企业官网建设流程全解析

paperclip 摸到约 94K 星的那天，我意识到一件事：Agent 已经不是"工具"了。

94K 星是什么概念？在 AI 这个卷得离谱的赛道里，能冲到这个量级的，都是戳中了真实痛点的项目。paperclip 干的事说出来有点像科幻——给 AI Agent 建组织架构图、定预算、做绩效评估。一句话：让 AI 运营一家公司。

同样这周，OpenAI DevDay 上亮了 ChatGPT Work——他们叫它 “dots”。每个 dot 有自己的云端计算机，能自己连应用、自己干活，多个 dot 还能组队。Codex 负责人 Tibo 紧跟着宣布了"疯狂 28 天"，每天要么交付改进要么重置额度。Day 1 就放了个大招：GPT-6 Astra 和 6.1 Sol 推理速度提 50%。

还有 hindsight，一周涨了约 17,000 星，做的是 Agent 长期记忆。

把这几条线串起来看，一个方向已经很清楚了：Agent 正在从"工具"变成"员工"。

OpenAI dots：闭源路线的"成品化"

先讲 dots，因为它目前最接近"拿过来就能用"的状态——当然，也还是新产品，实际表现如何还需要时间验证。

它的核心设计不是聊天机器人加了几个工具。是给每个 Agent 一个独立的云端计算机——你给目标、给权限边界，它自己连应用、查数据、写代码、发消息。

几个值得拎出来说的设计细节：

独立运行环境。每个 dot 有自己的云端计算机，不是共享的。这意味着隔离——一个出问题不会波及另一个，数据也不会串。这和我之前聊的 Agent 运行时隔离是一个思路，只不过 OpenAI 把它做进了产品里。

Auto-review 层。高风险动作执行之前，先由另一个 frontier model 审核一遍，不是全靠执行模型自己判断。这个设计很关键——它等于承认了"单个模型的安全判断不可靠"，用双模型交叉审核来降低风险。

团队协作。OpenAI 自己说的："未来多个 dot 将组成团队，协同工作。"不是一个超级 Agent 干所有事，是一群 Agent 各司其职。这和人类组织的逻辑一样——专业分工比全能型选手效率高。

企业版和教育版还有 Compliance API，管理员能控制插件和工具的访问权限、设置浏览器和网络限制。说白了就是给企业管理员一套"管住 AI 员工"的工具。

dots 的路线很清晰：闭源、托管、一站式、企业级管控。适合不想自己折腾基础设施、直接想用上 AI 员工的团队。

代价也很明显——数据在 OpenAI 那边，定制化空间有限，价格不便宜。

paperclip：开源路线的"操作系统"

paperclip 走的是完全相反的路：开源、自托管、基础设施。

输入一个公司目标——比如"做一个最好的 AI 笔记应用"——然后"招聘"你的 AI 团队。产品经理 Agent、工程师 Agent、设计师 Agent，各自有职责、有预算、有汇报关系。

听起来像个游戏？94K 星（截至 10 月初，第三方统计）说明很多人不觉得这是个玩笑。

它有两大支柱：

第一根支柱叫 Agent Employee Training。不是写 prompt，是"培训"AI 员工。Skill Studio 做技能培训，evals 做测试评估，还有主动学习循环、质量指标、甚至 Agent 的绩效评估和技能版本历史。

这不是"给 AI 一个任务让它干"的逻辑，是"像培养员工一样培养 AI"的逻辑。

第二根支柱叫 Agentic OS。底层基础设施——跨模型运行时、沙箱、集成、MCP 服务器、SSO、RBAC、成本控制、数据隐私、运行历史追踪。

paperclip 想做的是"AI 公司的操作系统"。你不用自己搭 Agent 运行环境、不用自己管权限、不用自己做监控，这些基础设施它都包了。你只需要定义组织架构和目标。

优势是开源、可控、可定制。劣势也很——太复杂了。它不是开箱即用的产品，是一套基础设施。你得有技术团队去部署、去配置、去维护。

而且说实话，"AI 运营一家公司"这个目标，目前更像愿景而不是现实。paperclip 更适合开发者做技术探索和原型验证，离真的用它跑业务还有距离。

长期记忆：AI 员工的"转正"前提

不管是 dots 还是 paperclip，有一个问题绕不开：记忆。

现在的 Agent 最大的问题之一是"做完就忘"。这次会话聊了什么、上次做了什么决策、为什么那么做——下一次对话就全忘了。在需要持续协作的场景下，这样的 Agent 永远是"临时工"，干一单是一单，没法积累经验、没法成长。

hindsight 一周涨了约 17,000 星，说明这个痛点有多痛。

长期记忆系统干的事：把 Agent 的会话记忆、工具调用记录、决策轨迹全部持久化存下来，下次对话的时候能检索出来。这样 Agent 就能"记住"上次干了什么、踩过什么坑、用户偏好是什么。

听起来不复杂，但它是 Agent 从"工具"变"员工"的关键拼图。

一个员工为什么比一个工具值钱？因为他有经验、有上下文、有积累。你不用每次都从头交代背景，他知道你是谁、知道项目的来龙去脉、知道上次为什么那么决策。

Agent 也是一样。没有长期记忆的 Agent，每次都是从零开始——你得反复解释背景、反复说偏好、反复纠正同样的错误。有了长期记忆，它才能真正"跟你一起工作"，而不是"被你调用一下"。

hindsight 只是这个方向的一个项目。长期记忆的技术路线还很多——向量数据库存 embedding、图数据库存关系、知识图谱存结构，各有优劣。这个领域还远没到定型的时候。

但方向是确定的：在需要持续协作的场景下，没有记忆的 Agent 走不远。

不是三个项目，是同一个趋势

看起来是三个不同的东西，其实指向同一个方向——Agent 团队化。

不是一个超级 Agent 搞定一切，而是一群 Agent 分工协作。不是干一单忘一单，而是持续积累、越用越顺手。不是人盯着每一步，而是给目标、给权限、让 Agent 自己跑。

打个比方可能更容易理解：

• dots 是品牌整机。开箱即用，体验好，但贵、封闭、不能自己拆了改。
• paperclip 是兼容机主板。开源、灵活、你想怎么配就怎么配，但得自己装、自己调。
• hindsight 是内存条。通用组件，不管你用整机还是兼容机，加内存都能提升体验。

而且它们之间不是互斥的——paperclip 可以集成 hindsight 做记忆，dots 未来也可能内置类似的记忆功能。paperclip 也能调用 OpenAI 的模型，dots 也能接第三方 MCP 工具。

对做开发的人来说，这件事的影响在哪里？

编码 Agent 的竞争维度在变。以前比的是"谁写代码写得好"，以后比的是"谁的 Agent 团队协作效率高"。单个模型的能力差距会越来越小，团队编排、记忆系统、治理能力的差距会越来越大。

至少从 GitHub 星数来看，基础设施项目的增长速度比应用层快。paperclip 94K 星、hindsight 一周 17K 星——大家都在"卖铲子"。真正用 AI 员工跑业务的案例还不多，但给 AI 员工搭基础设施的项目已经火了。

治理和安全会变成核心竞争力。OpenAI dots 的 Auto-review 层、企业版的 Compliance API、paperclip 的 RBAC 和预算控制——所有头部玩家都在砸治理。原因很简单：Agent 越能干，出问题的后果越严重。没有治理的 AI 员工，谁敢用？

最后

现在很多人对"AI 员工"这个概念还将信将疑。觉得现在的 Agent 连个简单的 bug 都修不利索，谈什么团队协作、什么运营公司。

这种怀疑很合理。今天的 Agent 确实还很初级——经常犯低级错误、经常跑偏、经常需要人盯着。

但不要用今天的能力去判断明天的趋势。

一年前，编码 Agent 还只能写写简单函数。现在据 BenchLM 10 月排行，SWE-bench Pro 上 Claude Opus 5.5 已经 89.9% 了。

一年后呢？

AI 员工不会一夜之间取代所有人。它会先从最简单、最重复的工作开始，慢慢往上走。先做数据录入，再做简单分析，再做基础编码，再做复杂任务——一步一步来。

你的工作里，哪部分可以先交给 AI 员工？

想清楚这个问题，就走在了大部分人前面。