Paperclip: เครื่องมือฟรี เปลี่ยน AI เป็นทีมพัฒนาซอฟต์แวร์

นักพัฒนาหลายคนที่ใช้ AI agent หลายตัวมักเจอปัญหาเดิม: พอถึง agent ตัวที่ห้า คุณมี Claude Code รันในเทอร์มินัลหนึ่งสำหรับแบ็กเอนด์, Codex ตัวหนึ่งสร้างเทสต์, Cursor แก้ไขส่วนประกอบ แล้วก็มีแท็บอีกสามแท็บที่คุณลืมไปหมด ไม่มีใครรู้ว่า agent ตัวไหนทำอะไร ค่าใช้จ่ายสูงขึ้น Agent สองตัวทำงานซ้ำซ้อน ตัวหนึ่งรัน 6 ชั่วโมงแต่ไม่เกิดประโยชน์ เพราะไม่มีใครให้ objective ที่ชัดเจน

ทดลองใช้ Apidog วันนี้

Paperclip แก้ปัญหานี้โดยเป็นแพลตฟอร์มโอเพนซอร์สสำหรับประสานงาน agent หลายตัว เปลี่ยน agent ที่กระจัดกระจายให้กลายเป็นบริษัทที่มีโครงสร้างครบ มีผังองค์กร, กำหนดบทบาท, ระบบงาน, ขีดจำกัดงบประมาณ และ audit log มีดาวบน GitHub กว่า 35,000 ภายใน 3 สัปดาห์ สะท้อนว่ามี dev จำนวนมากที่เจอปัญหาเดียวกัน

บทความนี้สอนวิธีตั้งค่า, สร้างบริษัท agent แรก และรันงานแบบอัตโนมัติ ไม่ต้องเฝ้าทุกเทอร์มินัล

Paperclip คืออะไร (และไม่ใช่)

ก่อนติดตั้ง มาทำความเข้าใจกันก่อน:

Paperclip คือ เลเยอร์การประสานงาน สำหรับ AI agent: จัดการ agent, ติดตามงาน, ควบคุมงบประมาณ, ให้บริบทบริษัท
ไม่ได้สร้าง agent ใหม่, ไม่แทนที่ AI provider ของคุณ, ไม่ใช่ chatbot UI

• Agent มี บทบาท ไม่ใช่แค่ prompt
• งานมี เจ้าของ ไม่ใช่แค่เทอร์มินัลที่เปิดอยู่
• งบประมาณมี ขีดจำกัด ที่ชัดเจน
• ทุกอย่างถูกบันทึกใน audit log

Paperclip รองรับ Claude Code, OpenAI Codex, Cursor, Gemini CLI และ agent อื่น ๆ ที่รับ webhook หรือ heartbeat
คุณนำ agent มา Paperclip ดูแลภาพรวม

Paperclip ไม่ใช่:

• UI แชทบอท
• เครื่องมือ workflow แบบลาก-วาง เช่น n8n, Zapier
• เฟรมเวิร์กเขียน agent
• เหมาะสำหรับ agent ตัวเดียว

ถ้าใช้ AI agent เดียวเป็นครั้งคราว Paperclip อาจเกินความจำเป็น แต่ถ้ามี 3 agent ขึ้นไป Paperclip คือสิ่งที่ขาดหาย

การติดตั้ง Paperclip

ต้องมี Node.js 20+, pnpm 9.15+ เท่านั้น Paperclip มาพร้อม PostgreSQL ในตัว ไม่ต้องตั้งค่า storage เพิ่ม

เริ่มต้นเร็วสุด:

npx paperclipai onboard --yes

ดาวน์โหลด CLI, ตั้งค่า, และรันเซิร์ฟเวอร์ที่พอร์ต 3100 เปิด http://127.0.0.1:3100 ดู dashboard ได้เลย

Clone/source code:

git clone https://github.com/paperclipai/paperclip.git
cd paperclip
pnpm install
pnpm dev

ใช้ Docker:

docker compose -f docker-compose.quickstart.yml up --build

ข้อมูลที่ถูกสร้างในดิสก์:

~/.paperclip/instances/default/
  config.json          — การตั้งค่า server/storage
  db/                  — PostgreSQL ฝัง
  secrets/master.key   — คีย์เข้ารหัส
  logs/                — log server
  data/storage/        — ไฟล์แนบ
  workspaces/<agent>/  — ไดเรกทอรีงาน agent

โหมด local ใช้ auth แบบ local_trusted ข้าม login ใช้ user "Board" ทันที ไม่ต้องสมัครบัญชี

เช็คสถานะ:

paperclipai doctor

ถ้ามีปัญหา config ใช้:

paperclipai doctor --repair

การตั้งค่าบริษัทแรกของคุณ

ใน Paperclip "บริษัท" คือ container ระดับบนสุดสำหรับ agent, งาน, เป้าหมาย, งบประมาณ — คิดเหมือนโปรเจกต์แต่สมาชิกคือ agent

สร้างบริษัทใหม่ใน dashboard และกำหนด mission ให้ชัดเจน ทุกงานที่ agent รับจะอ้างอิง mission นี้ agent จะเข้าใจ ทำไม ไม่ใช่แค่ อะไร ต้องทำ

ตัวอย่าง mission: 
"สร้างและดูแล REST API สำหรับจัดการคำสั่งซื้อ เน้นความถูกต้องมากกว่าความเร็ว และจัดทำเอกสารทุก endpoint สาธารณะ"

ข้อความเดียวนี้ช่วยให้ agent ตัดสินใจในทุกขั้นตอน

การเพิ่ม agent ตัวแรกของคุณ

แต่ละ agent ใน Paperclip ใช้ adapter ระบุ AI tool ที่ใช้และวิธีสื่อสาร

Agent	ประเภทอะแดปเตอร์	แพ็กเกจ
Claude Code	claude_local	@paperclipai/adapter-claude-local
OpenAI Codex	codex_local	@paperclipai/adapter-codex-local
Gemini CLI	gemini_local	@paperclipai/adapter-gemini-local
Cursor	cursor	@paperclipai/adapter-cursor-local
HTTP webhooks	HTTP adapter	custom endpoint

เพิ่ม agent Claude Code ผ่าน CLI:

paperclipai agent local-cli "Backend Engineer" --company-id <your-company-id>

Paperclip จะ bootstrap agent, ติดตั้ง skill ใน ~/.claude/skills และสร้าง API credential agent จะถูกเพิ่มในบริษัททันที

ตัวอย่าง config สำหรับ Claude agent:

ฟิลด์	หน้าที่
model	โมเดล Claude ที่ใช้ (เช่น claude-sonnet-4-6)
cwd	ไดเรกทอรีงานของ agent (สร้างอัตโนมัติถ้าไม่มี)
promptTemplate	system prompt พร้อม {{variable}}
maxTurnsPerRun	จำนวนรอบสูงสุดต่อการรัน (default: 300)
timeoutSec	ขีดจำกัดเวลา (0 = ไม่จำกัด)

แนวทางเลือกโมเดลตามบทบาท:

• CEO / ประสานงาน: Sonnet (คิดเชิงกลยุทธ์)
• Manager: Haiku (routing, assign งาน, ราคาถูก/เร็ว)
• Engineer (สร้างสรรค์/เขียนโค้ด): Sonnet
• IC ตามสูตร: Haiku (boilerplate, test, migration)

แบ่ง model ให้เหมาะสม ลดค่าใช้จ่ายได้ 40–60% โดยไม่เสียคุณภาพในงาน routine

การจัดโครงสร้างองค์กร agent ของคุณ

CEO (Sonnet)
 ├── CTO (Haiku)
 │    ├── Backend Engineer (Sonnet)
 │    ├── Frontend Engineer (Sonnet)
 │    └── QA Engineer (Haiku)
 └── Technical Writer (Haiku)

Agent CEO ดูแล mission, แบ่งเป้าหมาย, CTO assign งานไป engineer, QA ตรวจสอบ, writer ทำเอกสาร

agent ทุกตัวมี heartbeat interval: agent จะ "ตื่น" ตามช่วงเวลาที่กำหนด, เช็คงาน, ทำงาน, แล้วพัก ไม่ทำงานตลอด 24 ชม. ลดค่าใช้จ่าย

ค่าที่แนะนำ:

• Agent เขียนโค้ด: 600 วินาที (10 นาที)
• Agent On-demand: 86,400 วินาที (วันละครั้ง) + wake-on-demand
• ขั้นต่ำ: 30 วินาที (น้อยกว่านี้เสี่ยงค่าใช้จ่ายสูง)

Heartbeat ทำงานอย่างไร

ทำความเข้าใจ heartbeat ช่วยให้ agent ทำงานน่าเชื่อถือ:

1. ยืนยันตัวเอง GET /api/agents/me
2. จัดการ callback ที่รอ approval
3. ดึงงาน GET /api/companies/{companyId}/issues
4. จัดลำดับความสำคัญ: งานดำเนินการ, งานใหม่; ข้ามงานบล็อก
5. เช็คเอาท์งาน POST /api/issues/{issueId}/checkout (ถ้า agent อื่นรับ, ได้ 409, agent นี้ข้าม)
6. อ่าน context ทั้งหมดและ comment
7. ทำงาน
8. อัปเดตงาน/คอมเมนต์/สถานะ
9. สร้างงานย่อยถ้าจำเป็น

กลไก checkout ในข้อ 5 ป้องกัน agent ทำงานซ้ำซ้อน Agent สองตัวรับงานเดียวกันไม่ได้

Paperclip inject env variable ให้ทุก agent run:

PAPERCLIP_TASK_ID
PAPERCLIP_WAKE_REASON
PAPERCLIP_AGENT_ID
PAPERCLIP_API_URL

agent ใช้สิ่งเหล่านี้อัปเดตงาน, สร้าง issue ย่อย, ขอ approval ฯลฯ ภายใน heartbeat เดียว

การมอบหมายงานและติดตามผลงาน

งานใน Paperclip = GitHub Issue + Project Management

สร้าง issue ผ่าน CLI:

paperclipai issue create \
  --company-id <id> \
  --title "เพิ่ม pagination ให้ endpoint คำสั่งซื้อ" \
  --assignee-agent-id <backend-engineer-id>

งานรองรับ:

• Parent tasks: แบ่งงานใหญ่
• Goal links: agent รู้ว่างานนี้เพื่ออะไร
• Comments: context, ขอ approval, update
• @-mentions: ปลุก agent ทันที (ไม่ต้องรอ heartbeat)

ดู issue list ได้จาก CLI:

paperclipai issue list

หรือใน dashboard — เห็น owner, สถานะ, heartbeat ล่าสุด

การควบคุมงบประมาณที่ใช้งานได้จริง

แต่ละ agent มีโควต้า token รายเดือน ถึง 80% agent จะทำเฉพาะงานสำคัญ ถึง 100% agent หยุด

ตั้งค่างบประมาณใน agent config เริ่มต้นที่ $20–50/เดือน/agent ดูอัตราการใช้จ่าย, token ต่อ heartbeat และรวมรายเดือนได้จาก dashboard

หาก agent ใช้ token สูงผิดปกติ (เช่น prompt คลุมเครือ งานใหญ่ไป) ให้ปรับ scope ไม่ใช่แค่เพิ่มงบ!

Paperclip จะหยุด agent ที่ใช้จ่ายผิดปกติอัตโนมัติ ป้องกัน agent ฝัง bug กินเงินหลายร้อยเหรียญ

Runtime skills: การสอน agent ให้มีเวิร์กโฟลว์ใหม่โดยไม่ต้องฝึกใหม่

Paperclip มี skill injection: ขณะ agent ทำงาน adapter จะ symlink ไฟล์ SKILL.md ไปใน config ของ agent agent อ่าน skill เป็น context แล้วปรับ workflow ตาม

สอน agent ให้ทำ process ใหม่ เช่น เขียน commit message, จัดการ migration, จัดฟอร์แมตเอกสาร API — แค่เขียน markdown ไม่ต้องแก้ prompt/ไม่ต้อง deploy ใหม่

# SKILL: การย้ายฐานข้อมูล

เมื่อสร้างการย้ายฐานข้อมูล:
1. ห้ามแก้ไขไฟล์ migration ที่มีอยู่
2. ใช้ชื่อไฟล์: YYYYMMDD_description.sql
3. รวม SQL up/down
4. ทดสอบในเครื่องก่อน commit
5. ใส่ comment อธิบายเหตุผลธุรกิจ

วางไฟล์ลงใน skill directory, map ให้ agent, agent ทำตาม process นี้ในทุก heartbeat

หากคุณกำลังทดสอบ API ที่สร้างโดย agent ของคุณ

ถ้า agent ของคุณสร้าง API, คุณควรมีเครื่องมือ test ผลงาน agent อย่างรวดเร็ว Apidog เหมาะกับงานนี้: ออกแบบ API, mock server, ทดสอบอัตโนมัติในที่เดียว เมื่อ agent สร้าง endpoint, คุณตรวจสอบได้ทันที ไม่ต้องสลับใช้ Swagger, Postman, mock tool หลายตัว

สร้าง test suite จาก OpenAPI spec อัตโนมัติ, รันกับ agent, ส่งผลลัพธ์เป็น comment งาน agent รับ feedback ใน heartbeat ถัดไป แล้วแก้ไขเอง — ลูปอัตโนมัติเต็มรูปแบบตั้งแต่โค้ด-ทดสอบ-แก้ไข โดยไม่ต้อง manual

Apidog รองรับ REST, GraphQL, gRPC และใช้งานฟรี

การจัดการหลายอินสแตนซ์

Paperclip รองรับ multi-instance บนเครื่องเดียว ตั้งค่าผ่าน env PAPERCLIP_INSTANCE_ID หรือ flag --instance แต่ละ instance มี config/DB/port/workspace แยกกัน

สำหรับ local dev, คำสั่ง worktree สร้าง dev instance แยก per git branch:

paperclipai worktree:make feature/orders-pagination

แต่ละ branch ได้ port/config/DB แยก; ทดสอบบริษัทกับโค้ด feature โดยไม่กระทบ agent หลัก ลบเมื่อจบงานได้ทันที

การตั้งค่า Multi-agent ที่ใช้งานได้จริง

ตัวอย่าง best practice เมื่อเริ่มใช้งาน:

• Goal cascade: กำหนดเป้าหมายระดับสูงที่บริษัท ให้ agent CEO แบ่งเป้าหมายให้ manager, manager แบ่งเป็นงาน ช่วยให้ agent เข้าใจ chain of purpose
• Approval gates: agent ที่จะ deploy/production/testing/payment ต้องขออนุมัติก่อน Agent จะ pause รอคุณกดยืนยัน ลดความเสี่ยง
• On-demand wakes via @-mention: ตั้ง heartbeat ช้า, ใช้ @-mention ใน comment เพื่อปลุก agent ทันทีเมื่องานสำคัญ ลดค่าใช้จ่าย polling
• Workspace แยก per agent: แต่ละ agent มี workspaces/<agent-id>/ ของตัวเอง อย่าแชร์ workspace ป้องกัน conflict

การเริ่มต้นใช้เวลาประมาณ 15 นาที

ตั้งค่า Paperclip ครั้งแรกไม่ถึง 15 นาที: คำสั่งเดียวติดตั้ง/รัน server, เพิ่ม agent และสร้างงานใน dashboard อีก 5 นาที

สิ่งที่ควรใช้เวลา: โครงสร้างบริษัท, เขียน mission ให้ชัด, เลือก model ต่อบทบาท, ตั้งขีดจำกัดงบประมาณ ใช้เวลา 30 นาทีเตรียมสิ่งเหล่านี้ งานที่มอบหมาย agent จะมีคุณภาพสูงกว่าการรีบ setup ไปเรื่อย ๆ

ถ้าคุณใช้งาน AI agent 2 ตัวขึ้นไปในโปรเจกต์จริง นี่คือเครื่องมือที่ควรลงทุนเวลาวันเดียวตั้งค่า ความแตกต่างระหว่าง "agent ต่อเทอร์มินัล" กับ "บริษัทที่มีโครงสร้าง + คุมงบ + owner + audit log" คือความแตกต่างระหว่าง side project กับระบบที่รันงานเองได้จริง