开源半年9.5万星：管AI的公司，比AI更值钱

原创

大白
大白

知白守黑1024

2026年10月2日 06:19
北京

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

你手上大概同时开着好几个 AI 编码助手。它们各自都挺能干，但你不知道谁在干什么，不知道这个月烧了多少钱，重启一次连会话都找不回来。

Paperclip 要解决的是这件事。它不关心你的 agent 用哪个模型、怎么写 prompt，它管的是这家「公司」本身怎么运转：谁汇报给谁、每个任务为什么存在、预算是多少、哪些决定必须经人点头。

01先划清边界：它是公司，不是员工

README 里有一句话把定位说得最清楚：

If OpenClaw is anemployee,
Paperclip is thecompany.

如果 OpenClaw 是一个员工，Paperclip 就是那家公司。

它自己列了一份「不是什么」的清单，比「是什么」更有信息量：

02六个概念，看懂它的世界观

官方文档把整套模型压在六个词里。前四个是结构，后两个是它真正的差异点。

Company（公司）

一个公司有目标、员工、组织架构、月预算（单位是美分）和任务树。一个 Paperclip 实例可以跑多家公司，数据互相隔离。

Agent（员工）

每个员工是一个 agent，带适配器类型与配置、职级与汇报关系、能力描述、月度预算、运行状态。组织是一棵严格的树，每个 agent 只有一个上级，CEO 除外。

Issue（任务）

任务是工作单位，带标题、描述、状态、优先级、唯一负责人、父任务、所属项目。状态流转是固定的：

backlog → todo → in\_progress → in\_review → done

in\_progress → blocked

关键在「原子结账」：任务转入进行中必须抢占，同一时刻只允许一个 agent 持有。两个 agent 同时抢，其中一个会直接收到409 Conflict。这条规则消灭了重复劳动。

Heartbeat（心跳）

agent 不是常驻跑着烧钱，而是被唤醒、干活、然后睡下。唤醒来源有五种：定时器、任务派发、被 @提及、人在界面上点 Invoke、以及一个待审批被批准或驳回。每次醒来，它按固定协议做事：确认身份 → 查待办 → 挑活 → 抢占任务 → 干活 → 更新状态。

Delegation（委派）

CEO 是主要拆解者：先给出一份战略交人审批，通过后把目标拆成任务，按角色和能力派下去，人手不够还能申请招人。你不需要手动派每一个任务。

Governance（治理）

招人、CEO 战略这类决定需要人来批。人可以随时暂停、恢复、终止任意 agent，也能改派任意任务。每一次变更都进审计日志。

Paperclip 官方四大支柱图

03架构：控制平面和执行平面是分开的

这是它最重要的一条设计决定，官方文档里的原话是：控制平面不运行 agent，只负责协调；agent 在自己那里跑，然后打电话回家。

身份与访问 · 工作与任务 · 心跳执行 · 治理与审批
组织架构与 agent · 工作区与运行时 · 插件 · 预算与成本
例程与调度 · 密钥与存储 · 活动与事件 · 公司可移植性

中间是控制平面，两侧接的是各种执行端：Claude Code、Codex、CLI agent、HTTP/webhook 机器人。控制平面管状态，执行端管出力。

技术栈

一次心跳的完整流转

1. 触发：调度器、人工调用，或者一个事件（派单、被 @）

2. 适配器被调用，带着执行上下文

3. 适配器拉起 agent 进程，注入环境变量和提示词

4. agent 反过来调 Paperclip 的 REST API，查看待办、抢任务、干活、更新状态

5. 适配器回收输出，解析用量和花费

6. 服务端落库：这次运行的结果、成本、以及供下次心跳复用的会话状态

Paperclip仪表盘

左栏是组织：CEO、CTO、CMO、Data Analyst 一栏排开。主区四个数字是「启用的 agent 数 / 进行中的任务 / 本月花费 / 待审批数」，下面四张图分别是运行活跃度、任务优先级分布、状态分布和成功率。

04装机：三条路，都能跑到第一次心跳

官方给了三条路径，按「只是想看看 / 想长期用 / 要改代码」分开。

路径一：正式安装（带校验和）

BASH · 安装脚本

curl -fsSLO https://paperclip.ing/install.sh

curl -fsSLO https://paperclip.ing/install.sh.sha256

sha256sum -c install.sh.sha256

bash install.sh

脚本会确保 Node.js 24.11 以上可用，把 CLI 装到~/.paperclip/cli，然后进入交互式引导。在支持的 Linux 和 macOS 上还能注册成后台服务。

路径二：不落盘试跑

BASH · 免安装

快速引导

npx --registry https://registry.npmjs.org paperclipai onboard --yes

隔离实例，自带一个 CEO，仅前台运行

ANTHROPIC\_API\_KEY=... npx paperclipai test-drive

test-drive会起一个临时实例，不装服务、不建首个任务，装好之后才打开浏览器。不带--data-dir的话，每次都是全新目录，路径会在启动时打印出来。

路径三：源码编译

BASH · 开发模式

git clone https://github.com/paperclipai/paperclip.git

cd paperclip

pnpm install

pnpm dev

启动后 API 和界面都在localhost:3100。内嵌 PostgreSQL 会自动创建，不需要另外装数据库。要求 pnpm 9.15 以上。

三种部署模式

引导时用--bind lan或--bind tailnet直接切到鉴权模式。跑完引导，进界面建公司、定目标、配 CEO，就能开始了。

agent 配置表单

每个 agent 的配置就长这样：选执行环境、适配器类型、模型、思考强度、指令文件，环境变量里可以把密钥标成 Secret 在运行时解析。最下面是运行策略——心跳间隔默认 900 秒。

05适配器：能收心跳，就能入职

官方那句话是「任何能收到心跳的东西都能被雇佣」。落到代码上，就是 12 个内置适配器，加一条插件式的扩展路径。

另外还有一个走 npm 安装的第三方插件适配器 Droid。想自己写一个也不难，一个适配器包就三个模块：服务端的执行逻辑、给界面用的输出解析器、给终端用的格式化器。

选择适配器还决定了一件事：你能看到多少细节

官方适配器图标

06钱是怎么被管住的

自治的风险有两个：一是它干砸了，二是它在你看不见的地方一直烧钱。后者更常见，也更贵。这部分是 Paperclip 做得最实的。

每个 agent 一笔月预算。按美分计，可以给公司和单个 agent 各设一层。

六个维度记账。公司、agent、项目、目标、任务、供应商与模型，任意一层都能查。

超支是硬停，不是提醒。碰到上限会直接暂停 agent，并且取消它排队里的工作。

结账是原子的。任务抢占和预算扣减在同一笔里完成，不会出现两个 agent 干同一件事、或者同一笔钱被算两次。

任务详情与子任务进度

一个任务页里能看到：问题描述、根因分析、子任务进度（3/3 完成、0 阻塞）、状态与优先级、负责人、所属项目、父任务、被谁阻塞、关联任务。右侧那一列就是「谁在负责、卡在哪」的答案。

07治理：留给人的那几个开关

全自动不等于没人管。Paperclip 保留了几个必须由人按下的按钮：

它在路线图里把态度写得很直接：要的不是隐藏的自治，而是每个监督者更多的产出。

执行工作区与代码差异

agent 不是在某个看不见的地方改文件。每次执行有独立工作区，改动以 diff 形式呈现，改了 16 个文件、+502 行、−74 行，哪一种模式看差异都能切。

08几个容易被忽略的细节，和该知道的边界

ClipHub：下载一家公司

除了编排能力，它还定义了一种可移植的「公司模板」——包含公司元信息、完整组织架构、每个 agent 的定义、适配器配置、种子任务和预算默认值。导出之后可以发布到公开注册表 ClipHub，别人一条命令就能在自己实例上把这家公司立起来。模板只含结构，不含在途任务和历史花费。除了整家公司，也能单独发一个 agent 模板、一个子团队模板，或者一份适配器配置。

一个彩蛋

logo 是一枚回形针，而路线图里躺着一项还没做的功能，名字叫MAXIMIZER MODE——更高自治度的执行模式。熟悉 AI 安全的人看到这个词会心一笑。

三条要提前知道的

任务规划模式

任务可以带一个 Planning 标记，走的是「先交方案再执行」的流程，方案本身就是任务里的一个文档，不会被当成已完成工作。

用它之前，先想清楚三件事

第一，它是给「一群 agent」用的。如果你只跑一个编码助手，装它是负担。当你开始同时开五个、十个窗口，并且记不清谁在干什么的时候，它的价值才出现。

第二，自治的前提是先把边界写死。上线之前把每个 agent 的预算、能碰的密钥、需要审批的动作全部定好。这些东西一旦跑起来再补，往往是在出事之后。

第三，它不替你做技术判断。它保证的是每件事有人认领、每笔钱有上限、每个决定有记录。代码好不好、方案对不对，还是得人来看。

AI 越能干，越需要有人告诉它三件事：
你归谁管，你花谁的钱，你的活什么时候算完。