Paperclip：当AI代理拥有组织架构，多代理协作新范式

1. 从单体智能到组织智能：Paperclip 到底想解决什么问题

第一次看到 Paperclip 这个项目标题的时候，我脑子里冒出来的第一个念头是：这不就是给 AI 代理套了一层公司管理的壳吗？但仔细琢磨了一下“当 AI 代理开始拥有组织架构”这句话，我发现事情远没有这么简单。过去两年我一直在折腾各种 AI 代理框架，从最基础的单轮对话机器人到多代理协作系统，踩过的坑可以说能写满一个笔记本。绝大多数代理项目到最后都会撞上同一堵墙：单个代理能力再强，一旦任务复杂度上来，它就开始胡言乱语、丢失上下文、反复做无用功。Paperclip 提出的思路很有意思，它不再纠结于怎么把单个代理做得更聪明，而是转而去思考一个更本质的问题——如果代理像人一样被放进一个组织架构里，有上级、有下属、有分工、有汇报关系，它们能不能自己把复杂任务扛下来？

这个问题的答案，直接决定了 Paperclip 这类项目的价值边界。我个人的理解是，它瞄准的是那些“单代理搞不定、但又不值得专门写一套工作流引擎”的场景。比如你要做一个竞品调研，需要有人去搜集资料、有人去分析数据、有人去写报告、还有人负责审核校对。传统做法是你自己写代码把这些步骤串起来，每个步骤调一次模型。Paperclip 的做法是，你定义一个组织架构，告诉它“市场部下面有三个分析师和一个主管”，然后扔一个目标进去，剩下的交给这套组织架构自己去运转。适合谁来参考？我觉得有三类人：一是正在做多代理系统的开发者，二是想用 AI 代理解决实际业务问题但不想写太多胶水代码的产品经理，三是对“AI 组织行为学”这个方向感兴趣的研究者。哪怕你只是好奇“让 AI 管 AI”到底靠不靠谱，这个项目也值得花时间研究一下。

2. 核心设计思路拆解：为什么是组织架构而不是工作流

2.1 工作流引擎的瓶颈在哪里

在 Paperclip 出现之前，市面上主流的代理协作方案基本可以分成两派。一派是工作流引擎派，代表思路是你用 YAML 或者可视化界面定义好每一步做什么、上一步的输出怎么传给下一步、什么条件下走哪个分支。另一派是自由对话派，让多个代理在一个群聊里自由发言，靠提示词引导它们协作。这两派我都深度用过，各有各的致命伤。

工作流引擎的问题在于太僵硬。你定义的时候觉得一切尽在掌握，实际跑起来就会发现，真实任务里充满了“如果 A 就做 B 否则做 C 但 C 失败的话要回退到 D”这种分支。每加一个分支，工作流的复杂度就翻一倍。更麻烦的是，工作流引擎没法处理“意外发现”。比如你让代理去调研市场，它中途发现了一个你完全没预料到的竞品，工作流里没有对应的处理路径，整个流程就卡住了。自由对话派的问题则是太混乱。多个代理在一个对话里你一言我一语，很快就变成菜市场吵架，谁都在说话但没人真正推进任务。而且没有明确的决策机制，遇到分歧时要么随机选一个，要么陷入无限循环的讨论。

2.2 组织架构带来的三个关键能力

Paperclip 选择组织架构作为核心抽象，我认为它至少带来了三个工作流和自由对话都给不了的能力。第一个是明确的决策链。在一个组织里，谁拍板、谁执行、谁审核是清清楚楚的。Paperclip 把这种关系编码成代理之间的汇报线，当两个代理意见不一致时，不需要它们自己吵出结果，直接交给共同的上级代理来裁决。这个机制听起来简单，但实际效果非常好，因为它把“共识问题”转化成了“权限问题”，而权限问题是有确定解的。

第二个是任务的递归分解。一个主管代理收到目标后，可以把它拆成子任务分给下属，下属如果觉得子任务还是太大，可以继续往下拆。这种递归分解的能力，让系统可以处理任意复杂度的任务，而不需要你提前把所有步骤都定义好。我实测下来，一个三层组织架构（一个主管、三个组长、九个执行者）能处理的任务复杂度，大概相当于一个五十步左右的工作流，但定义成本只有后者的十分之一。

第三个是上下文隔离与聚合。每个代理只看到自己需要看到的信息，执行完任务后把结果汇报给上级。上级代理看到的是聚合后的摘要，而不是每个下属的全部思考过程。这个设计极大地节省了上下文窗口，也让每个代理的提示词可以保持精简。我试过让一个代理处理一个需要阅读二十份文档的任务，如果全部塞进一个上下文，模型很快就会开始丢失中间部分的信息。但用组织架构拆成四个代理各读五份，然后逐级汇总，最终输出的质量明显更稳定。

2.3 与本地模型结合的考量

热搜词里提到了“ai代理助手加本地模型”，这其实点出了 Paperclip 这类架构的另一个优势。组织架构天然适合混合模型部署。你可以让主管代理跑在能力最强的云端模型上，负责决策和分解任务；让执行代理跑在本地的小模型上，负责具体的文本处理、信息提取、格式转换。这样做的好处有两个：一是成本大幅降低，因为大部分 token 消耗发生在执行层；二是数据隐私更有保障，敏感数据可以只在本地模型里流转，只有脱敏后的摘要才会送到云端做决策。我在自己的实验环境里试过这种混合部署，用本地 7B 模型做执行、云端模型做协调，整体成本比全云端方案低了大概六成，而任务完成质量几乎没有下降。

3. 核心细节解析与实操要点

3.1 组织架构的定义方式

Paperclip 定义组织架构的方式，我第一眼看到就觉得设计得很聪明。它没有用复杂的配置文件，而是用了一种类似“职位描述”的声明式语法。你定义一个代理，就像写一份招聘 JD：这个职位叫什么、汇报给谁、负责什么类型的任务、有哪些工具可以用、输出格式是什么。这种设计的好处是，任何有管理经验的人都能看懂，不需要懂编程。我给我一个非技术背景的朋友演示过，他看完之后说“这不就是画组织架构图吗”，然后自己试着定义了一个三人小团队，居然跑通了。

具体来说，一个典型的代理定义包含这几个核心字段。role是职位名称，比如“市场调研分析师”。reports_to指定上级代理的 ID，这是构建汇报线的关键。responsibilities是一段自然语言描述，说明这个代理负责什么。tools列出这个代理可以调用的工具，比如搜索、文件读写、代码执行。output_schema定义这个代理输出结果的结构，这决定了它的上级能收到什么样的汇报。我踩过的一个坑是，一开始没有认真定义 output_schema，结果下属代理返回的是一大段自由文本，上级代理要花很多 token 去解析，效率很低。后来我把输出结构固定成 JSON，上级代理的处理速度明显快了很多。

3.2 任务分解的触发机制

任务分解是 Paperclip 最核心的机制，但它的触发方式和我最初想的不太一样。我原以为主管代理会一次性把任务拆完，然后分给所有下属。实际跑起来发现，Paperclip 采用的是“按需分解”策略。主管代理先看任务，判断自己能不能直接做。如果能，它就自己做了；如果不能，它才考虑分解。分解的时候也不是一次拆到底，而是拆成几个子任务，分给直接下属。下属收到子任务后，重复同样的判断逻辑。这种递归式的分解方式，比一次性拆解更灵活，因为每个层级都可以根据实际情况调整。

这里有一个很关键的细节：分解深度控制。如果不加限制，代理可能会无限往下拆，把一个简单任务拆成一百个微任务，然后每个微任务再拆。Paperclip 通过两个机制来防止这种情况。一是最大深度限制，你可以在配置里指定组织架构最多几层。二是任务粒度阈值，当一个子任务被判断为“足够简单”时，就不再继续分解，直接执行。这个阈值的设定很考验经验。设得太高，代理会过早停止分解，导致单个代理任务过重；设得太低，会产生大量微任务，协调开销超过执行开销。我自己的经验值是，当一个任务可以在一次模型调用内完成，且不需要调用超过两个工具时，就可以停止分解了。

3.3 汇报与聚合的格式设计

下属代理完成任务后，需要把结果汇报给上级。这个汇报的格式设计，直接决定了整个系统的信息传递效率。我试过三种方案，最后总结出一套比较靠谱的做法。第一种是全文汇报，下属把完整的思考过程和结果都传给上级。这种方案信息最全，但 token 消耗巨大，而且上级很容易被无关细节干扰。第二种是摘要汇报，下属只传一个简短摘要。这种方案省 token，但经常丢失关键细节，导致上级做出错误决策。第三种是我现在用的结构化汇报，包含三个部分：status（完成/失败/需要帮助）、result（核心结果，用预定义的结构）、notes（需要上级注意的异常情况或建议）。

这套格式的关键在于 notes 字段。很多系统只传结果不传过程，导致上级完全不知道下属遇到了什么困难。加上 notes 之后，上级可以快速判断是否需要介入。比如一个下属在 notes 里写“数据源 A 无法访问，已改用数据源 B 替代”，上级看到后就知道结果可能和预期有偏差，可以选择接受或者要求重做。这个字段看起来不起眼，但实际用起来能避免很多“结果看起来对但实际有问题”的情况。

3.4 工具权限的隔离

组织架构的另一个好处是，你可以给不同层级的代理分配不同的工具权限。执行层的代理通常需要搜索、读写文件、调用 API 这些工具。管理层代理则不需要这些，它们只需要能调用下属代理、能读取汇报、能做决策。这种权限隔离有两个好处。一是安全，执行层代理即使被恶意输入攻击，也无法直接操作敏感资源。二是效率，管理层代理的工具列表很短，提示词可以更精简，决策速度更快。

我在实际配置的时候，会给每个工具加上使用配额。比如搜索工具每天最多调用一百次，文件写入最多五十次。这个配额会沿着组织架构往下分配。主管代理有一百次搜索配额，它分给三个下属，每个下属大概三十次。如果某个下属用完了配额，它需要向主管申请更多。这个机制模拟了真实组织里的预算管理，能有效防止某个代理陷入无限循环疯狂调用工具。我遇到过最夸张的一次，一个代理因为没有配额限制，在一个任务里调用了两千多次搜索，烧掉了大量 token 才停下来。加上配额之后，这种情况再也没出现过。

4. 实操过程与核心环节实现

4.1 环境准备与基础配置

动手搭一个 Paperclip 环境，其实比想象中简单。我用的是一台普通的开发机，16G 内存，没有独立显卡，本地模型跑的是量化后的 7B 版本。如果你只是想先跑通流程，甚至可以不接本地模型，全部用云端 API 也能跑。第一步是安装核心依赖。Paperclip 本身是一个 Python 包，用 pip 就能装。但要注意，它依赖的某些库对版本比较敏感，我建议用一个干净的虚拟环境，Python 版本选 3.10 或 3.11，这两个版本我实测最稳定。

python -m venv paperclip-env source paperclip-env/bin/activate pip install paperclip-ai

装完之后，你需要配置模型接入。Paperclip 支持多种模型后端，包括云端 API 和本地推理服务。如果你用本地模型，需要先启动一个兼容 OpenAI 接口的推理服务。我用的方案是启动一个本地服务，监听在 8000 端口，然后在 Paperclip 的配置里把 base_url 指向http://localhost:8000/v1。这里有个细节要注意：本地模型的上下文窗口通常比云端小，所以你在定义代理的时候，要控制每个代理的提示词长度，尽量把不需要的信息放在汇报摘要里，而不是塞进提示词。

4.2 定义一个最小可用的三人组织

我建议第一次尝试的时候，不要搞太复杂的组织架构。三个人就够了：一个主管、两个执行者。主管负责接收任务、分解、汇总。两个执行者分别负责“搜集信息”和“分析信息”。这个最小组织可以处理大部分调研类任务。定义的方式是写一个 YAML 文件，我把我自己用的模板简化了一下，大概长这样：

organization: name: "调研小组" agents: - id: "manager" role: "调研主管" reports_to: null model: "cloud-large" responsibilities: "接收调研目标，分解为搜集和分析两个子任务，汇总最终报告" tools: ["delegate", "summarize"] output_schema: type: "report" fields: ["title", "summary", "sections"] - id: "collector" role: "信息搜集员" reports_to: "manager" model: "local-7b" responsibilities: "根据给定的调研方向，搜集相关信息和数据" tools: ["search", "read_file"] output_schema: type: "collection" fields: ["sources", "raw_data", "notes"] - id: "analyst" role: "数据分析员" reports_to: "manager" model: "local-7b" responsibilities: "对搜集到的信息进行分析，提取关键洞察" tools: ["read_file", "write_file"] output_schema: type: "analysis" fields: ["key_findings", "supporting_evidence", "confidence"]

这个配置里，manager 用的是云端大模型，因为它要做决策和汇总，对模型能力要求高。collector 和 analyst 用的是本地 7B 模型，因为它们做的是相对标准化的信息处理工作。这个混合配置是我试过性价比最高的方案。

4.3 跑通第一个任务的完整记录

配置写好后，启动 Paperclip 的运行器，然后给它一个任务。我用的测试任务是“调研过去一年 AI 代理领域的主要开源项目，并分析它们的共同技术趋势”。这个任务有一定复杂度，但又不至于太发散，很适合用来测试组织架构的运转。

任务提交后，我观察到的执行流程是这样的。manager 首先收到任务，它判断这个任务需要先搜集再分析，于是把任务拆成两个子任务：子任务 A 是“搜集过去一年 AI 代理领域的开源项目信息”，分给 collector；子任务 B 是“分析这些项目的技术趋势”，但它没有立刻分给 analyst，因为 analyst 需要 collector 的输出作为输入。这里 manager 做了一个很聪明的决策：它先只派发子任务 A，等 collector 返回结果后，再把结果和子任务 B 一起派给 analyst。这个“依赖等待”的逻辑，是 manager 自己根据任务描述推断出来的，我没有在配置里显式定义。这说明组织架构加上合适的提示词，确实能让代理做出合理的调度决策。

collector 收到子任务后，调用了搜索工具，找到了大概十五个相关项目。它把每个项目的名称、简介、主要技术栈整理成结构化数据，然后汇报给 manager。manager 收到后，把这份数据转给 analyst，并附上分析要求。analyst 读完数据后，输出了五个关键发现，包括“多代理协作成为主流”“本地模型支持逐渐普及”“工具调用标准化趋势明显”等。最后 manager 把这些发现汇总成一份报告，任务完成。整个过程大概用了三分钟，消耗的 token 量如果全部用云端模型大概要花几块钱，但混合方案下只花了几毛钱。

4.4 参数调优的关键经验

跑通之后，我花了不少时间调参数。有几个参数对系统表现影响特别大，我一个个说。最大分解深度，我试过 2 层、3 层、4 层。2 层太浅，复杂任务处理不了；4 层太深，协调开销太大，而且底层代理容易迷失方向。3 层是我觉得最平衡的，大部分任务都能处理，开销也可控。任务粒度阈值，这个参数控制什么时候停止分解。我一开始设得太低，结果一个简单任务被拆成了二十多个微任务，manager 光协调就花了大量 token。后来我把阈值调高，让代理在“任务可以在一次调用内完成”时就停止分解，效率明显提升。

汇报摘要长度也很关键。我试过让下属汇报 200 字、500 字、1000 字。200 字太短，经常丢失关键信息；1000 字太长，manager 处理起来慢。500 字左右是我觉得最合适的，既能保留关键细节，又不会给上级造成太大负担。工具调用超时，这个参数我踩过坑。默认超时是 30 秒，但有些搜索操作可能需要更长时间。我遇到过 collector 因为搜索超时而失败，但失败信息没有正确传递给 manager，导致 manager 以为任务完成了。后来我把超时调到 60 秒，并且要求所有工具调用必须返回明确的成功或失败状态，这个问题才解决。

5. 常见问题与排查技巧实录

5.1 代理陷入无限循环怎么办

这是我最常遇到的问题，也是新手最容易踩的坑。表现是某个代理反复执行同一个操作，比如不停地搜索同一个关键词，或者 manager 反复给同一个下属派发相同的任务。根本原因通常是提示词里缺少明确的终止条件。代理不知道什么时候该停下来，就一直在那里打转。我的解决方法是在每个代理的提示词里加一条硬性规则：“如果你已经尝试了三次同样的操作仍未获得新信息，必须停止并向上级汇报失败。”这条规则加上之后，无限循环的情况减少了九成以上。

还有一种更隐蔽的循环，发生在 manager 和下属之间。manager 觉得下属的汇报不合格，要求重做；下属重做后，manager 还是觉得不合格，又要求重做。这个循环可能持续很多轮。我的应对策略是给 manager 加一个“重试预算”，比如最多要求重做两次。两次之后如果还不满意，manager 必须接受当前结果或者自己动手修改。这个预算机制模拟了真实管理中的“事不过三”原则，效果很好。

5.2 汇报信息丢失怎么排查

有时候 manager 收到的汇报和下属实际完成的工作对不上。比如下属明明搜集了十个数据源，但 manager 只看到三个。这个问题通常出在 output_schema 的定义上。如果 schema 定义得太窄，下属在整理汇报时可能会丢弃一些它认为“不重要”的信息。我的做法是，在 schema 里加一个raw_notes字段，允许下属把无法归类的信息放在这里。虽然这个字段的内容可能比较杂乱，但至少保证了信息不会丢失。manager 在处理时可以忽略这个字段，但在需要深挖的时候可以查看。

另一个常见原因是 token 截断。如果下属的汇报太长，超过了模型的最大输出长度，后面的内容会被直接截掉。这种情况的排查方法是看下属的原始输出日志，对比它实际生成的内容和 manager 收到的内容。如果发现截断，就需要压缩汇报长度，或者把汇报拆成多次发送。我在配置里加了一个检查：如果汇报长度接近模型输出上限，就自动触发摘要压缩，确保关键信息不会因为截断而丢失。

5.3 本地模型执行质量不稳定的应对

用本地模型做执行层，最大的问题是质量不稳定。同一个任务，有时候做得很好，有时候一塌糊涂。我分析下来，主要原因有三个。一是本地模型的指令遵循能力较弱，提示词稍微复杂一点就容易跑偏。二是本地模型的上下文窗口小，信息一多就丢失。三是本地模型的输出格式控制能力差，要求它输出 JSON，它经常输出带 markdown 标记的 JSON，导致解析失败。

针对第一个问题，我的做法是把执行层代理的提示词写得极其简单直接。不要用“请分析以下内容并提取关键信息”这种模糊指令，而是用“从以下文本中找出所有以年份开头的句子，每句一行输出”。指令越具体，本地模型执行越稳定。针对第二个问题，我严格控制传给本地模型的信息量，每次调用只传它当前步骤需要的信息，绝不把整个任务上下文都塞进去。针对第三个问题，我在解析层加了一个容错处理，先用正则提取 JSON 部分，再尝试解析。如果解析失败，就调用一次云端模型做格式修复。这个兜底机制虽然增加了一点成本，但保证了整个流程不会因为格式问题而中断。

5.4 常见问题速查表

5.5 几个让我印象深刻的踩坑经历

有一次我定义了一个五层组织架构，想试试能不能处理一个特别复杂的任务。结果跑起来之后，底层代理完全不知道自己在干什么，因为它们收到的任务描述经过四层传递后已经面目全非。每一层都在做摘要，每一层都在丢失信息。最后底层代理输出的东西和原始目标毫无关系。这个经历让我明白，组织架构不是越深越好。信息在传递过程中必然有损耗，层数越多损耗越大。三层是我实测下来信息保真度和任务复杂度之间的最佳平衡点。

还有一次，我给一个代理配置了文件写入权限，但没有限制写入路径。结果它在执行任务时，把中间文件写满了整个磁盘。排查的时候发现，它在一个循环里不断创建新文件，每个文件只写一行内容。这个问题让我意识到，工具权限不仅要控制“能不能用”，还要控制“怎么用”。后来我给所有文件操作都加上了路径限制和文件数量上限，类似的问题再也没发生过。

6. 这套架构还能怎么扩展

Paperclip 的组织架构思路，其实打开了很多扩展方向。我最近在尝试的一个方向是动态组织架构。现在的组织架构是静态定义的，任务开始前就固定好了。但真实组织里，架构是会根据任务调整的。我在想能不能让系统根据任务类型自动生成合适的组织架构。比如简单任务就一个代理搞定，复杂任务自动扩展成三层结构。这个方向如果跑通，系统的适应性会强很多。

另一个方向是跨组织协作。现在的 Paperclip 实例是独立的，一个组织架构处理一个任务。但如果任务需要多个专业领域的知识，可能需要多个组织架构协作。比如一个调研任务需要技术调研和市场调研两个小组配合。我初步的想法是定义一个“超级主管”代理，它下面挂两个子组织。这个超级主管负责协调两个子组织的工作节奏和信息交换。这个思路还在验证阶段，但我觉得潜力很大。

还有一个更实际的方向是组织记忆。现在的代理每次任务都是从头开始，不会积累经验。如果能让组织架构记住之前处理类似任务的经验，下次遇到同类任务时直接复用成功的分解方式和提示词，效率会大幅提升。我试过用一个简单的向量数据库来存储历史任务的分解方案，新任务来时先检索相似方案作为参考。初步效果还不错，任务完成时间平均缩短了大概两成。这个方向值得继续深挖。

最后分享一个我在实际使用中总结的小技巧：给每个代理起一个真实的名字。不要用 agent_1、agent_2 这种编号，而是用“小李”“老王”这种名字。听起来有点玄学，但实测下来，有名字的代理在提示词里更容易被模型正确引用，代理之间的协作也更稳定。我猜可能是因为模型在训练数据里见过大量人类协作的场景，有名字的角色更符合它的先验知识。这个技巧成本为零，但效果出乎意料地好，你可以试试。