Paperclip：当 AI Agent 长出 org chart，公司变成了一个运行时

Paperclip：当 AI Agent 长出 org chart，公司变成了一个运行时

来源：GitHub 仓库 paperclipai/paperclip

日期：2026-09-26

仓库：https://github.com/paperclipai/paperclip

Trending：日增 1853 stars

---

一句话总结

Paperclip 是一个开源的 AI agent 编排平台，把一群 agent 组织成一家"公司"——有 org chart、有预算、有审批流、有员工培训。如果 OpenClaw 是一个员工，Paperclip 就是一家公司。

---

场景开篇

你同时开着 12 个 Claude Code 终端、3 个 Codex 会话、2 个 Cursor 窗口。每个 agent 都在干活，但你已经不知道谁在做什么了。工程师 A 的 agent 改了数据库 schema，工程师 B 的 agent 还在用旧 schema 写查询。C 的 agent 花了 47 美元跑了一晚上测试，结果发现和 D 的 agent 做的事情完全重叠。

这不是假设。这是 2026 年每一个认真用 AI agent 的团队每天都在经历的混乱。

Paperclip 的创始人打了个比方：你现在管理 agent 的方式，相当于 1970 年代的公司没有组织架构图、没有部门、没有预算审批、没有 HR——每个人（和每个 agent）各自为政，偶尔在走廊里撞上才知道对方在做什么。

核心设计：四根柱子

Paperclip 的设计围绕四个支柱，每一个都对应一个传统组织管理的概念：

1. Agentic Task Manager — 任务管理器

看起来像 Trello 或 Linear。但底层不是看板，是意图声明系统。

你不说"改这个文件"，你说"把这个功能做到可以 demo"。Agent 自己拆解任务、分配工作、提交结果。你审批的是产出（diff、截图、测试通过），不是过程。

关键区别：传统任务管理器管的是人，Paperclip 管的是agent 的工作流。每个任务有审批门、审查门、验证门——不是 agent 自己说"做完了"就算，而是要通过 diff 检查、截图对比、测试运行三重验证。

2. Org Chart for Agents — Agent 组织架构图

这是 Paperclip 最独特的设计。每个 agent 有角色、权限边界、汇报关系。

一个 agent 可以是"CTO"，有权限审批其他 agent 的架构决策。另一个 agent 是"初级工程师"，只能写代码不能部署。还有"审计员"agent，只读权限，负责检查合规性。

混合人 + agent 的 org chart：人类也在这个组织架构图里。你可以是某个 agent 的 manager，也可以是 peer。汇报关系是双向的——agent 可以向上级 agent 或人类 escalate 问题。

权限不是简单的 RBAC，是scoped secrets + company boundaries。财务 agent 不能访问代码仓库，工程 agent 不能动预算。每个 agent 的能力边界由 org chart 中的位置决定。

3. Agent Employee Training — Agent 员工培训

这是最反直觉的部分。Paperclip 有一个 Skill Studio，让你像培训新员工一样培训 agent。

• 技能设计：定义 agent 会什么、不会什么
• Evals：给 agent 做考试，量化能力边界
• Active learning loops：agent 从错误中学习，质量指标持续追踪
• Performance reviews：定期给 agent 做绩效评估

听起来像在给软件做 eval，但 Paperclip 把它包装成了"员工绩效管理"的隐喻。这不是包装——这是认知框架的转移。当你把 agent 当员工看，你自然会问"这个 agent 胜任吗？需要培训吗？该晋升还是该换掉？"——这些问题比"这个工具好不好用"深刻得多。

4. Agentic OS — Agent 操作系统

底层基础设施。跨 provider 运行时——任何模型、任何 agent 都能接入。沙箱、MCP 集成、SSO、GRC、RBAC、成本控制。

"If it can receive a heartbeat, it's hired." 这是 Paperclip 的招聘标准。只要一个 agent 能响应心跳信号（定期唤醒、检查工作、执行任务），就能加入组织。Claude Code、Codex、Cursor、OpenClaw、Bash 脚本、HTTP webhook——都是"员工"。

关键机制：Heartbeat 驱动

Paperclip 不是事件驱动的，是心跳驱动的。

每个 agent 按自己的节奏唤醒：CEO agent 每小时醒一次检查全局进度，工程师 agent 每 5 分钟醒一次领任务，审计 agent 每天醒一次做合规检查。唤醒后检查工作队列、执行任务、报告结果、休眠。

这个设计有几个好处：

• 天然限流：不会所有 agent 同时疯狂烧钱
• 可审计：每次唤醒都有日志，每次行动都可追溯
• 容错：agent 崩溃了不影响其他人，下次心跳自然恢复
• 成本可控：每个 agent 有预算上限，超了就停

和其他 agent 框架的区别

AutoGen 和 CrewAI 是对话框架——agent 之间互相说话。Multica 是协作平台——agent 和人一起工作。Paperclip 是组织运行时——模拟一家公司的全部治理结构。

区别不只是程度差异，是范畴差异。Paperclip 不假设 agent 是独立的个体，它假设 agent 是组织成员——有上级、有下属、有边界、有责任。

深层洞察：Agent as Employee 的范式转移

Paperclip 最值得关注的不是功能，是认知框架。

当我们说"AI agent"，我们通常想的是"一个工具，能自主完成一些任务"。这个框架下，agent 的评估标准是"能不能完成任务"。

Paperclip 提出的框架是："AI agent 是员工"。这个框架下，评估标准变成了：

• 这个 agent 胜任什么角色？
• 需要什么培训？
• 在 org chart 中应该放在什么位置？
• 权限边界在哪里？
• 绩效如何？需要改进还是换人？

这不是比喻。这是字面意义上的组织设计。当你的团队里有 20 个 agent，你真的需要一个 org chart 来管理它们——否则就是无政府状态。

"Manage business goals, not pull requests." 这是 Paperclip 的 tagline。它点出了一个正在发生的转移：从管理 agent 的代码产出，到管理 agent 的业务贡献。

限制和风险

1. 复杂度门槛：设置 org chart、定义角色、设计 skills——这比用 Claude Code 复杂得多。适合 agent 数量 > 10 的团队，小团队用起来反而更累。

2. 成本不可预测：agent 自主运行 + 心跳驱动 = 可能在你睡觉时烧掉很多 token。虽然有预算上限，但设置不当还是会出事。

3. 治理 vs 效率的张力：org chart 越复杂，agent 之间的协调成本越高。一个简单的任务可能要经过"工程师 agent → CTO agent 审批 → 人类确认"三个环节。

4. Agent "员工"的忠诚度问题：agent 没有"忠诚"这个概念。如果另一个 provider 的模型更好，你换模型就是了——但 org chart 中那个"员工"的经验、技能、绩效记录全部归零。这和人类员工的"离职"完全不同。

适用场景

• 20+ agent 的团队：当 agent 数量多到个人无法追踪时，org chart 是必需品
• 需要审计的合规场景：金融、医疗等需要完整审计链的行业
• 跨 provider 混合编排：同时用 Claude、GPT、Gemini、本地模型的团队
• 自主业务运营：让 agent 24/7 运行业务流程，人类只做审批

结语

Paperclip 做的事情，本质上是把组织行为学搬到了 agent 世界。org chart、预算审批、员工培训、绩效评估——这些都是人类公司几百年摸索出来的治理结构。Paperclip 的赌注是：agent 也需要同样的治理结构才能规模化。

这个赌注可能是对的。当 agent 数量从 3 个变成 30 个、300 个，没有 org chart 的混乱程度会指数级上升。但这也意味着，我们在用 20 世纪的公司治理结构来管理 21 世纪的 AI 员工——这中间一定有不匹配的地方，也一定有全新的治理范式等待被发明。

Paperclip 是第一个严肃尝试"agent 公司"这个隐喻的项目。它可能不是最终答案，但它提出了正确的问题：当 agent 成为组织成员，我们如何设计这个组织？

---

Paperclip 仓库：https://github.com/paperclipai/paperclip

Trending 数据：日增 1853 stars，TypeScript