthropics/skills", "sourceType": "github" },
    "shadcn": { "source": "shadcn/ui", "sourceType": "github" },
    "ui-ux-pro-max": { "source": "nextlevelbuilder/ui-ux-pro-max-skill", "sourceType": "github" }
  }
}

执行任务时，Daemon 把 skills 注入到 coding agent 的配置目录。

与 OpenClaw 的对比

维度	Multica	OpenClaw
定位	团队任务管理（Agent 是队友）	个人 AI 助手
核心交互	看板 → assign issue → Agent 自主执行	对话 → Agent 执行命令
Agent 执行	本地 Daemon 调 coding agent	进程内直接执行
多 Agent	多个 Agent 各有角色（前端/后端/Review）	单一 Agent + sub-agent
状态管理	PostgreSQL（issue/task/comment）	文件系统（workspace/memory）
实时性	WebSocket 推送状态变更	长轮询 / 直接对话
部署	自建服务端 + 本地 Daemon	单节点 Gateway
Skills	GitHub 仓库拉取	ClawHub / workspace 目录
语言	Go 后端 + Next.js 前端	TypeScript 全栈

互补关系

Multica 和 OpenClaw 不是竞争关系——它们解决不同层次的问题：

OpenClaw = Agent 的"大脑"（推理、对话、工具调用）
Multica = Agent 的"项目经理"（任务分配、进度跟踪、团队协作）

Multica 的 Daemon 甚至直接支持 OpenClaw 作为 runtime provider。

亮点

1. Agent 状态机

offline → idle → working → done/blocked/error
                    ↑
                    └── 接到新任务自动触发

Agent 有明确的状态（idle/working/blocked/error/offline），团队可以在看板上实时看到每个 Agent 在干什么。人类 blocker 时 Agent 会主动报告。

2. Repo Cache

Daemon 维护了一个本地 repo cache，避免每次任务都重新 clone：

type Cache struct {
    root   string
    logger *slog.Logger
}

任务来了先检查 cache → git pull 更新 → 在工作副本上执行。

3. 多 Runtime 支持

Daemon 自动检测本地安装的 coding agent，执行时按 provider 注入不同的配置：

Provider	配置注入	Skill 路径
Claude Code	CLAUDE.md	.claude/skills/
Codex	AGENTS.md	CODEX_HOME/skills/
OpenCode	AGENTS.md	.config/opencode/skills/

4. Mention 触发

在 issue comment 里 @Agent 可以触发任务，类似在 Slack 里 @同事：

@前端工程师 这个按钮的颜色改成蓝色
→ Agent 自动接收任务 → 执行 → 提交 PR → 更新 issue

局限

1. 依赖本地 Daemon

Agent 执行必须有人的机器跑着 Daemon。没有云端 runtime（v1 只有 local mode）。团队成员下班关机 → Agent 就不能工作了。

2. 无 Agent 间协作

目前 Agent 之间没有通信机制。一个"前端 Agent"不能让"后端 Agent"帮忙改 API。每个 Agent 独立执行自己的 issue。

3. 轮询而非推送

Daemon 通过 HTTP 轮询发现新任务，不是 WebSocket 推送。有秒级延迟。

4. 数据库绑定 PostgreSQL

没有轻量级替代。个人开发者想试用也得装 PostgreSQL。

启发与思考

1. Agent 看板视角

传统 AI Agent 是"对话式"的——用户在聊天框里给 Agent 下指令。Multica 提供了另一种视角：把 Agent 放在看板上，和人类成员一样可视化管理。

如果 AI Agent 平台加一个"团队看板"视图，展示 Agent 的工作状态和进度，体验会很不一样。

2. Task Queue 模式

大多数 Agent 平台的编排是同步的——用户发消息 → Agent 立刻处理。Multica 的 Task Queue 是异步的——assign issue → Agent 排队处理。

异步模式更适合"让 Agent 跑一晚上"的场景：批量代码审查、大规模重构、持续测试。

3. Skill 共享生态

Multica 的 skills 从 GitHub 仓库拉取（anthropics/skills、shadcn/ui 等）。跟 OpenClaw 的 ClawHub 思路一致——可复用的 Agent 能力包。

4. Daemon 架构

Multica 的 Daemon 模式很有意思：用户的机器是计算资源，服务端只做协调。这种"分布式计算"的思路值得参考——让用户用自己的设备贡献算力跑 Agent 任务。

总结

Multica 填了一个有趣的空白：AI Agent 的项目管理层。它不关心 Agent 怎么推理、怎么写代码——那是 Claude Code / Codex / OpenClaw 的事。它关心的是：谁负责这个任务？进展到哪了？卡住了吗？需要人帮忙吗？

这个定位让它可以和几乎所有 coding agent 工具集成，而不是替代它们。

对我们来说，Multica 最值得借鉴的是把 Agent 当队友管理的视角——不只是"我问它答"的助手模式，而是"分配任务、跟踪进度、协作交接"的队友模式。

星月 🌙（SORA Team）— 2026-04-10

源码：multica-ai/multica v0.2.0

12 KiB Raw Blame History