如何管理一群 AI 员工：Paperclip 与 Multica 选型对比与落地思路

你们公司要是已经在用 AI 干活，大概是这个样子：几个工程师各自开着 Codex 和 Claude Code 改代码，飞书群里挂着写周报、查数据的机器人。每个都有人在用，但没人说得清此刻有几个 AI 在干活，各自在干什么，这个月一共花了多少钱。

我们公司内部就是这样。最近我在找一个平台，能把这些数字员工统一管起来：给每个员工定岗位和专长，统一下发通用技能，能派活，能看到运行记录。我把 GitHub 上相关的 15 个开源项目都过了一遍。

结论是，大部分热门项目都不管这件事，还在维护、专门做这一层的只有两个：Paperclip 和 Multica。

这篇文章讲三件事：管一群 AI 员工到底缺什么；这两个平台怎么运转、差在哪；最后是一份五个问题的选型清单，以后遇到同类产品也能拿来套。

管一群 AI 员工，缺的是什么

先想想公司是怎么管人的。招来一个工程师，HR 系统里记着他的岗位和上级，工单系统里挂着他手上的活，财务系统里算着他的成本，审批流规定他能拍板什么。

Codex、Claude Code 单独拿出来，已经能自己改代码、写文档、跑测试。AI 员工缺的就是上面这几套系统。

所以最近冒出一个新品类，叫 Agent 控制面（control plane）。它自己不写代码也不回答问题，只负责登记员工、派活、记账和审批。Paperclip 的 README 里有一句话，把这个分工说得很清楚：

If OpenClaw is an employee, Paperclip is the company.
（如果 OpenClaw 是一个员工，Paperclip 就是那家公司。）

判断一个产品是不是在管 AI 员工，看它自己干不干活：自己干活的是员工，只登记、派活、记账的才是管理平台。

15 个开源项目，分成五类

按这个标准，我把调研过的项目分了类。括号里是 star 数，也就是 GitHub 上的收藏数，大致反映关注度，2026 年 11 月 4 日查询。表里的名字大多不用记，看前两行就够了。

类别	项目（star）	它在做什么	能不能管 AI 员工
团队管理平台	Paperclip（11.1 万）、Multica（5.5 万）	把现成的 AI 当员工来管	能，专门做这个
个人并行工具	Vibe Kanban（2.9 万）、OpenAI Symphony（2.8 万）、Gas Town（1.9 万）、Agent Orchestrator（1.4 万）	一个开发者同时开好几个编程 AI	只管写代码，没有团队、权限和预算
AI 搭建平台	Dify（16 万）、LobeHub（8.4 万）、Coze Studio（2.2 万）	把一个 AI 应用做出来	能造员工，管团队弱
多 Agent 框架	CrewAI（6 万）、AgentScope（3.5 万）、Letta（2.5 万）	写代码搭多 Agent 系统	平台得自己搭
其他	OpenHands（9.3 万）、Eigent（1.6 万）、LinkWork（122）	单个编程 AI / 个人桌面协作 / 企业数字员工平台	OpenHands 本身是员工；LinkWork 概念最像，但 3 月底以后就没更新

最容易混的是第二类和第三类。

Vibe Kanban 这类工具，解决的是一个程序员想同时开五个 AI 写代码的问题。它给每个 AI 开一个独立的代码分支，再把结果摆在看板上，但它默认只有你一个人在用。另外据报道，Vibe Kanban 背后的公司已在今年 4 月停止运营，项目转为社区维护，选它要把这一点算进去。

Dify、Coze 解决的是怎么造出一个员工：拖拖拽拽做出一个客服机器人或者报告助手。员工造出来以后谁给它派活、它和别的员工怎么分工，不在它们的范围里。这两类可以组合：Dify 上做的应用，可以当成一个员工接进管理平台。

Paperclip：给 AI 员工建一家公司

Paperclip 今年 3 月开源，8 个月涨到 11 万 star，MIT 协议，用 TypeScript 写。它的思路是把一家公司的组织结构整个搬过来。

每个 AI 员工在系统里都有一份档案：岗位、头衔、能力描述、上级是谁、每月预算多少、底层用的是 Codex 还是 Claude Code。CEO 下面挂 CTO，CTO 下面挂几个工程师，组织架构图和真公司一样。

拆开看，它靠三个机制运转。

第一，AI 员工不常驻，靠唤醒。 它不会一直开着，有人派活、有人在评论里 @ 它、定时任务到点了，系统才把它叫醒。醒来读任务、干一段活、写进度，然后退出。这样员工不用一直开着烧钱，机器重启也不丢上下文，因为任务、评论和会话记录都存在平台里。

第二，抢活有锁。 动手之前必须先领取任务，平台保证这一步不会有两个人同时成功：两个 AI 同时抢同一个任务，只有一个能拿到，另一个会收到冲突提示，换别的活干。一个任务同一时间只有一个负责人。

多个 AI 一起干活，常见的麻烦是重复劳动。没有这把锁，两个 AI 可能把同一个 bug 修两遍，再互相覆盖对方的代码。

第三，技能分三层下发。 技能就是一份教 AI 怎么做某类工作的说明书，比如怎么分拣问题、怎么写测试、怎么提交代码。Paperclip 里技能是这么流动的：

• 官方目录：自带一批常用技能，每个技能标了适合哪些岗位
• 公司技能库：从目录安装、从 GitHub 导入或自己写，统一放这里。每个技能有版本，可以回滚。系统还会按文件内容判定风险等级：纯文档最安全，带脚本的要重点审
• 员工档案：每个员工勾选自己要用的技能。运行前，平台把选中的技能写进这个 AI 的技能目录

在这三个机制之上，还有预算硬停（花到上限自动暂停）和审批关卡。比如你给公司定一个目标，CEO 先把策略交给人批，批了再拆任务派给下属；招新的 AI 员工也可以设成要人批。

代价是概念多。员工、上级、目标、项目、预算、审批，一整套组织模型要先学会，才用得顺。它也大：不算测试代码约 140 万行，8 个月里 issue 和 PR 累计编到了 18916 号。它也没有飞书接入，聊天工具只接了 Slack、Discord、Telegram，还标着实验功能。

Multica：在每台机器上放一个守护进程

Multica 今年 1 月开源，5.5 万 star，后端用 Go，前端用 TypeScript。它的思路是让 AI 坐进你们已经在用的看板和聊天群，像同事一样领工单。

它和 Paperclip 最大的区别，在于活是怎么送到 AI 手上的。

Paperclip 是平台统一调度：平台决定什么时候、用什么方式启动哪个 AI。

Multica 是在每台要跑 AI 的机器上装一个守护进程，也就是一直在后台待命的小程序。它启动时先看本机装了哪些 AI 工具，再连上平台。平台有活就喊它来领；断线的时候，它每 30 秒自己来问一次。

Multica 让 AI 在你指定的机器上跑，平台只派活，代码仓库和登录凭证留在那台机器上；Paperclip 由平台统一拉起 AI，预算、审批都挂在这条主线上。

Multica 对国内团队更友好的地方有两个。

一是支持 26 种 AI 编程工具，除了 Codex、Claude Code，还有通义的 Qwen Code、字节的 Trae、腾讯的 CodeBuddy、Kimi 和 DeepSeek 的 dsh。

二是接了飞书。在飞书里私聊机器人，或者在群里 @ 它，就能让 AI 开始干活。输入 /issue 会把这条消息建成任务，结果回到原来的群里。一个飞书机器人绑定一个 AI 员工，正好对应每个数字员工一个机器人的用法。

短板也明显。技能可以挂给多个员工、单独停用，但没有版本历史，导入时也不做审查。团队只有队长加成员两层：任务交给小队后，先唤醒队长，由队长在评论里 @ 成员分活，没有多层组织架构。费用能按员工和任务统计，但没有预算上限，审批只有提交前的 review 关卡。

许可证也要看清楚。按它的许可证条款，单个组织内部使用不需要商业授权；拿它对外提供托管服务（免费的也算），或者嵌进卖给客户的产品，要先取得商业授权。

用五个问题对比两者

把两个项目拆完，我把选型压成了五个问题。每个问题对应一个机制，以后遇到新的同类产品，也可以拿这五个问题去问。下面直接用它们来对比 Paperclip 和 Multica。

选型问题	Paperclip	Multica
1. 员工是什么形态，能不能接	十来种 AI 编程工具，外加通用的命令和网络接口	26 种 AI 编程工具，国产工具多
2. 专长写在哪	岗位、能力描述、上级、底层工具、技能	名字、描述、底层工具、技能
3. 技能怎么下发，能不能回滚	三层下发，有版本可回滚，有风险分级	工作区技能库挂给员工，无版本、无审查
4. 活怎么派，会不会抢	平台推；领取有锁，一个任务一个负责人	机器来领；小队由队长分活
5. 谁能叫停	预算硬停、审批关卡、可暂停员工	review 关卡、成员角色；没有预算上限

另外几项不影响选型逻辑，但也会影响决定：

维度	Paperclip	Multica
飞书	没有	有，一个机器人绑一个员工
技术栈	TypeScript 全栈	Go 后端 + TypeScript 前端
许可证	MIT，可商用	内部使用免费，对外托管要授权
发版节奏	一到两周一版	一周两三版

五个问题展开说：

1. 员工是什么形态？ Codex、Claude Code 这类命令行工具，两个平台都能直接接。Dify、Coze 上做的应用，要包一层，让它按平台的规矩领活、汇报。飞书 aily 这类托管在飞书内部的智能伙伴，两个平台都管不到
2. 专长写在哪？ 岗位描述、底层用什么工具、装了哪些技能，三样决定一个员工擅长什么。看平台能不能按员工配不同的技能
3. 技能怎么下发，出错能不能回滚？ 带脚本的技能，等于给 AI 一段能执行的代码。有没有版本、有没有审查，决定了统一下发会不会变成统一出事
4. 活怎么派，会不会抢？ 有没有领取锁、是不是单一负责人；平台推还是机器拉，决定 AI 在哪台机器上跑
5. 谁能叫停？ 预算到上限会不会自动停，关键动作要不要人审批，出了问题能不能暂停

问完五个问题，大多数公司会落进下面某一行：

你的情况	建议
主要用 Codex、Claude Code，公司用飞书	Multica，飞书现成，国产工具多
要多层组织架构、预算硬停、审批、技能版本	Paperclip，飞书接入要自己开发
员工是 Dify、Coze 上做的应用	搭建平台负责造员工，再接进上面任意一个管团队
一两个人、三五个 AI	先用 Vibe Kanban 这类个人工具，不用上管理平台

选型先问员工长什么样，再问要管多严，最后才比功能多少。 我们公司以 Codex 和飞书机器人为主，按这张表落在第一行。

这套判断什么时候会失效

第一，两个项目都还在快速变化。Paperclip 大约一到两周发一版；Multica 10 月 27 日、10 月 30 日、11 月 3 日连发三版。上面几张表以 11 月 4 日为准，过三个月可能就要重画。

第二，规模太小不值得。只有三五个 AI 的时候，搭平台、维护平台的成本比收益高。

第三，安全边界要先于功能。这些 AI 员工拿着代码仓库和各种账号权限，可能 24 小时在跑，干活时还会把代码内容发给云端的大模型。Multica 导入技能不做审查；Paperclip 有风险分级，但最终也要靠人把关。先想清楚每个员工能碰什么，再谈派多少活。

第四，飞书 aily 这类平台内托管的智能伙伴不在讨论范围内。如果你们的数字员工主要是这类，管理只能先依赖飞书自己的后台。

Paperclip 和 Multica 的分歧，落在怎么管 AI 员工这件事上。一个把公司那套组织架构、预算、审批整个搬了过来；另一个先让 AI 坐进你已经在用的看板和飞书群。哪条路走得通，取决于你们公司本来是怎么管人的。