机器上开着二十个 Claude Code 终端，哪个在改登录页、哪个在跑测试、这周烧了多少钱、上次是谁批的，全靠 tmux 分屏加脑子记。Paperclip 就是冲这个场景来的：它不写代码，也不调模型，只负责把一堆 agent 当员工管起来。项目自己的说法更直白——「如果 OpenClaw 是员工，Paperclip 就是公司」。
它到底管什么
paperclipai/paperclip，MIT 协议，TypeScript 写的 Node.js 服务端配 React 前端，数据落 Postgres（本地安装自带内嵌实例）。仓库 2026 年 3 月 2 日建，我 10 月 29 日拉 GitHub 接口时是 108,370 星、17,954 个 fork、约 245 位贡献者，最新正式版 v2026.1023.0（10 月 24 日，200 个提交）。
关键一点：它没有自己的 agent loop。活全是外面的 runtime 干的，Paperclip 通过适配器接进去——OpenClaw、Claude Code、Codex、Cursor、Gemini CLI、OpenCode、Pi、Hermes、Grok Build、Kimi Code，或者任意一条 shell 命令、一个 HTTP 端点。官方那句总结挺准：能收心跳，就能入职。
它管的是四层：工单（一个任务一个负责人，谁在干、卡在哪、产出在哪）、组织（人机混编的架构图，汇报线就是委派路径）、训练（共享技能、评测集、技能版本回滚）、底座（沙箱、MCP、SSO、RBAC、成本）。
治理细节是真按多 agent 场景设计的：任务原子领取带执行锁，两个 agent 抢不到同一张工单；预算分公司、agent、项目三级，到线硬停；配置带版本能回滚；审批分阶段；多组织隔离；活动日志持久。
10 月这版加了几个值得注意的：任务和项目能设私有，只对指定的人和 agent 可见，连运行记录和搜索都查不到；agent 可以走你自己的模型网关（OpenRouter、Bedrock、Gemini，或任何 OpenAI Responses / Anthropic Messages / Chat Completions 端点）；成本账本变成精确记账，订阅费也记进去；每个 agent 拿到一个持久的加密身份。
最能说明团队在想什么的是一个默认值改动：未定价的用量，预算政策默认按「已到上限」处理，等费用核算清楚再放行。翻成人话——不知道这次花多少，先别跑。
上手：Node 24.11 以上
npx paperclipai@latest onboard --yes
跑完 UI 和 API 在 localhost:3100，自带 Postgres，不用注册账号。只想先看一眼，用 test-drive 起个临时实例，里面预置了一个 CEO agent，前台跑、不装系统服务、不建任务：
ANTHROPIC_API_KEY=... npx paperclipai test-drive
OPENROUTER_API_KEY=... npx paperclipai test-drive --harness opencode --model openrouter/anthropic/claude-sonnet-4.5
云版目前只有 waitlist，没有公开定价，想用就自托管。
实话
一，10.8 万星是关注度，不是部署数。仓库里躺着 6,669 个 open issue，这个数字比不少项目的总 issue 量都大。
二，它解决的是「谁在干什么、花了多少、谁批的」，不解决「agent 干得对不对」。产出质量还是取决于你接进去的 runtime 和你喂的技能。
三，最容易崩的地方在适配器边界：身份怎么传、唤醒时带什么上下文、agent 死了算不算活着、token 怎么记账。有人带 13 个 agent 跑了六周，最后自己写了个适配器包才把无人值守的回路闭合（andrew.ooo 10 月 4 日的评测）。这不是 Paperclip 一家的问题，是所有控制面产品的通病。
四，国内用有两个坎：模型走自带网关，国产模型只要兼容 OpenAI Chat Completions 就能接，这块没问题；但 Slack 机器人、GitHub 审查机器人这些现成连接件，换企业微信、飞书得自己动手。
我的判断：手上已经同时开着五个以上 agent 会话、开始记不清谁在干什么，Paperclip 值得花半小时装一个试试；只有一个 agent 在跑的，装它等于给自己多找一层要维护的东西。之前我把 Paperclip 和 Hindsight 放一起写过一次，那次聊的是记忆层，这次是它的本体；如果你还在挑平台，这张三层地图可以先看一遍再决定要不要上来就搞组织架构。
