54.6k star 的 Multica: 集多 Agent 和看板于一体的 AI 平台

作者:三金得鑫日期:2026/11/3

Hi~大家好,我是三金。

我最近在使用 VibeKankan 的时候发现它的版本已经很久不更新了!打开它的 Github 一看,竟然要停止维护了,最新版本还是我现在使用的 0.1.44,已经半年没更新过版本了!

最近一次的 commit 还是3 周以前,这就很难受,好担心它后面都没人维护。也想过直接拉源码改,但最终还是想拿来即用。故而又找到了另外一个平台——Multica。

能做什么

简单来说,这是一个可自定义多 Agent 协作的平台。

官方的定位 Multica 是一个人类和 AI Agent 共同工作的团队工作区,我们可以:

  • 自定义各种 Agent;
  • 人做中枢或者指定 AI Agent 做中枢,给其他 AI 同事派活;
  • 同一个团队里,上下文共享,工作里的讨论、记录以及产出都会留在工作区;
  • 如果已经有成熟的 AI Native,我们甚至可以将多个 Agent 组成小队,然后实现任务下发后的自动化开发;
  • 根据会话和 memory 自动沉淀团队经验,将可重复的做法收敛成 skill,然后给多个智能体复用。

以下是「工作」菜单下的任务、项目以及自动化的截图:

使用

使用官方 Online 的话有两种模式:Web(multica.ai)以及桌面客户端 Multica Desktop,支持邮箱注册登录或者 Google 一键登录。

客户端的优势是登录后自动连接当前电脑,而 Web 端则需要通过命令行进行连接。

三金没有选择官方 Online 的方式来玩儿,而是通过自部署 + 客户端的方式启动。

自部署以及托管

自托管的 Multica 服务,主要运行 Web、API 和 PostgreSQL,我们可以通过 Docker Compose 快速启动。

另外,电脑上还需要:Git、Mack、curl 和 OpenSSL。这些前置条件准备好之后,我们就可以进行自部署了。

1git clone --depth 1 https://github.com/multica-ai/multica.git
2cd multica
3make selfhost
4

执行 make selfhost 的作用 会从 .env.example 创建 .env,然后随机生成 JWT_SECRET、PostgreSQL 密码和 MULTICA_VCS_SECRET_KEY(自托管 Git 集成的加密密钥)。 另外,PostgreSQL 以及 Multica 的前端和后端镜像也会随之拉取。

上述任务结束之后我们可以通过以下两个操作来确认服务是否已就绪:

1# 查看容器状态
2docker compose -f docker-compose.selfhost.yml ps
3
4# 检查 backend、数据库以及 migration
5curl -fsS http://localhost:8080/readyz
6
7# 正常响应是 {"status":"ok","checks":{"db":"ok","migrations":"ok"}}
8

确认 ready 之后,我们就可以通过 http://localhost:3000 来访问了:

三金这里主要使用桌面应用,从 Multica 下载页 下载对应系统的安装包进行安装,然后使用和 Web 版相同的邮箱进行登录。登录后,Desktop 会启动自己内置的 Multica CLI,并检测本机已有的 AI 编程工具。

Multica 默认是没有配置邮件服务的,所以我们输入自己的邮箱以后,需要从 backend 容器日志中进行读取:docker compose -f docker-compose.selfhost.yml logs backend | grep "Verification code",然后在日志中会出现类似这样的内容:[DEV] Verification code for you@example.com: 123456

那如何配置邮件服务呢?可以通过在配置文件中设置主机和发件地址(以下只是引导,需要大家填写真实的配置信息),然后重启容器来激活邮件功能:

1SMTP_HOST=smtp.example.com
2SMTP_PORT=587
3SMTP_USERNAME=multica
4SMTP_PASSWORD=<password>
5SMTP_FROM_EMAIL=noreply@example.com
6

快速上手

登录之后的第一件事,就是要创建工作区:

以 AI-TEAM 为例,创建好之后视图如下:

我们先点击运行时来看下当前机器上都有哪些工具:

然后回到智能体中,创建新的智能体:

接下来让我们来测试一下,输入提示词:在 Blender 中制作一只豚鼠。

这里用的 glm-5.3-flash 模型,形状是有的,但是有一种石质感,可能换成 gpt-6.1-sol 模型就好了。

有一说一,3D 建模的时间很长,足足一个多小时将近两个小时。

创建多 Agent

在测试单 Agent 成功以后,我们就可以尝试创建一个 Agent 团队出来了,比如搞一个专门做 3D 小游戏的团队:Game Designer + 3D 建模专家 + Game Development + Game QA & Playtest。

在小队菜单里将这几个 Agent 添加进去,3D 开发团队就这样诞生了(但是能不能投入使用肯定是需要很长的摸索迭代):

组团打怪

我们新建一个任务,然后选择对应的团队:

接下来就是等待时间,先由 Game Designer 进行设计,然后再让 3D 建模专家进行 3D 建模,再将建模素材转交给开发 Agent 进行开发(不过后面没有执行 QA🤷‍♀️):

经历了 1 个小时 16 分钟以后,一个划船游戏就完成了:

视频:AI 生成的可交互式 3D - Northbound

看板

任务菜单这里,就是一个进度看板,在这里会展示「待规划\待办\进行中\审核中\已阻塞\已完成」6 个任务状态。

可以看到,我们在上一步中完成的长船之旅的任务目前已经到了审核阶段,用鼠标进行任务卡片拖动或者在任务详情中更换状态,都可以更新该任务到下一个阶段:

定时任务

这是目前市面上大多数 AI Agent 客户端都有的能力:

包括 WorkBuddy、ZCode、Codex 这些,这里就不过多赘述了。

有需要做多 Agent 以及 AI 任务面板能力的小伙伴,可以试试 Multica。

Github:github.com/multica-ai/… star 哦~

官网:multica.ai


参考文档


《54.6k star 的 Multica: 集多 Agent 和看板于一体的 AI 平台》 是转载文章,点击查看原文。


相关推荐


VeOps 深度调查:让 AI 排障从“能用”走向“可靠”
火山引擎Agent社区2026/10/26

告警突然响起,错误率一路走高,接口延迟也在不断拉长。做运维的都清楚,难的从来不是发现异常,而是在海量指标、日志、调用链路和错综复杂的上下游依赖中,快速理清三个问题:问题发生在哪里?发生原因是什么?当前应该做什么? 火山引擎全栈可观测平台的深度调查能力,就是针对这类复杂排障场景设计的。用户可以直接从告警信息或者故障现象入手,平台会顺着线索自动开展排查,输出可复现验证的根因判断,附带对应的处置建议。整个排查路径、关键证据都完整留存,故障现象、排查过程、结论和证据还能整理成结构化资料,后续可以直接复用


Android 协程实践:为什么不应将 `supervisorScope` 作为常规方案
潜龙勿用之化骨龙2026/10/18

在 Android 项目中,supervisorScope 常被用于避免“一个子任务失败,取消其他子任务”的情况。它看似能提升并发任务的容错能力,但如果被作为默认方案,容易掩盖项目中异常边界不清、失败处理分散等问题。 本文的核心观点是: 不应将 supervisorScope 作为 Android 业务代码中的常规异常处理或防崩方案。 更合理的做法是:在 Repository 数据边界消化并标准化可预期异常,让上层通过显式结果处理成功与失败。 1. supervisorScope 的真实


量化回测应该保存不复权数据吗?从数据口径到收益计算的工程实践
高频因子挖掘机2026/10/16

一句话结论:量化系统最好明确区分不复权行情、复权行情和收益计算结果。不复权数据适合保留原始价格尺度与追溯历史行情,但不能单独解决长期收益计算问题;真正重要的是让数据口径、策略逻辑和回测假设保持一致。 摘要 不复权数据什么时候更有意义,是量化数据工程中一个涉及数据存储、指标计算、回测一致性和历史追溯的问题。不复权价格可以帮助开发者保留原始行情的价格尺度,定位除权除息造成的价格变化,并核对数据处理过程。但如果将不复权价格直接用于长期收益计算,可能把公司行为与市场价格变化混在一起。本文从数据管道和回


【微信小程序】uni-app小程序项目分包技术方案
今年下半年2026/10/7

微信小程序分包技术方案 一、背景与目标 项目形态:uni-app + Vue3 + Vite 的小程序项目,组件库为 wot-design-uni(easycom 全局引入),另含 echarts、jsencrypt 等依赖,业务页面较多。小程序对包体积有硬性限制,页面与依赖持续增长后,若不做分包容易出现「主包超 2MB 无法上传」的问题。分包目标:把非启动、非高频的业务页面拆到分包,压缩主包体积、缩短首屏启动时间,同时通过分包预下载降低分包页面的首次进入等待。 二、微信小程序体积限制(前提)


基于MediaPipe姿态估计的实时跌倒检测系统设计与实现
7zcode2026/9/29

摘要:跌倒是老年人和特殊人群面临的重大安全隐患,及时准确的跌倒检测对于保障生命安全具有重要意义。本文设计并实现了一种基于 MediaPipe 姿态估计技术的智能跌倒检测系统。 项目概览 项目简介 该系统利用 Google MediaPipe 框架提取人体关键点信息,通过分析躯干角度、身高比例等多维度特征,结合时间序列确认机制,实现对跌倒事件的准确识别。 实验结果表明,该系统能够有效区分站立、弯腰和跌倒三种姿态,通过连续 4 帧确认机制显著降低了误报率。系统具有部署简便、实时性好、准确率


Agent 写正则来实现规则 ≈ 踩坑
hpoenixf2026/9/23

最近在升级我的个人投资研究 Agent 时,我碰到了一个很容易被忽略的问题: 确定性实现,不等于客观判断。 代码当然可以稳定地执行一个正则、关键词表或布尔条件。 但“执行稳定”并不会自动赋予 Runtime 理解开放自然语言的能力。 如果 Runtime 并不知道一句话的真实语义,就不要因为能把它写成 if,假装自己知道。 这篇文章讨论的,就是 Agent 系统里一条很重要的边界: Runtime 只应该对自己真正知道、能够追溯和复核的事实负责。 前情提要:我们在做什么 Agent 我


15、音频系统
狂人开飞机2026/9/15

第15章 音频系统 15.1 AudioStreamPlayer 基础 # AudioStreamPlayer:非位置音频(BGM、UI音效) # AudioStreamPlayer2D:2D 位置音频(距离衰减) # AudioStreamPlayer3D:3D 位置音频 extends AudioStreamPlayer func _ready() -> void: stream = preload("res://audio/bgm/battle_theme.ogg")


Git-SVN 混合开发,从入门到精通!
重生之我来学Python2026/9/7

Git-SVN 混合开发:命令对照、工作流程与 15+ 实战技巧,一篇搞定! 摘要 本文详细介绍 Git-SVN 混合开发的完整方案,涵盖从安装配置到实战操作的全流程。通过 Git 命令与 SVN 命令的对照表格、15+ 个核心命令详解、以及真实场景下的工作流程,帮助你在 SVN 项目中享受 Git 的便利。无论你是被迫使用 SVN 的 Git 用户,还是想尝试 Git 功能的 SVN 团队,这篇文章都能让你快速上手 Git-SVN 混合开发模式。 在 SVN 项目中使用 Git 本地分支、暂


Highcharts 双 Y 轴分组错位柱状图・代码详解
Highcharts.js2026/8/30

双 Y 轴、非分组错位并列柱状图,同时展示两类指标: 左轴:员工数量(人数,普通数值)右轴:利润(百万美元,金额) 同一分类下 4 根柱子错开摆放,不会互相重叠,用来对比「优化前 / 优化后」两组数据差异。 示例代码 Highcharts.chart('container', { chart: { type: 'column' }, title: { text: 'Efficiency Optimization by Branch


OpenCV实战——透视变换与身份证号码模板识别
clorinda2026/8/22

一、前言》》》》》》》 在现实生活中,发票、身份证和纸张通常不是完全正对着摄像头拍摄的。由于拍摄角度不同,原本的矩形会变成梯形,文字也会发生倾斜。 如果直接对这种图片进行识别,效果往往不理想。因此,通常需要先完成透视变换,把图像矫正成正面视图,再进行二值化、轮廓检测和模板匹配。 本篇主要介绍: 1,透视变换的原理; 2,四个角点的排序; 3,发票图像矫正; 4,形态学闭运算; 5,使用模板匹配识别身份证号码。 二、透视变换的基本原理 透视变换可以把原图中的任意四边形转换成一

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2026 聚合阅读