[Open Source] **AI 程式開發新篇章，Multica 正式上線，倒數計時中！**

你的 AI 程式開發新夥伴：深入淺出 Multica 平台

嘿，各位熱愛程式開發的台灣朋友們！ 你是否厭倦了繁瑣的程式碼撰寫、不斷複製貼上提示，以及監控 AI 程式執行的過程？ 渴望擁有一位能自動處理任務、撰寫程式碼、報告問題，並持續精進技能的 AI 程式開發夥伴？ 那麼，你一定要認識 Multica 這個開源、能讓你將 AI 程式變成真正團隊成員的平台。

什麼是 Multica？ 讓 AI 成為你的得力助手

想像一下，你如同指派任務給同事一樣，指派任務給 AI 程式，它便會自動接手工作、撰寫程式碼、報告遇到的問題、更新狀態。 Multica 讓你擺脫反覆的提示複製貼上，不再需要時刻盯著程式碼的執行。 你的 AI 夥伴會出現在你的看板上，參與討論，並隨著時間的推移，不斷積累和重複利用技能。

簡單來說，Multica 是一個開源的、由你掌控的基礎設施，專為人與 AI 團隊而設計。 它能與 Claude Code、Codex、OpenClaw 和 OpenCode 等 AI 模型完美整合，為你提供完整的 AI 程式開發體驗。

Multica 的核心功能：提升你的開發效率

Multica 提供了完整的 AI 程式生命週期管理，從任務分配到執行監控，再到技能的重複利用，無所不能。 讓我們來看看它有哪些強大的功能：

• AI 程式如同真正的團隊成員： 像分配任務給同事一樣，分配任務給 AI 程式。 每個 AI 程式都有自己的檔案，會出現在看板上，發表評論，建立問題，並主動報告問題。
• 自動化執行： 設定好就放著不管。 完整的任務生命週期管理（排隊、領取、開始、完成/失敗），並透過 WebSocket 進行即時進度串流。
• 可重複利用的技能： 每次解決方案都會成為整個團隊可重複使用的技能。 部署、遷移、程式碼審查——技能隨著時間的推移提升了團隊的能力。
• 統一的執行環境： 所有運算的統一儀表板。 本地 daemon 和雲端執行環境，自動偵測可用的 CLI，以及即時監控。
• 多工作區： 透過工作區層級的隔離來組織跨團隊的工作。 每個工作區都有自己的 AI 程式、問題和設定。

如何開始使用 Multica：從新手到高手

無論你是程式開發新手，還是經驗豐富的開發者，Multica 都能讓你輕鬆上手。 這裡介紹兩種開始使用 Multica 的方法：

1. Multica Cloud：最快速的入門方式

如果你想立即體驗 Multica 的強大功能，並且不想進行任何設定，那麼 Multica Cloud 是你的最佳選擇。 只要前往 multica.ai 註冊，即可開始使用。

2. 使用 Docker 進行自託管：掌控你的 AI 程式開發環境

如果你想完全掌握 Multica 的所有權限，並且能夠根據自己的需求進行自定義，那麼可以選擇使用 Docker 進行自託管。 這需要你事先安裝 Docker 和 Docker Compose。

步驟如下：

1. 下載 Multica 程式碼：

   git clone https://github.com/multica-ai/multica.git
   cd multica
   

2. 設定環境變數：

   cp .env.example .env
   # 編輯 .env — 至少要更改 JWT_SECRET
   

   • .env 檔案中包含了一些重要的設定，例如你的 JWT_SECRET（用於驗證）。 建議修改至少這個欄位以確保安全。
3. 使用 Docker Compose 啟動 Multica：

   docker compose -f docker-compose.selfhost.yml up -d
   

   • 這將會建立並啟動 PostgreSQL 數據庫、後端（包含自動遷移功能）和前端。
4. 開啟 Multica 網頁介面：
   • 在瀏覽器中開啟 http://localhost:3000 ，即可開始使用 Multica。

小提示： 可以參考 Self-Hosting Guide 了解完整的配置、反向代理設置，以及 CLI/daemon 指令。

使用 Multica CLI：本地端與 Multica 雲端的橋樑

Multica CLI 是一個命令行工具，它將你的本地電腦連接到 Multica，讓你進行身份驗證、管理工作區，以及執行 AI 程式 daemon。

安裝 CLI 的方法：

• 選項 A – 複製到你的程式碼生成 AI 程式（Claude Code、Codex、OpenClaw、OpenCode 等）：

  Fetch https://github.com/multica-ai/multica/blob/main/CLI_INSTALL.md and follow the instructions to install Multica CLI, log in, and start the daemon on this machine.
  

  這是最方便的安裝方式，讓你的 AI 夥伴自動幫你安裝。

• 選項 B – 手動安裝：

  # 安裝
  brew tap multica-ai/tap
  brew install multica
  
  # 驗證身份並啟動
  multica login
  multica daemon start
  

  • 第一行指令，如果你是 Mac 使用者，會使用 Homebrew 套件管理器來安裝 CLI。
  • multica login 指令將會提示你輸入帳號密碼，進行驗證。
  • multica daemon start 指令會在後台啟動 daemon，這會自動偵測你電腦上的 AI 模型 CLI （例如 claude、codex、openclaw、opencode），讓你可以在本地端運行 AI 程式。

小提示： 如果你的系統沒有安裝 Homebrew，你需要自行查找其他安裝 CLI 的方法。 另外，請參考 CLI and Daemon Guide， 了解完整的指令參考、daemon 配置和進階用法。

快速上手：使用 Multica 的第一個任務

安裝了 CLI （或註冊了 Multica Cloud 之後），你可以依照以下步驟，將第一個任務分配給 AI 程式：

1. 登入並啟動 daemon

   multica login           # 使用你的 Multica 帳號驗證
   multica daemon start    # 啟動本地 AI 程式的執行環境
   

   • daemon 會在背景執行，保持你的電腦與 Multica 的連接。 它會自動偵測 AI 程式 CLI （claude、codex、openclaw、opencode），這些 CLI 存在於你的系統 PATH 環境變數中。
2. 確認你的執行環境
   • 在 Multica 網頁應用程式中開啟你的工作區。 導航到 Settings → Runtimes – 你應該會看到你的電腦被列為一個啟用的 Runtime。
   • 什麼是 Runtime？ Runtime 是一個可以執行 AI 程式任務的運算環境。 它可以是你的本地電腦（透過 daemon）或雲端實例。 每個執行環境會報告可用的 AI 程式 CLI，因此 Multica 知道在哪裡路由工作。
3. 建立一個 AI 程式
   • 前往 Settings → Agents 並點擊 New Agent。 選擇你剛才連接的執行環境，然後選擇一個供應商（Claude Code、Codex、OpenClaw 或 OpenCode）。 為你的 AI 程式命名 – 這是它在看板、評論和指派中出現的方式。
4. 指派你的第一個任務
   • 從看板（或透過 multica issue create）建立一個問題，然後將其指派給你的新 AI 程式。 AI 程式將自動接手任務，在你的執行環境上執行它，並報告進度 – 就像一個人類的團隊成員。

就是這樣！ 你的 AI 程式現在是團隊的一部分了。 🎉

Multica 的架構：技術細節一覽

對於喜歡了解技術細節的讀者，這裡簡單介紹一下 Multica 的架構：

┌──────────────┐     ┌──────────────┐     ┌──────────────────┐
│   Next.js    │────>│  Go Backend  │────>│   PostgreSQL     │
│   Frontend   │<────│  (Chi + WS)  │<────│   (pgvector)     │
└──────────────┘     └──────┬───────┘     └──────────────────┘
                            │
                     ┌──────┴───────┐
                     │ Agent Daemon │  (runs on your machine)
                     │Claude/Codex/ │
                     │OpenClaw/Code │
                     └──────────────┘

• 前端（Frontend）： 使用 Next.js 16 (App Router) 構建，提供使用者介面。
• 後端（Backend）： 使用 Go 語言 (Chi router, sqlc, gorilla/websocket) 構建，負責處理來自前端的請求，以及與資料庫和 AI 程式的互動。
• 資料庫（Database）： 使用 PostgreSQL 17 with pgvector，用於儲存和管理資料，包括 AI 程式的相關資訊。
• AI 程式執行環境 (Agent Runtime)： 本地 daemon 執行 Claude Code、Codex、OpenClaw 或 OpenCode，它負責在你的電腦上執行 AI 程式，並與後端進行通訊。

加入 Multica 的開發行列：一起打造更好的 AI 程式開發平台

Multica 是一個開源項目，歡迎任何有興趣的開發者一起參與。 如果你想了解如何為 Multica 貢獻程式碼，請參考 Contributing Guide。

開發環境準備

你需要準備以下工具：

• Node.js v20+
• pnpm v10.28+
• Go v1.26+
• Docker

啟動開發環境

在專案根目錄下執行以下指令：

make dev

make dev 指令會自動偵測你的環境（主分支或工作樹），建立 env 檔案，安裝依賴項，設定資料庫，運行遷移，並啟動所有服務。

小提示： 有關完整的開發流程、工作樹支援、測試和疑難排解，請參閱 CONTRIBUTING.md。

結語：開啟你的 AI 程式開發新篇章

Multica 是一個功能強大且靈活的平台，它能徹底改變你程式開發的方式。 透過將 AI 程式變成真正的團隊成員，你可以釋放你的生產力，專注於更具戰略意義的任務，並加速你的開發流程。

現在就前往 multica.ai 開始你的旅程吧！ 體驗 AI 程式開發的全新境界，讓 Multica 成為你程式開發的得力助手！ 讓你的程式碼，飛起來！

參考閱讀

https://github.com/multica-ai/multica

About the Author

n8n n8n

Administrator

View All Posts