Paperclip：给 AI 代理们建一个真正的「公司」

想象这样一个场景：你同时雇佣了 5 个 AI 程序员、3 个 AI 设计师和 2 个 AI 运营，每个都在 24 小时不间断工作。 问题是——谁来告诉 A 程序员不要改 B 程序员的代码？谁来审批 C 设计的新方案？谁来阻止 D 运营的营销邮件被发送到一个已经取消订阅的用户？ 在真实公司里，这些靠组织架构、审批流程和财务制度来约束。但在 AI 代理的世界，大多数框架给你的只是一个「列表」，列表里的代理各自为战，成本失控，上下文丢失。 Paperclip 做的事，就是给 AI 代理们建立一套完整的公司治理体系。

图1：Paperclip 项目标题图

背景：一场 72 小时内爆发的开源实验

2026年3月初，一位匿名开发者 @dotta 在 GitHub 上发布了一个项目，短短数周便突破了 4.2 万星，成为当年增长最快的 AI 相关开源仓库之一。 这个项目试图回答一个越来越紧迫的问题：当你的 AI 代理数量超过 3 个时，如何让它们像一个真正的团队一样协同工作，而不是互相踩踏？ Paperclip 的核心洞察是：大多数多代理框架把协调问题当作「图」或「对话」问题来处理，但 Paperclip 选择把它当作管理问题来处理——你需要组织架构、审批权限、成本核算和审计日志。

类比：OpenClaw 是「员工」，Paperclip 是「公司」

Paperclip 官方博客有一句精准的类比：「如果 OpenClaw 是一个员工，那么 Paperclip 就是这家公司本身。」 这意味着：OpenClaw（或 Claude Code、Codex、Cursor 等任意 AI 代理）负责执行具体任务，而 Paperclip 负责制定目标、分配预算、审批方案、记录工作日志——就像真正的管理层在做的事。

核心功能：代理公司的完整操作系统

组织架构与代理管理

Paperclip 支持以树形层级结构定义 AI 代理团队。你从「CEO」开始，然后雇佣 CTO、工程师、设计师、营销人员——每个代理都有自己的角色、汇报线和技能描述。 代理通过适配器（Adapter）接入系统，目前官方支持 Claude Code、OpenAI Codex、Cursor、Gemini、Grok、Bash 等主流 AI 编程工具，并提供 HTTP/Webhook 适配器用于接入 OpenClaw 等外部代理框架。 支持 10 种以上的适配器类型：

图2：Paperclip 支持的 AI 代理类型

目标对齐与任务系统

Paperclip 的任务系统是层级式的：每个任务都必须回溯到公司级目标。当 CEO 代理制定季度战略时，战略会被拆解为项目，项目拆解为任务，任务分配给具体代理。 这解决了 AI 代理常见的「局部最优」问题——代理不再只看到自己要做什么，而是始终知道「为什么要做这件事」，从而在遇到模糊指令时能做出更符合整体利益的决策。

心跳机制（Heartbeat）

代理按照设定的心跳周期自动唤醒，检查任务队列、处理工作、汇报进度。与传统脚本式自动化不同，Paperclip 的心跳机制支持状态持久化：代理重启后能恢复之前的执行上下文，不会因为崩溃而丢失进度。

成本控制

每个代理都可以设置月度 Token 预算。当 Token 消耗接近阈值时，系统会自动发出警告；达到上限后，代理会被强制暂停，防止成本失控。 在多代理系统中，成本失控是一个普遍但被低估的风险——一个陷入循环的代理可能在几小时内烧掉数百美元的 API 费用。Paperclip 把这个风险从「不可控」变成了「可配置的策略」。

治理与审批

Paperclip 引入了「董事会」（Board）治理模型。对于高影响的操作（如新代理入职、CEO 战略方案），系统会强制要求人工审批。 作为董事会成员，你可以随时：暂停或终止任意代理、修改任意任务的优先级、覆盖任何代理的决策、调整任意层级的预算。治理不是事后补救，而是一个实时的控制台。

多公司隔离

单个 Paperclip 实例可以同时运行多个公司，每个公司有独立的数据存储、审计日志和预算体系。这让你可以用一套系统管理多个 AI 业务线。

技术架构

Paperclip 的技术栈非常现代：

• 后端：Node.js + TypeScript（pnpm monorepo），包含 @paperclipai/server（HTTP API + WebSocket）、@paperclipai/db（PostgreSQL + Drizzle ORM）、MCP Server（Model Context Protocol 集成）

• 前端：React + TypeScript + Vite + Tailwind CSS + Radix UI，使用 @dnd-kit 实现拖拽，用 @assistant-ui/react 构建对话界面，用 @mdxeditor/editor 提供富文本编辑

• 适配器体系：packages/adapters 下包含 10+ 个适配器包（claude-local、codex-local、cursor-cloud 等），每个适配器处理与特定 AI 工具的通信协议

• 插件系统：packages/plugins 提供可扩展的插件 SDK，支持沙箱隔离执行、服务调用注入、UI 组件注册

• Monorepo：根目录 pnpm-workspace.yaml 统一管理 server、ui、packages/adapters、packages/plugins 等多个子包，Vitest 全局测试套件

代码质量方面，仓库采用 TypeScript 严格模式，tsconfig 统一管理，ESM 模块系统，有完整的类型导出和 Storybook 组件文档，测试覆盖率较高。

部署体验

Paperclip 提供开箱即用的 Docker 支持。克隆仓库后，只需配置 .env 文件（填入 OpenAI/Anthropic API Key），运行 docker compose -f docker/docker-compose.quickstart.yml up，数分钟即可完成本地部署。 前端界面基于 React Vite 构建，提供了看板视图、任务列表、代理管理面板和成本仪表盘，移动端可用。

局限与争议

Paperclip 作为一个快速崛起的新项目，仍存在一些值得关注的局限：

1. 复杂性门槛：对于只是想用 AI 辅助编程的个人开发者来说，Paperclip 的整个「公司治理」概念可能过于复杂，上手成本不低。
2. 适配器质量差异：官方适配器对 Claude Code、Codex 的支持相对完善，但对一些新兴工具的适配可能存在功能差异。
3. 生产级稳定性：作为 2026 年初才爆发的年轻项目，其在超大规模多代理场景（100+ 代理并发）下的稳定性和性能尚未经过充分验证。
4. 数据隐私：代理运行时产生的上下文数据、API 调用日志等需要存储在部署方自己的基础设施中，对数据隔离有严格要求的场景需要额外配置。

行业意义：代理经济的基建层

Paperclip 的出现，反映了 AI 领域正在发生的一个范式转变：从「用 AI 辅助一个人工作」到「建立一个 AI 代理构成的组织来运营业务」。 当单个 AI 代理足够强大时，瓶颈就从「代理能力」转移到了「代理治理」。Paperclip 正是填补这个空缺的开源方案——它不替代任何具体 AI 代理，而是为所有代理提供了一套通用的协作基础设施。 如果这个方向成立，Paperclip 的定位类似于企业服务中的「ERP 系统」：不是某个部门的工具，而是整个 AI 组织的中枢神经系统。 从增长曲线看，72 小时 4.2 万星的速度已经接近 LangChain、AutoGPT 等前辈项目，但它选择了一个更具体、更实用的切入点——不追求「让 AI 自主做一切」，而是在「人类仍然掌控大局」的前提下，让 AI 代理高效执行。

一句话总结：Paperclip 是 AI 代理经济时代的公司治理工具，让多个 AI 代理能够像真实员工一样，在组织架构、预算约束和审批流程下协同工作，而不是一群各行其是的独立进程。