Paperclip：把 AI Agent 团队管出上班族的体验

Skill超级捕获手 技术创作者 2026-09-27 804 阅读

Paperclip：把 AI Agent 团队管出上班族的体验

如果 OpenClaw 是一个员工，那 Paperclip 就是一家公司。这个开源项目今天冲上 GitHub Trending AI Agent 类第一名，日增星数 2608，总 star 突破 86,000（截至 2026-09-27）。它的核心定位一句话：让 AI Agent 团队像真正的公司一样运转——有组织架构、有预算管控、有工作审批流、有 24 小时自动跑的 agent 员工。

功能与设计原则

Paperclip 是一个 Node.js 服务 + React 前端，核心是把「管理一屋子 AI Agent」变成用任务管理器就能搞定的事。它不绑定任何特定 agent 或模型——只要 agent 能接收心跳，就能「入职」进这个组织架构。

设计原则围绕四个支柱展开：
– 任务管理：声明目标，agent 执行，人工验收输出
– 组织架构：人类 + agent 混合的 org chart，权限和职责边界清晰
– Agent 培训：共享技能库、评估体系、主动学习循环
– 基础设施：跨 provider 运行时、沙箱、MCP 服务器集成、SSO/RBAC/Cost Control

「If OpenClaw is an employee, Paperclip is the company」——项目 README 开篇这句话点出了它解决的根本问题：单 agent 工具（OpenClaw、Claude Code、Codex、Cursor）已经很强，但当你要同时跑 10+ 个 agent 往同一个商业目标努力时，没有组织结构就只剩混乱。

认可度

  • GitHub Stars：86,100（截至 2026-09-27），全球排名第 180 位
  • GitHub Trending：2026-09-27 AI Agent 类第一名，日增星数 2608
  • 开发活跃度：最近 30 天多次 commit，Discord 社区活跃，文档完整

链接

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

原作者

Paperclip 由 paperclipai 团队开发维护（GitHub: paperclipai），项目采用 MIT 协议，2026 年开始公开活跃开发。

介绍

Paperclip 的使用流程极其直观：三步建起一个 AI 组织。第一步定义目标，比如「把我们的笔记产品做到月收入 100 万美元」；第二步按照需求雇佣 CEO、CTO、工程师、设计师、营销等角色——任意 bot、任意模型提供商；第三步审批策略、设定预算、启动，然后从 dashboard 监控进展。

底层实现上，每个任务都能追溯到公司 mission，agent 知道自己该做什么以及为什么做。Agent 按照时间表唤醒、检查工作并主动执行任务， delegation 在 org chart 上下流动。整个系统对人类用户屏蔽了技术细节——你看到的是任务列表，看不到的是背后多个 provider、sandbox 和 MCP server 在协同运转。

Paperclip 同时提供 Skill 分发能力：npx skills add paperclipai/paperclip 可以把它的能力以 SKILL.md 格式接入任何兼容的编码 Agent。

特点

  • 任意 Agent 接入：只要 agent 能接收心跳就能「入职」——OpenClaw、Claude Code、Codex、Cursor、Copilot 等均可
  • 任意模型支持：通过 LiteLLM 兼容 OpenAI、Anthropic、Google、DeepSeek 等所有主流 provider
  • Org Chart 治理：人机混合的团队架构，权限边界清晰，scoped secrets 隔离企业边界
  • 成本管控：内置预算控制和成本追踪，实时掌握每个 agent 的资源消耗
  • CI/CD 原生：可与 GitHub Actions 集成，在 PR 层面自动阻断不安全的代码合并
  • Auto-fix 能力：生成安全补丁作为可直接 merge 的 Pull Request
  • 移动端支持：从手机端管理你的 autonomous business

使用方法

安装（Docker 方式）：

# 一键安装
curl -sSL https://strix.ai/install | bash

# 或者 Docker 直接运行
docker run -p 3000:3000 paperclipai/paperclip

配置模型 provider：

export STRIX_LLM="openrouter/z-ai/glm-5.3"
export LLM_API_KEY="your-api-key"

接入编码 Agent（以 Claude Code 为例）：

npx skills add paperclipai/paperclip --agent claude-code

作为 Skill 使用（让 agent 调用 pentest 能力）：

npx skills add usestrix/strix

安装完成后，浏览器打开 http://localhost:3000 进入 dashboard，创建目标、定义组织架构、雇佣 agent、设定预算、启动运行。

使用场景与人群

  • 独立开发者 / Solo Builder：同时跑 5-20 个 agent 往同一目标努力，需要统一管控台
  • AI-first 创业团队：用 autonomous AI agent team 构建业务，需要 org chart 和预算管控
  • 安全团队：集成 CI/CD 后在 PR 层面自动化安全扫描和修复
  • 企业 IT/Platform 团队：需要 SSO、RBAC、成本控制的 agent 基础设施
  • Bug Bounty 玩家：自动化漏洞研究和 PoC 生成流程

一句话：当你觉得「我同时开着 20 个 Claude Code 终端但根本不知道大家各自在干什么」的时候，就是 Paperclip 的用武之地。

输入与输出案例

案例一：建立 AI 营销团队

输入：在 Paperclip dashboard 创建目标「把我们的 SaaS 产品月活跃用户从 1 万提升到 10 万」，雇佣 CEO agent（负责制定增长策略）、Growth Marketing agent（执行 SEO/内容/社交媒体策略）、Data Analyst agent（监控关键指标并周期性汇报）。设定月度预算 500 美元。

输出：Dashboard 展示各 agent 工作进度、已消耗 token 成本、关键指标趋势图。CEO agent 每日生成策略备忘录，Marketing agent 产出内容计划和执行报告，Data Analyst agent 每周输出指标分析。全部在单一界面可查，不需要切换终端。

案例二：CI/CD 安全扫描集成

输入：开发者提交 PR 到 https://github.com/myorg/myapp，GitHub Actions 触发 Paperclip pentest skill，对新代码进行动态安全扫描，覆盖 OWASP Top 10。

输出：PR 评论区自动生成漏洞报告，每条包含 PoC（实际可运行的攻击脚本）、CVSS 评分和修复建议。关键漏洞自动创建 fix PR，开发者一键 merge。整个流程无需人工介入，扫描在 CI 管道内完成，阻断不安全的代码进入生产环境。

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 804 阅读