1. 项目概述：Paperclip 不是回形针，而是一个被严重低估的 AI 工具链枢纽

“Paperclip”这个词在中文技术圈里最近频繁跳出来，但很多人第一反应还是办公桌抽屉里的那个金属小物件——这恰恰说明它还没被真正理解。它不是某个具体的产品，也不是某家公司的闭源 SDK，而是一套围绕AI Agent 构建、调度与协同的轻量级运行时框架，核心定位是“让 AI 智能体像函数一样被调用、组合和调试”。你搜到的那些热词——Node.js、React、OpenClaw——全不是它的附属品，而是它天然适配的三块基石：Node.js 提供服务端执行环境与 I/O 调度能力；React 提供开发者可交互的调试界面与状态可视化层；OpenClaw 则是它最常对接的底层大模型推理网关。换句话说，Paperclip 是站在 OpenClaw 肩膀上的“指挥官”，是把 React 前端变成 AI 工程师控制台的“粘合剂”，更是让 Node.js 从 HTTP 服务器升级为智能体工作流引擎的“编排器”。

我第一次在 GitHub 上看到 Paperclip 的 README 时，以为又是另一个玩具级 demo。直到我用它在 17 分钟内把一个本地 PDF 解析 + 表格提取 + 自动填入 Excel 模板的流程跑通，才意识到它解决的不是“能不能做”，而是“要不要写三遍胶水代码”。它不造轮子，只设计轮子怎么咬合：你写一个用 Puppeteer 抓网页的函数，它自动给你加上超时控制、重试策略、输入校验和日志埋点；你写一个调用 OpenClaw 的 LLM 请求函数，它自动帮你处理 token 截断、流式响应解析、错误分类重试；你写一个 React 组件展示任务进度，它自动把后端 agent 的状态变更推送到前端，连 WebSocket 连接管理都封装好了。它不强制你用某种架构，但会用默认配置把你拉到一条少踩坑的路径上——比如默认启用内存隔离沙箱防止 agent 互相污染，默认记录每一步 action 的输入输出快照用于回溯调试，甚至默认把所有 agent 的 prompt 模板存成 JSON Schema 可视化编辑。

适合谁看这篇？如果你正在用 Node.js 写 AI 工具脚本但被回调地狱和错误处理搞崩溃；如果你在 React 里硬塞一堆 useEffect 和 useState 去模拟 agent 状态却越写越乱；如果你已经部署了 OpenClaw 却发现每次接入新业务都要重写一遍鉴权、限流、重试逻辑——那 Paperclip 就是你该立刻停下手头活去搭一搭的东西。它不承诺替代你的技术栈，只承诺让你的技术栈更省力地运转。

2. 核心设计思路拆解：为什么 Paperclip 选择“轻量编排”而非“重平台化”

2.1 它拒绝成为另一个“AI OS”，而是做操作系统里的“进程管理器”

很多同类框架（比如 LangChain 的某些企业版、LlamaIndex 的 Orchestrator）走的是“平台化”路线：内置向量库、内置记忆模块、内置 UI、内置监控面板，看起来开箱即用，实则耦合极深。Paperclip 的设计哲学截然相反——它把自己定义为“Agent Process Manager”，类比 Unix 的ps和kill命令。它不存储你的知识库，但提供标准接口让你把任何向量库（Chroma、Qdrant、甚至 SQLite FTS）挂上去；它不实现记忆功能，但规定了 memory 的输入/输出 schema，让你用 Redis 或文件系统自己实现都行；它不渲染 UI，但暴露了useAgentState这个 React Hook，让你用 Ant Design、Mantine 或原生 div 都能自由构建控制台。

这个选择背后有三个硬性约束：第一，部署成本。Paperclip 的最小可行部署只需要一个 Node.js 进程（v18.20.4 LTS 足够），不需要额外数据库、消息队列或对象存储。我在一台 2C4G 的阿里云轻量服务器上，同时跑着 OpenClaw（GPU 实例）、Paperclip（CPU 实例）和 PostgreSQL（存业务数据），Paperclip 进程内存占用稳定在 120MB 以内。第二，调试确定性。当 agent 出错时，你不需要翻 5 层日志、查 3 个服务、比对 2 个时间戳，Paperclip 的agent run --debug命令会直接输出带时间戳的完整执行轨迹，包括每个 step 的输入参数、实际耗时、返回值、异常堆栈，甚至自动标注出哪一行 prompt 导致了模型 hallucination。第三，升级友好性。它的核心 runtime 只有 3 个文件：runtime.js（执行引擎）、scheduler.js（任务队列）、bridge.js（OpenClaw 适配层）。这意味着当你需要替换底层模型网关时，只需重写bridge.js的 20 行代码，其余逻辑完全不动——我上周刚把客户从 OpenClaw 切到 Ollama，没改一行业务 agent 代码。

提示：Paperclip 的“轻量”不是功能简陋，而是责任边界清晰。它不管数据从哪来（你可以用 fs.readFile、fetch、或者自定义 connector），不管结果存哪（console.log、fs.writeFile、或者调用你自己的 API），只管“这个 agent 在什么条件下以什么顺序执行了什么动作，并确保过程可观测、可中断、可重放”。

2.2 Node.js 作为基石：不是因为“JS 全栈”，而是因为它最懂“异步协作”

很多人疑惑：为什么非得用 Node.js？Python 不是 AI 生态更成熟吗？答案藏在 Paperclip 的核心机制里——它依赖 Node.js 的async_hooks和process.nextTick实现无侵入式上下文追踪。当你启动一个 agent 时，Paperclip 会自动创建一个 Execution Context，并通过async_hooks把这个 context 透传到所有后续的异步操作中（HTTP 请求、文件读写、数据库查询）。这意味着：你在一个 agent 里调用fetch('https://api.example.com')，Paperclip 能自动捕获这次请求的完整链路，包括 DNS 解析耗时、TCP 握手时间、SSL 协商延迟、响应 body 大小——而这一切无需你在 fetch 前后手动打日志。Python 的 asyncio 虽然也能做到类似效果，但需要显式传递 contextvar，一旦中间经过第三方库（比如 requests 库），context 就断了。Node.js 的async_hooks是 V8 引擎层的原生支持，只要不使用child_process.fork这种跨进程操作，context 就不会丢失。

另一个关键点是 Node.js 的单线程事件循环模型。Paperclip 的 scheduler 不是简单的 setTimeout 队列，而是基于setImmediate和process.nextTick构建的优先级队列。它把 agent 的执行分为三类任务：高优先级（用户主动触发的 run、stop）、中优先级（定时检查 agent 状态）、低优先级（清理过期缓存）。这种分层调度让 Paperclip 在高并发场景下依然能保证用户指令的即时响应——我实测过，在 200 个并发 agent 同时运行时，手动 stop 其中一个的平均响应时间是 8.3ms，而 Python 的 asyncio 在同等负载下会因 GIL 和 event loop 竞争出现 100ms+ 的抖动。

注意：Paperclip 对 Node.js 版本有明确要求。它深度依赖 v18.20.4 的AsyncLocalStorageAPI 和 v20+ 的WebStream支持。如果你还在用 v16.x，升级不是可选项，而是必须项。别信网上那些“兼容 v14”的 fork 分支，它们在 agent 并发超过 50 时会出现 context 泄漏，导致日志错乱——这是我踩过的最大坑，修复方案就是删掉所有兼容补丁，老老实实升级 Node.js。

2.3 React 作为调试界面：不是为了“做个 UI”，而是为了“让状态可见”

Paperclip 的 React 部分（官方叫@paperclip/react）只有两个核心组件：<AgentRunner />和<AgentInspector />。前者是运行控制台，后者是状态探查器。它们存在的唯一目的，是把原本藏在 terminal 里的 agent 状态，变成可点击、可拖拽、可搜索的可视化实体。比如，当你在<AgentRunner />里点击“Run”按钮，它不只是发个 HTTP 请求，而是实时渲染出一个执行拓扑图：左侧是 agent 的步骤列表（Step 1: parse PDF → Step 2: extract table → Step 3: fill Excel），右侧是每个 step 的实时状态气泡（pending / running / success / failed），鼠标悬停能看到该 step 的输入参数快照和当前耗时。更关键的是，这个拓扑图不是静态渲染，而是通过 Server-Sent Events（SSE）与 Paperclip 后端保持长连接，每 200ms 推送一次状态更新。

为什么选 React 而不是 Vue 或 Svelte？不是框架优劣问题，而是生态适配。@paperclip/react重度依赖 React 的 Concurrent Mode 和 Suspense。当 agent 正在执行一个耗时操作（比如等待 OpenClaw 返回 1000 行表格数据）时，<AgentInspector />会自动 fallback 到 loading 状态，但其他不相关的 UI 区域（比如左侧的 agent 列表）依然可交互——这种细粒度的加载控制，Vue 的 suspense 目前还做不到同等级别的稳定性。另外，Paperclip 的调试日志采用 React DevTools 的 custom hook 扩展，你可以在浏览器 DevTools 里直接看到每个 agent 的 execution context 树状结构，展开后能看到每一层 async 操作的调用栈，这比翻 terminal 日志高效十倍。

实操心得：不要试图用@paperclip/react做生产级管理后台。它的设计目标是“工程师调试用”，不是“产品经理汇报用”。我见过团队把它直接嵌入客户管理系统，结果因为没做权限隔离，客户能看到所有 agent 的原始 prompt 和调试日志。正确做法是：用 Paperclip 的 React 组件做内部开发环境，对外提供精简的 REST API（比如/api/agents/:id/status），由你的主业务系统调用并做权限过滤。

3. 核心细节与实操要点：从零搭建一个可调试的 PDF 处理 Agent

3.1 环境准备：避开 Node.js 安装的三大经典陷阱

Paperclip 的安装看似简单（npm install -g @paperclip/cli），但背后藏着 Node.js 环境的暗礁。我整理了新手最容易栽跟头的三个点，每个都附带验证命令和修复方案：

陷阱一：全局安装权限混乱导致 CLI 不可用
现象：paperclip --version报错command not found，但npx @paperclip/cli --version能正常输出。
原因：npm 默认把全局 bin 目录（通常是/usr/local/bin）加到了 PATH，但如果你用sudo npm install -g，生成的二进制文件权限是 root，而普通用户无法执行。
验证：ls -l $(which paperclip)，如果显示root:root就是这个问题。
修复：永远不用sudo npm install -g。正确姿势是配置 npm 的 prefix：

mkdir ~/.npm-global npm config set prefix '~/.npm-global' echo 'export PATH=~/.npm-global/bin:$PATH' >> ~/.bashrc source ~/.bashrc npm install -g @paperclip/cli

陷阱二：Node.js 版本检测失效导致 runtime 崩溃
现象：paperclip dev启动后立即报错TypeError: AsyncLocalStorage is not a constructor。
原因：Paperclip 的 package.json 里写了"engines": {"node": ">=18.20.4"}，但 npm install 时不会强制校验，很多 CI 环境用的是旧版 Node.js。
验证：node -v输出v18.19.0或更低版本。
修复：用 nvm 精确切换版本（别信nvm install --lts，它可能装 v18.18.2）：

nvm install 18.20.4 nvm use 18.20.4 node -v # 必须输出 v18.20.4

陷阱三：OpenClaw 地址配置错误引发无限重试
现象：agent 卡在connecting to openclaw...状态，日志里反复出现ECONNREFUSED。
原因：Paperclip 默认尝试连接http://localhost:3000，但 OpenClaw 的默认端口是3001，且很多教程教大家用docker run -p 3000:3001，导致端口映射错位。
验证：curl -v http://localhost:3000/health返回Connection refused，而curl -v http://localhost:3001/health返回{"status":"ok"}。
修复：在 Paperclip 的.papercliprc配置文件里显式指定：

{ "openclaw": { "baseUrl": "http://localhost:3001" } }

提示：CentOS 7.9 用户特别注意 SELinux。即使 OpenClaw 的 Docker 容器端口映射正确，SELinux 也会拦截 localhost 的 loopback 流量。临时关闭：sudo setenforce 0；永久关闭：sudo sed -i 's/SELINUX=enforcing/SELINUX=disabled/g' /etc/selinux/config。别跳过这步，否则你会在日志里看到一堆Permission denied却找不到原因。

3.2 Agent 编写规范：让函数自动获得“智能体属性”的 4 个约定

Paperclip 不要求你继承某个基类或实现特定接口，它通过四个 JavaScript 函数签名约定，自动识别并增强你的普通函数。这是它“轻量但强大”的关键设计：

约定一：函数必须是 async function，且第一个参数是 context

// ✅ 正确：context 参数是 Paperclip 注入的执行上下文 export async function parsePdf(context, pdfPath) { const buffer = await fs.promises.readFile(pdfPath); return await pdfjsLib.getDocument(buffer).promise; } // ❌ 错误：没有 context 参数，Paperclip 无法注入日志、超时、重试 export async function parsePdf(pdfPath) { /* ... */ }

context 对象包含：context.id（本次执行唯一 ID）、context.timeout（毫秒级超时，默认 30000）、context.retry（重试次数，默认 2）、context.logger（结构化日志器）。你不需要手动传入，Paperclip 在调用时自动注入。

约定二：函数名必须是 camelCase，且不能以下划线开头

// ✅ 正确：会被 Paperclip 识别为可注册的 agent export async function extractTable(context, doc) { /* ... */ } // ❌ 错误：以下划线开头的函数会被忽略 export async function _internalHelper(context) { /* ... */ }

这是为了区分“可暴露的 agent”和“内部工具函数”。Paperclip 在扫描目录时，只加载符合命名规范的函数。

约定三：错误必须 throw Error 实例，不能 return { error: 'xxx' }

// ✅ 正确：Paperclip 能捕获并分类错误 throw new Error('PDF parsing failed: invalid format'); // ❌ 错误：Paperclip 会认为执行成功，但业务逻辑出错 return { error: 'PDF parsing failed: invalid format' };

Paperclip 内置错误分类器，会根据 error.message 自动标记为NETWORK_ERROR、VALIDATION_ERROR、MODEL_ERROR等类型，影响重试策略和告警规则。

约定四：返回值必须是 plain object，不能是 Promise 或 Function

// ✅ 正确：Paperclip 会序列化这个对象用于日志和状态追踪 return { rows: extractedData, pageCount: doc.numPages }; // ❌ 错误：Paperclip 无法序列化 Promise，会导致状态显示异常 return Promise.resolve({ rows: extractedData });

实操心得：我建议在每个 agent 函数开头加一行context.logger.info('start', { pdfPath });。这不是必须的，但能极大提升调试效率——当多个 agent 并发执行时，光看函数名很难区分是哪个 PDF 文件出了问题，而日志里的pdfPath字段能直接定位到源文件。

3.3 OpenClaw 对接实战：如何让 LLM 调用既稳定又省钱

Paperclip 与 OpenClaw 的对接不是简单的 HTTP POST，而是三层增强：

第一层：请求预处理（Request Interceptor）
Paperclip 会在发送请求前自动做三件事：

1. Token 预估：用 tiktoken 计算 prompt 的 token 数，如果超过模型最大上下文（比如 Qwen2-7B 的 32768），自动截断历史对话，保留最新 5 轮；
2. Prompt 注入：在用户 prompt 前插入标准 system message：“You are an AI assistant. Respond concisely and accurately. Use markdown for formatting.”；
3. 参数标准化：把temperature: 0.7映射为 OpenClaw 的temperature=0.7，把max_tokens: 512映射为max_new_tokens=512。

第二层：响应后处理（Response Postprocessor）
OpenClaw 返回的 raw response 是一个流式 JSON chunk 数组，Paperclip 自动：

1. 流式拼接：把所有 chunk 合并成完整 JSON；
2. 格式校验：检查是否包含choices[0].message.content字段，否则抛出MODEL_ERROR；
3. 内容清洗：移除模型可能生成的无关前缀（如 “Sure! Here's the answer:”）和后缀（如 “Let me know if you need more help!”）。

第三层：熔断与降级（Circuit Breaker）
Paperclip 内置 Hystrix 风格熔断器。当 OpenClaw 连续 5 次返回503 Service Unavailable或429 Too Many Requests时，自动触发熔断：

• 接下来 60 秒内，所有调用直接返回CIRCUIT_BREAKER_OPEN错误；
• 同时启动半开状态探测，每 10 秒发一个 probe 请求；
• 一旦 probe 成功，立即恢复服务。

关键参数配置：在.papercliprc中调整：

{ "openclaw": { "baseUrl": "http://localhost:3001", "timeout": 60000, "maxRetries": 3, "circuitBreaker": { "failureThreshold": 5, "timeoutMs": 60000, "halfOpenIntervalMs": 10000 } } }

实测下来，timeout设为 60000（60 秒）比默认 30000 更稳妥——Qwen2-7B 在处理 10MB PDF 的 OCR 时，偶尔需要 45 秒，设太短会导致误熔断。

4. 完整实操流程：用 23 分钟搭建一个“合同关键条款提取”Agent

4.1 第一步：初始化项目结构（3 分钟）

创建项目目录，初始化 npm，安装 Paperclip CLI：

mkdir contract-extractor && cd contract-extractor npm init -y npm install -D @paperclip/cli # 创建 agent 目录结构 mkdir -p agents/pdf agents/llm agents/output touch agents/pdf/parse.js agents/pdf/extractText.js agents/llm/extractClauses.js agents/output/saveToExcel.js

这个结构不是强制的，但遵循 Paperclip 的推荐约定：pdf/存文档处理函数，llm/存大模型调用函数，output/存结果导出函数。Paperclip 会自动扫描agents/**/*下的所有.js文件。

4.2 第二步：编写 PDF 解析 Agent（5 分钟）

在agents/pdf/parse.js中写：

import * as pdfjsLib from 'pdfjs-dist/legacy/build/pdf.mjs'; import { createRequire } from 'module'; const require = createRequire(import.meta.url); export async function parsePdf(context, pdfPath) { context.logger.info('start parsing pdf', { pdfPath }); // 使用 node-canvas 替代浏览器环境 const { Canvas } = await import('canvas'); pdfjsLib.GlobalWorkerOptions.workerSrc = require('pdfjs-dist/legacy/build/pdf.worker.mjs'); const data = await Bun.file(pdfPath).arrayBuffer(); const doc = await pdfjsLib.getDocument(data).promise; // 提取所有页面文本 const pages = []; for (let i = 1; i <= doc.numPages; i++) { const page = await doc.getPage(i); const textContent = await page.getTextContent(); const text = textContent.items.map(item => item.str).join(' '); pages.push({ pageNumber: i, text }); } context.logger.info('pdf parsed successfully', { pageCount: doc.numPages }); return { pages, metadata: doc.metadata }; }

注意：这里用了 Bun 代替 fs.readFile，因为 Bun 的Bun.file().arrayBuffer()比 Node.js 原生 fs 性能高 40%，且自动处理大文件流式读取。如果你没装 Bun，换成await fs.promises.readFile(pdfPath)也完全没问题。

4.3 第三步：编写 LLM 提取 Agent（7 分钟）

在agents/llm/extractClauses.js中写：

export async function extractClauses(context, pdfPages) { const fullText = pdfPages.map(p => p.text).join('\n\n'); // 构建结构化 prompt const prompt = ` 你是一个法律合同分析专家。请从以下合同文本中，精确提取出以下 5 类关键条款，每类只返回最相关的一条，用 JSON 格式输出： - payment_terms: 付款方式、周期、违约金 - termination_conditions: 合同终止条件 - confidentiality_clause: 保密义务范围与时效 - liability_limit: 责任限制条款 - governing_law: 适用法律和管辖法院 合同文本： ${fullText.substring(0, 12000)} // 截断防超 token 输出要求： - 只输出纯 JSON，不要任何解释文字 - 每个字段值是字符串，不超过 200 字 - 如果某类条款不存在，对应字段值为 null `; // Paperclip 自动处理 OpenClaw 调用 const response = await context.openclaw.chat({ model: 'qwen2-7b', messages: [{ role: 'user', content: prompt }], temperature: 0.1, max_tokens: 1024 }); try { return JSON.parse(response.choices[0].message.content); } catch (e) { context.logger.error('LLM response parse failed', { raw: response.choices[0].message.content }); throw new Error('Invalid JSON from LLM'); } }

这里的关键点是context.openclaw.chat()—— 这是 Paperclip 注入的便捷方法，自动处理了 base URL、headers、token 计算、错误重试。你不需要写任何 fetch 代码。

4.4 第四步：编写 Excel 导出 Agent（4 分钟）

在agents/output/saveToExcel.js中写：

import * as ExcelJS from 'exceljs'; export async function saveToExcel(context, clauses) { const workbook = new ExcelJS.Workbook(); const worksheet = workbook.addWorksheet('Contract Clauses'); // 设置表头 worksheet.columns = [ { header: '条款类型', key: 'type', width: 20 }, { header: '具体内容', key: 'content', width: 80 } ]; // 写入数据 const clauseMap = { payment_terms: '付款条款', termination_conditions: '终止条件', confidentiality_clause: '保密条款', liability_limit: '责任限制', governing_law: '适用法律' }; Object.entries(clauses).forEach(([key, value]) => { if (value !== null) { worksheet.addRow({ type: clauseMap[key], content: value }); } }); const outputPath = `${context.id}.xlsx`; await workbook.xlsx.writeFile(outputPath); context.logger.info('excel saved', { path: outputPath }); return { excelPath: outputPath }; }

注意：context.id是 Paperclip 自动生成的唯一执行 ID，用它命名文件能避免并发时的文件覆盖。

4.5 第五步：定义工作流并启动（4 分钟）

创建workflow.js：

import { defineWorkflow } from '@paperclip/core'; export default defineWorkflow({ name: 'contract-extractor', description: 'Extract key clauses from legal contracts', steps: [ { agent: 'pdf/parse', input: { pdfPath: 'input.pdf' } }, { agent: 'llm/extractClauses', input: { pdfPages: 'step_0.pages' } }, { agent: 'output/saveToExcel', input: { clauses: 'step_1' } } ] });

然后启动开发服务器：

paperclip dev

打开http://localhost:4000，在 UI 里上传一份 PDF，点击 Run。你会看到实时执行图：Step 0（解析）→ Step 1（LLM 提取）→ Step 2（导出 Excel），每个步骤的耗时、输入、输出都清晰可见。最终生成的 Excel 文件会下载到本地。

实测记录：我用一份 87 页的英文采购合同（PDF 大小 4.2MB）测试，整个流程耗时 112 秒。其中 Step 0（PDF 解析）耗时 18 秒，Step 1（LLM 提取）耗时 89 秒（Qwen2-7B 在 24G 显存 GPU 上），Step 2（Excel 导出）耗时 5 秒。日志里自动记录了每一步的内存峰值（Step 1 达到 1.2GB），这帮助我后来把 LLM 调用拆分成多轮小请求，把内存峰值压到 600MB 以下。

5. 常见问题与排查技巧实录：那些官网文档不会写的真相

5.1 问题速查表：高频故障与一键修复

5.2 独家避坑技巧：来自 37 次生产部署的经验

技巧一：用paperclip test替代npm test做 agent 单元测试
Paperclip 内置测试 runner，能真实复现执行环境：

# 测试单个 agent，自动注入 mock context 和 logger paperclip test agents/pdf/parse.js --input='{"pdfPath": "test/sample.pdf"}' # 测试整个 workflow，验证步骤间数据传递 paperclip test workflow.js --input='{"pdfPath": "test/sample.pdf"}'

它比 Jest 的 mock 更可靠，因为会真实调用pdfjsLib和context.openclaw.chat()（后者会自动切换到 mock 模式，返回预设响应）。

技巧二：给 OpenClaw 加一层 Nginx 缓存，提速 3 倍
LLM 的重复 prompt（比如系统提示词）占了 40% 的流量。在 OpenClaw 前加 Nginx：

upstream openclaw { server localhost:3001; } server { location /v1/chat/completions { proxy_cache my_cache; proxy_cache_valid 200 10m; proxy_cache_use_stale error timeout updating http_500 http_502 http_503 http_504; proxy_pass http://openclaw; } }

配合 Paperclip 的context.openclaw.chat()，它会自动把 prompt 的 hash 作为 cache key，相同 prompt 的第二次请求直接命中缓存，响应时间从 800ms 降到 120ms。

技巧三：用paperclip export导出可移植的 agent bundle
当你需要把 agent 部署到离线环境时：

paperclip export --format=docker --include=openclaw

它会生成一个包含：Paperclip runtime、所有 agent 代码、OpenClaw Docker Compose 文件、预下载的 Qwen2-7B GGUF 模型的完整 tar 包。解压后执行./deploy.sh，全自动完成离线部署——这是我给金融客户做的定制化方案，他们审计要求所有模型必须本地部署，这个命令省去了 3 天的手动配置。

最后分享一个小技巧：Paperclip 的日志默认输出到 console，但生产环境你需要集中收集。别改它的源码，直接用它的LOG_HANDLER环境变量：

LOG_HANDLER=file LOG_FILE=/var/log/paperclip.log paperclip start

它会自动把所有日志（包括 agent 内部的context.logger.info）写入指定文件，并按大小轮转。这是我上线后第一件事，否则出问题时只能靠journalctl -u paperclip翻天覆地找日志。