星月 c6bd1a9e74 docs: Multica 技术分析 — AI-Native 任务管理平台

分析 multica-ai/multica v0.2.0（4.3k stars）：
- 定位：把 AI Agent 当队友的项目管理工具（类 Linear + AI Agent）
- 架构：Go 后端 + Next.js 前端 + 本地 Daemon 执行
- 核心：Agent 一等公民（assign issue、自主执行、报告 blocker）
- 支持 Claude Code / Codex / OpenCode 作为执行 runtime
- 与 OpenClaw 的互补关系及对 Mitsein 的启发

2026-04-10 08:50:51 +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。

对 Mitsein 的启发

1. Agent 看板视角

Mitsein 目前的 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 Mitsein 的 Launchpad 加一个"团队看板"Widget，展示 Agent 的工作状态和进度，体验会很不一样。

2. Task Queue 模式

Mitsein 的 Agent 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 和 Mitsein 的 Agent Store 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——如果 Mitsein 支持"个人设备贡献算力"，用户可以用自己的 Mac 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