用 Multica 把 AI 对话回流进项目与脚手架

与 AI 的每一次深入协作，大抵都会在某个时刻抵达一种短暂的富足：一个盘踞许久的 bug 被逐步取证逼到墙角，一版界面从堪用被打磨得有了呼吸，或者只是把一件盘根错节的事，想清了脉络。随后对话窗口关闭，这场协作连同它内部的一切，就此沉入水底。

次日，同类的问题再度浮现，新开一个会话，一切从零。前一场里踩过的每一处陷阱、试探过的每一条歧路、最后拍板时那些不易复得的判断，都已随上下文的边界一同合拢。窗口是有限的，它闭合的那一刻，边界之内的全部积累便无从追索。

人们习惯把 AI 的价值记在「生成」一栏：它能以极低的成本产出可用的代码、像样的设计、一段条理清楚的分析。可生成廉价，恰恰意味着生成不再是稀缺之物。稀缺的是另一件事——把一场协作里真正有价值的部分留存下来，令其持续累积，而不必每一次都重新支付「重新理解」的成本。

本文所谈，正是这件事：如何借助 Multica（一个把工作沉淀为 issue 网络的协作层）把易逝的会话持久化；以及更关键的一步，令它回流，流回三处：自己的认知、项目、脚手架。为免流于空谈，我用一个真实项目把这套做法完整走了一遍。

以一座登山档案库为锚

这个项目名为「长风之上」，是一座登山编年档案库。地球上逾 8000 米的山峰只有十四座，它把这些山的尺度、首登史与探险故事，做成一份严肃的高山测绘档案，每一条内容都可追溯到免费、无版权的公版事实源。

但它分「表」「里」两层。表是档案库本身：一台名为「高海拔观测仪」的界面，以一张 AI 自生成的群山影像为底（照片是版权红区，AI 自生成之图则无第三方版权之虞），其上叠着贴合山巅的 01–14 峰环、海拔标尺与 8000 米橙色切面。里才是它真正的用意：它是一块 dogfood 的试验田，档案库一边建起来，「AI 时代如何用 Multica」的方法论也一边被逐条沉淀为 issue。

这里藏着一个不易一眼看穿的对应，也正是本文的骨架：这两层其实在做同一件事。

档案库对抗的是登山史的遗忘——史料散落于专有数据库、绝版书与湮没的远征队志之间，这个项目把无争议的事实编年录下，使其不至沉没。方法论对抗的则是 AI 协作的遗忘——每一场对话的价值散落在合拢的窗口之内，这套方法把它编年录下，使其不至蒸发。一个为登山史建档，一个为 AI 协作建档，归根到底是同一桩事：为易逝之物立一份档案。所以这个载体并非随手取来：它「档案而非营销、事实即敬畏、过程可追溯」的产品立场，与底下那套方法论，本是同一种取向在两个尺度上的投影。项目本身，就是本文的隐喻。

生成廉价，留存稀缺

先把 Multica 摆到它该在的位置。它容易被误认作「一个更强的 AI 执行器」，其实不然。派驻其上的 agent 开不了本地那种多路并行的重编排，它所拥有的，是思考的深度与一块共享的 issue 记忆。因此它是一个更持久的底座。执行，不是它的长项。单人、有人照看的重活——深度调试、界面品味、大规模调研——本地的 AI 编码工具配合工作流是更强的一栈；唯有那些需要跨会话记住、需要多人异步协同、需要一处单一真相源的场合，才是 Multica 真正不可替代的战场。分工既定，「持久化」这件事才不至沦为为用工具而用工具。

然而仅仅「存下来」并不够。存进去却读不动、理不清、复用不了，与不曾存过无异。持久化真正的分量落在下一步——回流。

回流其一 · 认知

第一个要回流之处，是自己的认知。

我为自己立的规矩是：方法论每提炼出一条，便开一条独立的 issue，单一职责，可跨项目复用。到这个项目封板时，共沉淀了十二条，自 #1 至 #12，统辖于一个索引节点之下，任何一条都不许写成臃肿的胖 issue。

这件事的收益不在「记录」，而在于逼自己把模糊的手感，压成一句能被写下来的话。一个能随手施展、却讲不清的技巧，和一个能对旁人说清、能被检索、能被日后的自己一眼认出的方法论，是两种不同的拥有：前者是肌肉记忆，换个场景便漏；后者才真正长进了认知里。这恰与档案库那一半的信条相通：让真实的尺度与史实自己承载重量，不假形容词煽情。方法论亦然：一条能独立站住、能被复述的原则，胜过十句「我觉得大概该这样」。能被写下来的方法论，才是真正为你所有的方法论。

回流其二 · 项目

第二个要回流之处，是项目自身。

散落的 issue 不成资产，一张有主干的网络才是。我的第二条规矩是：issue 网络须有主线。一个 trunk 节点充当单一真相源，所有支线皆关联回来；表（档案库的数据、前端、工程化）与里（方法论）自主干分出两条线，一条复盘的 issue 横跨其上，作两者之桥。如此，网络中任一节点，都能顺藤回放出它何以在此、又与何者相关。

在这张网络之上，我又添了两条规矩。其一是 issue 与 commit 双向绑定：Multica 的 repo 是一张代码注册表，让 issue 得以指向具体的提交，把「为何这样改」与「改了什么」锁在一处。其二是时间精确到秒：界面上时间只显示到日，取数却一律走全精度的 JSON，因为溯源与排序一旦较真，「同一天」远不够用。

这背后是一个我愈发笃信的判断：过程即收益。执行的轨迹、讨论的分叉、拍板的缘由，只要挂在 issue 网络上，过程本身便自动结晶为资产：文档、复盘、知识库，无需事后再由谁专门补记。项目的历史因此不再是 git log 那一本流水账，而成了一张可回放决策的网。

回流其三 · 脚手架

第三处，也是复利最厚之处，是个人的脚手架。

一个项目做下来，总会长出一些通用的能力需求。多数人会将它就地写死在项目里。更好的做法是把它提炼为一个可复用的个人 skill，回流至自己的 skill 脚手架，令此后任何项目皆可取用。

这一条，我有一个鲜活且恰好自我指涉的案例。前文说过，我把方法论沉淀成了 Multica 的 issue 网络。可紧接着便撞上一个问题：别的 AI agent 想读这张网络时，径直用 CLI 列 issue，读来既散且缺维度：无从按标签筛、无从按时间排、结论沉在评论里、id 是一串裸符号、时间还只到日。沉淀了，却读不动，与没沉淀无异。

于是我把「读全一个 Multica workspace 的记忆」这一需求，提炼成了一个名为 multica-read 的 skill：一件严格只读的工具，十四个子命令，把缺失的维度悉数补齐，塑形为 agent 能一口吞下的蒸馏记忆：一页纸的 onboarding、按标签与时间检索、父子树、结论蒸馏并附更正链、秒级时间线。它已回流进我的个人脚手架 skills-Scaffolding，以符号链接接入 ~/.claude/skills，此后任何项目、任何 workspace 皆可复用。

这个闭环因此显得格外完整：一个项目里冒出的具体麻烦，被提炼为一件通用工具，反过来令「持久化」这条链真正合拢：既沉淀得下去，也读得回来。而它并非孤例，紧随其后，我又把下文将谈的工作流编排一簇，提炼成了第二个 skill。脚手架便是这样一层层厚起来的：每一个项目，都比上一个起点更高。

放大器：作为认识论的工作流

前述三条回流是地基。真正在其上起放大之效的，是第八条方法论，也是我视为工程核心锚点的一条：多 agent 的工作流编排。

它值得单独拈出，因为它所改变的不是速度，而是每一份产出的认识论地位。一个 agent 跑一次，交出的是一个误差未知的点估计；N 个彼此独立的 agent 跑同一件事，则是一次集成。独立性令不相关的误差相互抵消。这并非「更快地得到同一个答案」，而是「得到一个可信度截然不同的答案」。

我把这套东西用在质量审查上：写代码是发散，审代码是收敛，令两组不同的 agent 各司其一，价值恰在于「相分离」，而这种对抗是单个 agent 单次给不出的。审查的边际成本被压至近乎为零，于是「宁可前期多审一轮，也不留待后期返工十倍」，便从一句口号变成了负担得起的默认动作。

但此处有一条愈用愈重的铁律：唯一不可外包的，是最终判断。Agents propose, orchestrator disposes：子 agent 负责提议，主控负责裁决。独立性是会被破坏的（几路 agent 共享同一套文件系统，便可能酿出相关的错误），收敛的那道门永远是主控亲自复核，而非任由 agent 为自己盖章。恰巧，就在写这个网站的另一处功能时，我正用着这套对抗性审查，它揪出的几处问题，无一是单跑一遍所能发现的。

实证：从「AI 味」到作品级

方法论论及此处，最易流于悬空。故而我把最抽象的那几条，钉在一件看得见、且经我亲手打磨的产物上：正是前文那台观测仪的界面。

它的初版由 AI 全自主生成：暗色底、巨大的字、药丸状的切换按钮。技术上挑不出错，却是训练集的平均值。我一句话判了它死刑：「一股 AI 味」。继而是人机共同打磨的第二版：将一张文生图的群山概念径直当作前端资产、手工微调贴合山巅的峰环、把 8000 米切面做到发丝之细。拐点全系于人的那 1% 品味决断：判死刑、换方向、认定那张概念图值得当真。而这一版反而净删了三百余行代码，成效却是质变。

这段打磨本身，又当场结晶出三条方法论，恰是三个不同维度的杠杆。换裁决者：品味归人、工程归 AI，AI 兜得住工程，却兜不住品味。换执行者：同一会话内把模型自一档切至更强的一档，还原之质立见分晓，模型选型本身即是杠杆。换方法框架：写动效与审动效各用一个专家 skill，写与审天然相抗。质量的拐点从不来自苦力的堆叠：先择对裁决者、执行者与方法，再谈努力。

而这三条杠杆之所以能被我事后如此清楚地列出，恰因当时的每一步都留痕于 issue 网络之中。表（那台被打磨至作品级的观测仪）与里（自打磨中长出的方法论），在这一刻本是同一物——产品即证据。

尾声：文章本身即回流

写到这里，有一层我始终未曾点破：这篇文章本身，就是这套方法论的最后一次回流。

项目跑完，沉淀为 issue 网络，网络又被绘成一张图文并茂的留痕全图，我自那张图中取材，写成此文，分发给读者，也分发给三个月后忘尽细节的自己。写这篇文章的举动，本身就在演示它所论说的那件事：把一场会蒸发的协作，一路回流进认知、项目、脚手架，最终回流给更多的人。

我曾写过一篇谈金冰镐奖的文章，说登山界那个最高荣誉从不表彰「登了什么」，只在意「怎么登」：阿尔卑斯式攀登所推崇的，是风格，是过程的纯粹，而非峰顶那个结果。今日回望，AI 协作亦是同理：在生成廉价到近乎免费的时代，如何与 AI 协作、如何把协作之所得留存下来令其复利，远比任何一次对话生成了什么更为要紧。

怎么登，比登了什么更重要；怎么协作，也比某一场对话生成了什么更重要。

明月出天山，苍茫云海间。长风几万里，吹度玉门关。

这是「长风之上」题签的出处。风终会吹过，会话终会关闭，但只要为它建了档，它便不算真正散去。