一周 1.2w Star，热门赛道杀出一匹黑马！对谈 Multica 张佳圆：如何重写“人 A 协作”规则？

📌 一句话摘要

本文深度访谈了 AI 协作平台 Multica 的创始人张佳圆，探讨了其产品如何通过看板式界面实现“多人+多 Agent”的高效协作，并分享了团队内部使用 Agent 的真实经验与对 AI Native 组织形态的思考。

📝 详细摘要

本文是一篇对 Multica 创始人张佳圆的深度访谈。Multica 是一个让人类和 AI Agent 在同一工作空间内协同工作的平台，上线不到 3 周即获得 1.2 万 GitHub Star。文章详细介绍了 Multica 的产品理念、设计思路和团队内部实践。核心观点包括：将协作范式从“人驱动 Agent”转变为“批量创建 Issue → Agent 自主执行 → 人 review 决策”；产品形态采用看板式界面，以 Issue、Agent Runtime、Agent Profile 和 Inbox 为核心概念；团队内部已实现 Agent 7x24 小时工作，从早晨的日报生成到傍晚的自动部署。张佳圆认为，在 AI Native 团队中，人的注意力是系统瓶颈，未来衡量组织效率的核心指标可能是“Agent Idle 率”。他还分享了 Multica 的三大壁垒：品味与判断、数据积累、分发与入口。文章最后，张佳圆将 Multica 比作操作系统史上的 Multics，希望成为“多人+多 Agent”协作时代的早期探索者。

💡 主要观点

- Multica 定位为“Agent 的协作层”，而非另一个 Agent 产品。 平台不开发自有 Agent，而是接入用户现有的 Claude Code、Codex 等工具，通过看板式界面实现统一调度和协作留痕，不与 Agent 厂商正面竞争。

“多人+多 Agent”协作的核心范式是从“人驱动 Agent”转向“任务分派”。 通过批量创建 Issue 并分配给 Agent，Agent 自主执行完成后由人 review 决策，大幅降低人工介入程度，实现异步协作。

在 AI Native 团队中，人的注意力是系统瓶颈，“Agent Idle 率”是关键指标。 Agent 完成任务后需等待人 review 才能进入下一循环，导致 Agent 经常处于待机状态。降低 Idle 率意味着组织对 Agent 产能的利用更充分。

AI 时代，工程师的核心价值从“写代码”转向“定义问题、Review 判断、架构品味”。 低层次重复思考可外包给 Agent，但高层次判断与品味无法被替代，反而因 Agent 的存在变得更加稀缺和关键。

Multica 的三大不可复制壁垒是品味与判断、数据积累、分发与入口。 代码可被复刻，但产品设计背后的判断、团队使用积累的上下文数据、以及开源社区建立的分发优势，构成长期护城河。

💬 文章金句

- 我们更像是在'经营一支团队'，而不是在'使用一个工具'。

• 人，是 AI 团队里最慢的那个节点。
• 在一个什么都可以被 Agent 做掉的时代，人的品味和判断，反而是价值的最终锚点。
• 未来衡量一个 AI Native 组织效率的核心指标，可能会是 'Agent Idle 率'。
• 即使最终，Multica 没能成为那个被记住的名字，也没关系——只要 50 年后有人回头看这段历史，能把 Multica 和 Multics 并列地提起一次……

📊 文章信息

AI 初评：88

来源：十字路口Crossing

作者：十字路口Crossing

分类：人工智能

语言：中文

阅读时间：33 分钟

字数：8118

标签： Multica, AI Agent, 人机协作, AI 编程, 创业访谈

阅读完整文章