# KingClawArmy - Paperclip 組織規劃方案 > 日期:2026-04-11 > 用途:提供另一個 agent 作為修改依據;本文件定義規劃選項、推薦方案、實作範圍與 review 驗收標準 --- ## 1. 目的與前提 這份文件的目的不是直接當成 Paperclip package 匯入,而是作為下一位實作 agent 的施工說明書。 Paperclip 需要的不是 `docs/` 內的說明稿,而是實際可匯入的 package 結構: ```text COMPANY.md .paperclip.yaml agents//AGENTS.md teams//TEAM.md projects//PROJECT.md projects//tasks//TASK.md skills//SKILL.md ``` 因此,下一位 agent 的任務應該是: 1. 保留 `docs/` 作為設計說明文件 2. 在 repo 根目錄建立真正的 Paperclip company package 3. 依照本文件選定的組織方案,產出第一版可 `paperclipai company import --dry-run` 通過的結構 --- ## 2. Paperclip 導向的設計約束 | 項目 | 約束 | |---|---| | 公司根檔 | 必須有 repo root 的 `COMPANY.md` | | Agent 定義 | 每個 agent 必須有自己的 `agents//AGENTS.md` | | Team 定義 | 每個 team 必須有 `teams//TEAM.md`,且 `manager` 要能解析到真實 agent 檔案 | | Project 定義 | pipeline 需要對應到 `PROJECT.md`,不能只寫在說明文件 | | Routine 定義 | recurring work 需要 `TASK.md` 標記 `recurring: true`,排程細節再放到 `.paperclip.yaml` | | Skills | `AGENTS.md` 內應以 shortname 關聯 skill,`SKILL.md` 保持 Agent Skills 相容 | | Runtime 設定 | adapter、env inputs、budgets、permissions、routines 等放在 `.paperclip.yaml` | | 溝通模型 | Paperclip V1 偏 task/comment,不是 OpenClaw 那種 session-first 規劃 | --- ## 3. 目前文件狀態摘要 | 項目 | 現況 | 結論 | |---|---|---| | `docs/company.md` | 已有完整藍圖 | 可當來源稿,但不是 import root | | `docs/pipelines.md` | 已有 pipeline 與 routines | 還缺 `PROJECT.md` / `TASK.md` 實體 | | `docs/schemas.md` | 已有多數輸出 schema | 可作為 agent instructions 的引用內容 | | repo root | 沒有 `COMPANY.md`、`.paperclip.yaml` | 現在不能直接 import | | 組織架構 | 18 agents / 5 teams | 當藍圖合理,當第一版上線偏重 | | review 流程 | 有定義,但 revise 上限與 review 節點不完全一致 | 修改時要先收斂口徑 | --- ## 4. 規劃方案 ### 方案 A:精實上線包 **定位:** 先做出第一個可匯入、可運行、成本可控的 Paperclip package。 **建議啟用角色:** | Team | Agent | 狀態 | |---|---|---| | management | `ceo` | active | | management | `secretary` | active | | management | `reviewer` | active | | quant-research | `quant-strategist` | active | | quant-research | `finance-researcher` | active | | quant-research | `market-structure-researcher` | active | | quant-research | `quant-engineer` | active | | quant-research | `data-analyst` | active | | optional | `xiao-an` | paused | **總計:** 8 active + 1 optional paused **組織樹:** ```text 董事長 └── ceo ├── secretary ├── reviewer └── quant-strategist ├── finance-researcher ├── market-structure-researcher ├── quant-engineer └── data-analyst ``` **應建立的 team:** 1. `management` 2. `quant-research` **應建立的 project:** 1. `daily-quant-pipeline` 2. `board-ops` **應建立的 recurring tasks:** 1. `daily-quant-pipeline` -> assignee `ceo` 2. `daily-post-market` -> assignee `ceo` 3. `daily-data-summary` -> assignee `data-analyst` 4. `daily-secretary-digest` -> assignee `secretary` **優點:** 1. 最容易先通過 Paperclip import 2. 組織深度夠用,管理跨度可控 3. 成本最低,適合先驗證量化閉環 4. 另一個 agent 修改時影響面最小 **缺點:** 1. 少了 bull/bear 對抗式分析 2. 行銷與內容團隊尚未進 package 3. 工程團隊先不落地 **適用情境:** 1. 你想先讓 Paperclip package 匯入成功 2. 你想先把量化閉環跑通 3. 你希望 review 範圍小、改動風險低 --- ### 方案 B:平衡擴編包 **定位:** 保留完整量化閉環,並放入行銷策略團隊的基礎骨架。 **建議啟用角色:** | Team | Agent | 狀態 | |---|---|---| | management | `ceo` | active | | management | `secretary` | active | | management | `reviewer` | active | | quant-research | `quant-strategist` | active | | quant-research | `finance-researcher` | active | | quant-research | `market-structure-researcher` | active | | quant-research | `bullish-researcher` | active | | quant-research | `bearish-researcher` | active | | quant-research | `quant-engineer` | active | | quant-research | `data-analyst` | active | | marketing | `strategy-director` | active | | marketing | `market-researcher` | active | | marketing | `ads-analyst` | paused | | optional | `xiao-an` | paused | **總計:** 12 active + 2 paused **組織樹:** ```text 董事長 └── ceo ├── secretary ├── reviewer ├── quant-strategist │ ├── finance-researcher │ ├── market-structure-researcher │ ├── bullish-researcher │ ├── bearish-researcher │ ├── quant-engineer │ └── data-analyst └── strategy-director ├── market-researcher └── ads-analyst ``` **應建立的 team:** 1. `management` 2. `quant-research` 3. `marketing` **應建立的 project:** 1. `daily-quant-pipeline` 2. `market-intel` 3. `board-ops` **應建立的 recurring tasks:** 1. 方案 A 的全部 recurring tasks 2. `morning-market-intel` -> assignee `market-researcher` 3. `evening-market-intel` -> assignee `market-researcher` 4. `weekly-market-report` -> assignee `market-researcher` **優點:** 1. 量化 pipeline 比方案 A 更完整 2. 行銷 team 先有骨架,不用之後重做 package 3. 比 18 agent 藍圖更適合先上線 **缺點:** 1. package 複雜度明顯上升 2. review 範圍變大 3. 匯入後需要更多 paused/active 狀態管理 **適用情境:** 1. 你希望量化 full pipeline 一次到位 2. 你預計很快就會接上市場研究與行銷節奏 3. 你接受另一個 agent 需要改比較多檔案 --- ### 方案 C:完整藍圖包 **定位:** 直接把目前 `docs/company.md` 的 18 agents 全部落成 Paperclip package。 **建議啟用角色:** | Team | Agent | 狀態 | |---|---|---| | management | `ceo` | active | | management | `secretary` | active | | management | `reviewer` | active | | quant-research | `quant-strategist` | active | | quant-research | `finance-researcher` | active | | quant-research | `market-structure-researcher` | active | | quant-research | `bullish-researcher` | active | | quant-research | `bearish-researcher` | active | | quant-research | `quant-engineer` | active | | quant-research | `data-analyst` | active | | marketing | `strategy-director` | active | | marketing | `market-researcher` | active | | marketing | `ads-analyst` | active | | content | `creative-director` | active | | content | `copywriter` | active | | engineering | `frontend-engineer` | paused | | engineering | `backend-engineer` | paused | | optional | `xiao-an` | paused | **總計:** 15 active + 3 paused **優點:** 1. 與現有藍圖最一致 2. 未來擴編時不需再補 package 結構 3. 全公司模型一次成形 **缺點:** 1. 第一版 package 實作成本最高 2. 很多 agent 只有規格,沒有第一波實際任務 3. 工程團隊目前沒有真正的 team lead,結構上較勉強 4. review 與驗收難度最高 **適用情境:** 1. 你要做的是展示型、藍圖型 package 2. 你接受第一版不是最精實,而是最完整 3. 另一個 agent 有足夠時間把 package 全部補齊 --- ## 5. 推薦方案 **推薦採用:方案 A 作為第一版 import package** 原因: 1. 這是最符合 Paperclip 第一階段匯入需求的方案 2. 可以先驗證 `COMPANY.md + AGENTS.md + TEAM.md + PROJECT.md + TASK.md + .paperclip.yaml` 的完整鏈路 3. 量化是目前最清楚、最成熟的閉環,先落地它最划算 4. 另一個 agent 可以先把結構做好,再逐步擴到方案 B 或方案 C **推薦 roadmap:** 1. 第一版 import package 採 `方案 A` 2. 量化 pipeline 穩定後升級到 `方案 B` 3. 行銷與內容成熟後再收斂成 `方案 C` --- ## 6. 另一個 Agent 的修改範圍 ### 必做 | 路徑 | 動作 | |---|---| | `COMPANY.md` | 新建真正的 company root,frontmatter 採 `agentcompanies/v1` | | `.paperclip.yaml` | 新建 Paperclip sidecar,放 adapter、inputs、permissions、routines、status | | `agents//AGENTS.md` | 為方案 A 中的每個 agent 建立真正 agent 檔 | | `teams/management/TEAM.md` | 新建 team package | | `teams/quant-research/TEAM.md` | 新建 team package | | `projects/daily-quant-pipeline/PROJECT.md` | 新建 project package | | `projects/board-ops/PROJECT.md` | 新建 project package | | `projects/.../tasks//TASK.md` | 為 recurring routines 建立任務檔 | | `skills/deep-research/SKILL.md` | 新建相容 skill | | `skills/code-reviewer/SKILL.md` | 新建相容 skill | ### 建議做 | 路徑 | 動作 | |---|---| | `docs/company.md` | 保留為說明稿,但內容要標示「藍圖版」或「未來擴編版」 | | `docs/pipelines.md` | 對齊 recurring tasks 與實際 project/task 命名 | | `docs/schemas.md` | 對齊第一版 active agents,只保留需要的 schema 或標示 phase | | `docs/INDEX.md` | 明確區分「設計文件」與「可匯入 package」 | ### 不建議第一輪做太多 1. 不要第一輪就把 18 agents 全部做成 active 2. 不要把 OpenClaw 的 session 協定硬塞進 Paperclip runtime 配置 3. 不要在 `.paperclip.yaml` 複製整份 agent prompt 4. 不要先做太多機器環境相依設定,例如本機絕對路徑與 secret 值 --- ## 7. 具體修改原則 1. `AGENTS.md` frontmatter 只放 agent identity、title、reportsTo、skills 等可攜欄位 2. agent 的行為規範與 instructions 寫在 `AGENTS.md` body 3. adapter、model、env inputs、permissions、status、routines 全放 `.paperclip.yaml` 4. `skills` 在 `AGENTS.md` 內用 shortname,如 `deep-research`、`code-reviewer` 5. recurring work 先在 `TASK.md` 標 `recurring: true`,排程再由 `.paperclip.yaml` 補 6. team manager 路徑要用正確的相對路徑,不要沿用 `docs/company.md` 內的示意錯路徑 7. review revise 上限統一成一個數字,建議固定為 `3` 8. 若工程團隊暫不落地,第一版 package 不必建立 `engineering` team --- ## 8. Review 驗收標準 未來我 review 時,至少會檢查以下項目: 1. `paperclipai company import --dry-run` 不再報 `missing COMPANY.md` 2. root `COMPANY.md` 能被解析,且 `schema`、`slug`、`name` 正確 3. 所有 `TEAM.md` 的 `manager` 路徑都能解析 4. 所有 `AGENTS.md` 的 `reportsTo` 與 team 結構一致 5. recurring routines 都有對應 `TASK.md` 6. `.paperclip.yaml` 沒有機器相依路徑與 secret 值 7. active / paused 狀態與本文件選定方案一致 8. `docs/` 說明稿與真正 package 內容不互相矛盾 --- ## 9. 決策建議 如果沒有特別要求一次做完整藍圖,建議直接照以下決策執行: 1. 採用 `方案 A` 2. 將 `方案 B` 寫成後續擴編計畫 3. 將 `方案 C` 保留在 `docs/company.md` 作為最終藍圖 這樣最符合 Paperclip 的第一波落地方式,也最方便之後讓我做結構與合理性 review。