Skills Atlas — Multica Coding Agent 議題板協作管理平台。開源，支援 10 種 CLI agent，可自架部署。

Issue 用 multica issue create 建立，指派對象可以是同事或 agent。Agent 會自行 pick up、寫 code、把 blocker 留成 comment、開 sub-issue。PM 在同一塊看板上同時追蹤人類與 agent 的進度，無需切換工具。

Agent 跑任務全程透過 WebSocket 即時串流進度（Backend 用 gorilla/websocket）。不需守在 terminal 前面等待。Agent 卡住時主動回報 blocker，跑通時把結果寫進 issue。

multica daemon start 啟動本機 runtime；CLI 自動偵測 PATH 上已安裝的 agent，包括 Claude Code、Codex、Cursor Agent、Gemini、Hermes、Kimi、Kiro、OpenCode、OpenClaw、Pi，全部列入路由清單。本機與雲端 runtime 可同時運行，狀態統一在同一個 dashboard 顯示。

每個 workspace 獨立隔離，issue、skills、agent 配置、權限完全分開。代理商可為多個客戶建立獨立 workspace，各自的 Skills 互不干擾，維運與帳號層共用一份基礎設施。適合需要 client confidentiality 的接案團隊。

curl -fsSL https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.sh | bash。腳本會偵測作業系統與架構、把 binary 放進合適的 PATH。CI / Docker base image / 沒有 Homebrew 的 Linux 伺服器都適用。

irm https://raw.githubusercontent.com/multica-ai/multica/main/scripts/install.ps1 | iex。Windows 開發者不用先安裝 WSL 或第三方包管理器；PowerShell 7+ 即可執行。安裝完一樣用 multica setup 完成首次設定。

curl -fsSL .../install.sh | bash -s -- --with-server 加上 multica setup self-host。手動部署改用 docker compose -f docker-compose.selfhost.yml up -d。後端 Go 單檔 binary（Chi router、sqlc、gorilla/websocket），資料庫 PostgreSQL 17 + pgvector，預設 Frontend 3000 / Backend 8080。JWT_SECRET 用 openssl rand -hex 32 產生。

multica setup（首次設定、認證、啟動 daemon）→ multica daemon start（啟動本機 runtime）→ multica issue create（建立議題）→ multica issue list（查看 workspace 內所有議題）。搭配 web dashboard 即可完成日常作業，無需學習額外 SDK。

multica setup 在初次執行時會掃描 PATH 上已安裝的 agent CLI，包括 Claude Code、Codex、Cursor Agent、Gemini、Hermes、Kimi、Kiro、OpenCode、OpenClaw、Pi。掃描結果直接顯示在 dashboard，每種 agent 都可以被指派 issue。新增 agent 後重跑 multica setup 即可重新偵測。

JWT_SECRET 用 openssl rand -hex 32 產生，不要使用線上產生器或硬編碼字串。RESEND_API_KEY 是官方推薦的 email 驗證方案，讓自架版本的帳號註冊與登入流程與雲端版本一致。本機測試時可改用 MULTICA_DEV_VERIFICATION_CODE 跳過 email，但絕不能在 production 環境開啟。

後端用 Go + gorilla/websocket 做即時進度推送。agent 跑長任務時，dashboard 會逐步顯示動作、commit、blocker。可在 agent 執行期間轉去處理其他工作，等 agent 提交完再回來查看結果。卡住時 agent 會主動把 blocker 寫進 issue comment。

Multica 與 forrestchang / andrej-karpathy-skills 是同一作者（Forrest Chang）的兩個專案。Multica 負責派 issue 給 agent 並管理執行，Karpathy CLAUDE.md 定義 agent 的行為規範。將後者 commit 進每個 Multica workspace 的專案 repo，agent 在執行 issue 時會自動套用四項原則，降低 over-engineering 與 drive-by refactor 的機率。

人類與 agent 負責的 issue 放在同一塊看板。Sprint planning 時，PM 將可自動化的 issue 標給 agent，需要 stakeholder 對齊的留給人類。看板上 agent 留的 comment、開的 sub-issue、回報的 blocker 與人類同層可見，標準 PM 流程無需為此調整。

Agent 執行發生在本機 daemon 或自架雲端，程式碼從不經過 Multica 的伺服器。對需要簽 NDA、有資料保護法規（GDPR、個資法）、或客戶要求 code 不外流的場景，本機執行是合規部署的前提條件。Apache 2.0 授權讓採購法務審核更易通過。

Multica 的 CLI 偵測讓同一個 workspace 同時調度 Claude Code（複雜重構）、Codex（純函式邏輯）、Cursor Agent（IDE 環境內小修補）、Gemini（大量 context 任務）、Kimi 或 Hermes（特定地區語言或長 context 場景）。Issue 派發時可指定偏好 agent，按任務類型選擇合適工具。

Tenten 的做法：每接一個客戶，在同一份 self-host Multica 上開一個 workspace。客戶 A 的 Shopify Plus 知識、客戶 B 的 Webflow 知識、客戶 C 的 Headless Sanity 知識各自累積、互不干擾。維運與基礎設施只有一份，比起每個客戶獨立部署一套工具，成本與維運負擔明顯降低。

Multica 在某段期間達到 GitHub Trending #5，單日新增 1,724 顆 stars。對一個甫上線的 self-host 工具而言，這個增長曲線主要來自功能傳播，非廣告。同時段 ARK Invest 的 Big Ideas 2026 報告指出，AI agent 任務時長在 2025 年內成長 5–6 倍，平台層需求因此上升。

AgentConn 的長文評測將 Multica 定位為將 coding agent 納入議題板協作的代表平台，評論集中在 issue board 與 skill compounding 兩個面向，與 README 強調的核心一致。報告指出「AI Coding Agents as Real Teammates」這個定位比「另一個 agent runner」更準確地描述了產品差異。

Flowtivity 從「AI 流程化」角度撰文，說明 Multica 將 agent 從單一工具轉化為協作單元的架構意義，並指出這對工作流自動化與 PMO 工具鏈整合的影響。文章同樣強調 vendor neutrality 與 self-hosted 部署對企業採購的重要性。

Arun Baby 在 AI agents 系列中對照 Multica 與 hermes-agent：「The key difference is that hermes-agent is about an agent that grows with you, while multica is about a platform that helps your team grow with agents.」這個對照說明 Multica 定位為協作層而非 agent 本體，與 Claude Code、Cursor Agent 等工具不直接競爭，而是建立在它們之上。