同时开着五个 AI 编程终端的人，最后都会变成同一个角色：接线员。谁的活干完了、谁的活卡住了、这个月又烧了多少钱，全靠你在窗口之间来回切。Paperclip 想做的不是再给你一个终端，而是把「指挥一群 AI 干活」变成一件有组织、有预算、有审批的事。它已经有 9.7 万 Star。
比星数更让我想认真写它的，是另一件事：这个项目规定，AI 员工提交代码时必须在提交信息里署上自己的名字。我把仓库拉下来数了一遍——4775 个提交里，2127 个署着这个名字，占 44.5%。
先说它到底是什么
一句话：Paperclip 不是又一个新的 AI 助手，而是一套用来管理一批 AI 助手的软件。它自己的说法更直白——「如果 OpenClaw 是一个员工，Paperclip 就是公司」。OpenClaw（一个能在你电脑上常驻、随时接消息干活的 AI 助手程序）负责干活，Paperclip 负责给这些干活的 AI 排职位、划预算、定汇报关系。
它解决的问题很具体。你手上可能同时开着二十个 AI 窗口，各有各的活，但它们之间没有组织关系：不知道公司今年要做什么，不知道自己这一步卡在谁那里，也不知道这个月一共花了多少钱。Paperclip 给每个 AI 配上职位、上级、预算和审批线，让你从一块看板上统管。
它自己把这套东西拆成四块：
| 支柱 | 给谁用 | 管什么 |
|---|---|---|
| AI 任务管理 | 所有人，每天 | 任务、审批闸门、可审阅的执行记录，从改动、截图、测试里验收成果 |
| AI 组织架构 | 带团队的人 | 人和 AI 混编的组织图、权限、职责边界、密钥范围 |
| AI 员工培训 | 想提升产能的人 | 技能工作室、共享技能、评测与保存的测试运行、技能版本回滚 |
| AI 操作系统 | IT 与平台 | 跨供应商运行、沙箱隔离、外部接口接入、单点登录、成本管控 |
技术形态上，它是一个 Node.js 服务端加一个 React 网页控制台，代码按功能拆成多个包。规模是这样的：
| 部分 | 作用 | 实测规模 |
|---|---|---|
| 服务端与各功能包 | 接口、调度与业务逻辑 | 6,037 个 TypeScript 文件，约 228 万行（含测试） |
| 数据库层 | 表结构与历史迁移 | 293 个 SQL 迁移脚本 |
| 适配器 | 把不同品牌的 AI 接进来 | 12 个适配器目录，覆盖 10 个品牌 |
| 自带技能 | 发给 AI 员工读的工作说明 | 7 个技能，其中主技能单个文件 64,910 字节 |
| 测试 | 保住上面这些不出错 | 2,191 个测试文件，两万两千多个测试用例 |
它是怎么把一群 AI 编成一家公司的
三个机制值得单独说，因为它们是这套东西和「一堆散装脚本」的分界线。
心跳：AI 员工平时是睡着的
AI 员工不是一个一直开着的进程。平时它是睡着的，Paperclip 有事才把它唤醒，给它一小段执行时间，干完就让它退出。这个设计对使用者意味着两件事：一是不会有一堆进程常驻在后台空烧钱；二是每次醒来的背景信息由服务端提供，不依赖它自己记不记得上次干了什么。
原子认领：一个任务只能被一个执行者拿走
同一个任务，同一时刻只能被一个执行者领走，靠一把执行锁保证。这条看着不起眼，但它是「二十个 AI 同时开工」不出乱子的前提——没有它，两个 AI 会同时认领同一个任务，干完互相覆盖。
预算硬停：超了是真的会停
花销按公司、按 AI、按项目分别记账，超过预警线就告警，到了硬上限就把活停掉。它自己的说明也如实写了边界：停的依据是已经记录下来的花销，正在进行中的活可能让停晚一步生效。
实测一：它到底有多少代码是 AI 写的
回到开头那个数字。我把仓库拉进隔离沙箱（一个只有只读系统目录、用完即删的评测环境，本机是生产机，不敢把陌生代码直接跑在主机上），数了全部历史：
| 口径 | 数字 |
|---|---|
| 提交总数 | 4,775 个 |
其中署 Co-Authored-By: Paperclip 的 |
2,127 个，占 44.5% |
| 另有带 Claude 署名的提交 | 829 个 |
| 合并提交（带合并记录的那种） | 376 个 |
这个署名不是社区自发的，是写在它自己技能说明里的硬规矩，用的是全大写的要求句式：只要提交代码，就必须原样附上这一行，而且特意补了一句——不要署你自己那个 AI 的名字，署「Paperclip」。
趋势更清楚。把这份署名按月份拆开，占当月提交的比例是：3 月 32%、4 月 43%、5 月 60%、6 月 46%、7 月 66%、8 月 42%、9 月 72%、10 月（到 4 日）68%。整体在往上走，中间有起伏，最近两个月稳定在七成上下。也就是说，这个仓库越来越像是它自己造出来的。
这里必须把话说完整，免得记错功劳：带这个署名的提交，作者那一栏仍然是人类账号。合理且唯一说得通的解释是——AI 在人的监督下干活，最后由人按下提交那一下。所以「44.5% 的代码是 AI 自己提交的」这句里的「自己」，指的是这段工作由 AI 完成，不是无人值守。
顺带一个细节：这个仓库自带一套统计脚本，专门去查全世界的代码仓库里有多少提交带这个署名，默认查询语句就是上面那个邮箱。它把自己的存在当成一个可以统计的现象。
实测二：6 道自检闸门，我跑出一道漏报
一个天天讲治理、审批、权限的项目，自己的仓库管得怎么样？它的包里定义了 5 道自检命令，我全部在沙箱里跑了一遍：
| 自检 | 它想拦什么 | 我跑的结果 |
|---|---|---|
| 禁止 AI 自行推送代码 | 适配器和运行时代码里不许出现 git push |
通过 |
| 模块边界 | 功能模块之间不许越界互相引用 | 通过 |
| Node 版本策略 | 锁定运行环境的版本下限 | 通过 |
| 设计令牌闸门 | 界面代码里不许写死颜色和字号 | 通过 |
| Docker 依赖阶段 | 构建分层的依赖顺序 | 通过 |
| 泄露关键词扫描 | 发布前扫描不许出现在代码里的内部词 | 在干净仓库上通过，但我复现出一个漏报 |
最后一道最值得说。它的做法是：从一个本地清单里读出一串「不许出现的关键词」，然后用 git 的全文搜索功能在整棵代码树上找一遍，找到就阻断发布。我在沙箱里把最脏的情况构造出来，让它去找这个仓库里最高频的那几个词：
| 我让它找的词 | 实际命中量 | 它的结论 |
|---|---|---|
| Dotta（一位贡献者名） | 10.9 万字节 | 正确拦下 |
| skill | 343 万字节 | 报告「干净，没找到」 |
| Paperclip | 847 万字节 | 报告「干净，没找到」 |
原因我复现出来了，是个很典型的坑：它用 Node 的进程调用去跑 git，而这类调用的返回缓冲区默认只有 1 MB，命中量一超过 1 MB 就会抛错；它的代码把「抛错」和「没找到」当成同一件事吞掉了。结果就是——越是高频的敏感词，这道闸门越抓不到。
这不是致命故障：正常流程里关键词清单是短而具体的，不容易撑爆 1 MB。但它暴露了一类问题——衡量一个项目的治理能力，不能只看它有没有闸门，得看闸门在最坏输入下的行为。我上一轮评测里也撞见过同类的落差，可见这是这个品类的通病，不是这一家的孤例。
放在坐标系里看
先说清它不是谁。它和主流的编码助手（Claude Code、Codex 这类）不是同一种东西，也不是替代关系——那些相当于干活的员工，Paperclip 相当于管员工的办公室。它自己列了十二个适配器目录、覆盖十个品牌的 AI，从官方那几家到开源的都有，路线说白了就是「谁的员工都能招」。
热度得看两个口径，差别很大：
| 口径 | 数字 | 参照 |
|---|---|---|
| GitHub 收藏 | 97,161 | 排得进第一梯队 |
| 每周 npm 安装量 | 59,341 | 同一周，OpenCode 是 321 万，Codex 是 2,552 万 |
这组反差说明：收藏它的人很多，真正装到自己机器上跑的人还很少。这跟它的形态一致——你得先有一台能常驻的服务、一堆要管的 AI，它才有意义。围观成本低，上手成本高。
还有两个要提前知道的坑：一是它的待处理清单堆得很长，2,733 个未关闭的问题，加上 3,639 个没合并的改动请求，其中 1,228 个是六月以前就开着的；二是它的路线图里还剩 6 项标注为「计划中」的能力，包括桌面应用和把外部工单系统（Asana、Linear、Jira 那一类）接进来当入口。
适合谁：手上真的同时在跑多个 AI 任务、并且已经开始为「谁在做什么、花了多少」头疼的人或小团队。它自带团队模板和技能商店，第一家公司能比较快搭起来。
不适合谁：只用一个 AI 助手写代码的人——你不需要开一家公司来管一个员工；以及想开箱即用的人——它要求 Node 24.11 以上，需要自己部署并长期维护一套服务。
我的判断
这是我这轮见过最有意思的一个项目，但有意思的地方不在功能表上。
它最大的价值是示范：一个 9.7 万 Star 的项目，把自己的开发流程也变成了产品的试验场——AI 员工按心跳干活、提交要署名、自检闸门管住模块边界和运行环境策略。前面那道漏报反而让这个示范更可信：它是真实的工程，不是营销话术。
具体怎么用：先把它当成一份「AI 员工怎么管」的活体参考——组织图、预算、审批、任务认领锁这几件事，就算你不上这套系统，把思路抄回自己团队也值。真要用，建议先用单机模式完整跑通一条任务，从派活到验收走一遍，别一上来就把二十个 AI 接进去。
这篇评测的全部数字都来自今天（2026 年 10 月 5 日）的沙箱实测和公开接口查询，仓库变化很快，尤其是待处理清单那一侧。
相关阅读：ayghri/i-have-adhd 深度评测（同样自带发布闸门却对自己判 FAIL 的那次），以及 taste-skill 复测（同样是逐条数提交，那次数出 63% 的提交只改了 README）。
关注 AI商业快讯，每天一篇 AI 热点深度解读。