Paperclip — self-hosted система управления AI-агентами как организацией. Она не пытается быть ещё одной моделью: Claude, Codex, Gemini или другой runtime выполняют работу, а Paperclip задаёт компании цель, строит иерархию агентов, распределяет задачи, контролирует бюджеты и оставляет журнал решений.
Компания как верхний уровень
В Paperclip Company — изолированное рабочее пространство со своей командой, задачами, целями и бюджетом. Можно запустить несколько независимых организаций: например, одну для разработки, другую для контент-маркетинга.
Такое разделение полезно не только визуально. Бюджеты и контекст разных направлений не смешиваются, а действия проще аудитировать.
CEO и иерархия агентов
Первым создаётся CEO-agent. Он получает цель, предлагает стратегию и может делегировать работу подчинённым. Остальные агенты имеют роль, менеджера и ограниченный scope.
Иерархия решает типичную проблему multi-agent систем: кто отвечает за финальное решение. Без ролей несколько агентов легко делают одну работу или противоречат друг другу.
Heartbeats вместо постоянно работающих ботов
Агенты Paperclip просыпаются на короткие рабочие циклы — heartbeats. Между ними runtime не должен непрерывно расходовать бюджет и держать бесконечную сессию.
Heartbeat может запускаться по задаче, расписанию, упоминанию или вручную. Для оператора это даёт понятную единицу работы и место, где смотреть результат.
Задачи, проекты и цели
Цель отвечает на вопрос «зачем», проект связывает deliverable и рабочее пространство, а task задаёт конкретное действие. Такая структура больше похожа на систему управления компанией, чем на чат с несколькими ботами.
Если цель написана расплывчато, CEO-agent будет строить столь же расплывчатую стратегию. Документация рекомендует задавать измеримый результат и срок.
Бюджеты и hard stop
Paperclip отслеживает расходы каждого агента и всей компании. Можно задать месячный или lifetime лимит, предупреждение и hard stop, который при достижении 100% приостанавливает агента.
Для автономной системы это критично: ошибка в цикле не должна превратиться в бесконтрольный счёт от модельного провайдера.
Какие agent-runtime можно подключить
В документации перечислены адаптеры для Claude, Codex, Gemini, OpenCode, Cursor и других runtime. Paperclip не заменяет их интеллект — он организует их работу и хранит управленческий слой.
Для старта не нужно подключать десять моделей. Проще взять один знакомый agent-runtime, отладить процесс задач и только затем добавлять специализированные роли.
API и CLI
У Paperclip большой control-plane API: компании, агенты, задачи, цели, проекты, бюджеты и approvals. CLI позволяет управлять теми же сущностями из терминала.
Это делает платформу подходящей для собственной автоматизации, но одновременно требует дисциплины прав доступа. API-ключ оператора не должен попадать агенту, которому достаточно прав на одну компанию.
Approvals и человеческий контроль
Идея Paperclip не в полном исключении человека. Стратегические действия и чувствительные решения можно проводить через approval, оставляя рутинную работу агентам.
Для компании полезно заранее перечислить операции, которые всегда требуют подтверждения: найм нового агента, изменение бюджета, публикация, платёж, merge или действие с production.
Self-hosted и требования к инфраструктуре
Paperclip можно развернуть локально или на сервере. Документация указывает современные требования Node.js и отдельные способы deployment.
Self-hosted даёт контроль над управляющими данными, но используемые AI-провайдеры всё равно могут быть внешними. Поэтому модель хранения prompt и рабочих материалов оценивается отдельно от места, где запущен Paperclip.
Кому нужен Paperclip
Один разработчик с одним coding-agent вряд ли получит большую выгоду — обычный CLI будет проще. Paperclip становится интересен, когда есть несколько автономных ролей, долгие цели, бюджет и необходимость видеть, кто что сделал.
Агентствам и экспериментальным «AI-компаниям» он даёт слой управления, который обычно приходится собирать самостоятельно из cron, таблиц, чат-логов и скриптов.
Как проектировать роли до запуска компании агентов
Не начинайте с десятков специализированных должностей. Достаточно CEO и нескольких ролей, у которых есть непересекающаяся ответственность: например, исследование, разработка и контент. Сложную иерархию можно добавить после появления реальных конфликтов и очередей задач.
У каждой роли должен быть результат, который можно проверить. Формулировка «заниматься маркетингом» слабее, чем «каждую неделю готовить пять черновиков и отчёт по опубликованным материалам».
Heartbeats и контроль длительной автономии
Короткие рабочие циклы позволяют агенту получить состояние задачи, сделать ограниченный объём действий и остановиться. Это проще отлаживать, чем один бесконечный процесс, который часами накапливает ошибочные предположения.
Для дорогостоящих ролей можно уменьшить частоту heartbeat или запускать их только при наличии новой задачи. Это напрямую влияет на расход модели.
Approvals для действий с последствиями
Человек должен заранее решить, какие действия агент может делать сам. Хорошие кандидаты на approval: новый расход бюджета, публикация наружу, создание production-credential, найм нового агента и изменение стратегической цели.
Если approval добавляется только после первого инцидента, система уже потеряла часть контроля. Политику лучше считать элементом дизайна компании, а не аварийной функцией.
Наблюдаемость и аудит решений
Ценность управляющего слоя — возможность ответить, какой агент получил задачу, что он сделал, сколько потратил и кому делегировал продолжение. Без этого multi-agent превращается в набор трудно объяснимых чатов.
Для экспериментов полезно сохранять причину остановки и результат каждого heartbeat. Тогда можно сравнивать две версии роли не по субъективному впечатлению, а по выполненным задачам и стоимости.
Локальные и облачные runtime в одной компании
Разные роли могут использовать разные agent-runtime. Coding-задачу можно отдать Codex или Claude Code, а дешёвую классификацию — другому провайдеру. Paperclip интересен именно тем, что организационный слой остаётся единым.
При такой схеме карта данных становится критичной: один агент может работать локально, другой отправлять контекст внешнему API. В правилах роли нужно учитывать не только способности модели, но и допустимость передачи данных.
API как control plane для собственной панели
Через API можно строить внешний интерфейс, отчётность или интеграцию с существующей системой задач, не заставляя операторов жить только в UI Paperclip. Это полезно компании, где уже есть свои процессы и авторизация.
Не стоит давать каждому внешнему сервису полный control-plane token. Разделяйте права и проксируйте только нужные операции.
Экономика «AI-компании»
Стоимость складывается не из Paperclip как такового, а из runtime и моделей, которые выполняют heartbeats. Роль с длинным контекстом и частым расписанием может тратить значительно больше тихого агента, который просыпается только по задаче.
Поэтому бюджет полезно назначать не только всей компании, но и ролям. Так становится видно, какой агент создаёт ценность, а какой генерирует активность без результата.
Проверка перед автономной работой на неделю
Сначала запустите организацию на ограниченном тестовом периоде с маленьким бюджетом. Проверьте делегирование, поведение при отсутствии задач, approvals и то, что агент корректно останавливается.
Только после успешного теста имеет смысл увеличивать частоту heartbeat и расширять права. Автономия должна наращиваться постепенно, вместе с наблюдаемостью.
Делегирование: как избежать дублирования работы
Менеджер-агент должен видеть, какие задачи уже назначены, прежде чем создавать новые. Если два подчинённых независимо решают один вопрос, компания тратит бюджет и затем получает конфликтующие результаты.
Хорошая задача содержит owner, ожидаемый deliverable и связь с целью. При делегировании подзадачи родительская задача должна оставаться местом, где собирается итог.
Цели как фильтр для автономных решений
Агенту проще выбирать приоритет, если он видит не только список tickets, но и измеримую цель компании. Тогда мелкая задача может быть отложена, если она не приближает основной результат.
Цели стоит периодически пересматривать человеком. Автономная система может очень эффективно оптимизировать устаревший KPI, если никто не сообщил, что бизнес-приоритет изменился.
Вопросы по сервису
Paperclip сам содержит AI-модель?
Нет. Это управляющий слой над внешними или локальными agent-runtime.
Можно ограничивать расходы?
Да, есть бюджеты компании и агентов, предупреждения и hard stop.
Есть API?
Да, документация содержит control-plane API для основных сущностей системы.