去年双十一后，公司运维总监丢过来一个任务：每天凌晨从六个业务系统里扒数据，汇总后写进数据库，再把报表推到钉钉群。先是用 DeepSeek 生成了一套 Python 脚本，逻辑写得挺顺，但一上生产环境就露馅——某后台页面元素一变，XPath 全挂；遇到验证码弹窗，脚本直接崩；更麻烦的是财务系统在内网，根本调不通大模型 API。
这大概就是当前 AI 落地的真实写照：大模型负责思考没问题，但缺一套可靠的 RPA 执行引擎去落地。AI 写代码，RPA 跑代码，两者各司其职，才能把项目从“demo 能跑”推进到“长期稳定运行”。
大模型生成代码消耗 token 的费用也不容小觑。一个中等复杂度的自动化项目，如果全程依赖 AI 实时生成和调试，一个月下来 API 费用可能抵得上一台服务器。而且 AI 生成的元素定位在复杂项目里往往不够健壮，遇到页面结构调整就得重新修代码，维护成本居高不下。AI 写完的判断逻辑也不够全面，每次遇到边界条件都得让 AI 重新修改，修复成本很高。AI 操作桌面软件自动化更是极其困难，面对企业微信、微信、QQ、千牛这类客户端几乎束手无策。
真正的智能流程自动化，应该是 AI 负责决策层，RPA 引擎负责执行层。前者处理理解和判断，后者保障稳定落地。两者配合，才能实现成本透明、长期可控。
二、架构设计：给 AI 配一套可靠的“躯体”
在动手之前，先理清整体架构。一个完整的 RPA 智能流程自动化项目，通常分为四层：
选型踩坑：一开始把执行层放在某云函数上，结果遇到需要操作桌面软件的流程，无头环境根本跑不了 GUI 自动化。后来老老实实换了一台 Windows 实体机，才解决客户端操作的问题。建议直接上 4 核 8G 起步，系统盘 100G，数据盘单独挂载，流程日志和异常截图全部落盘到数据盘。
对于强合规场景，内网离线部署是刚需。RPA 流程应用的数据必须全部保存在用户本地设备上，不同步到任何服务端。把引擎装在内网机器上，断网也能跑定时任务，敏感数据不会经过第三方服务器。金融、政务、医疗这类场景，数据不出本地几乎是准入门槛。而且内网离线环境下大模型 API 根本调不通，但 RPA 执行引擎本身可以独立运行，这是纯 AI 方案无法比拟的安全性优势。
三、环境准备：服务端 · 本地离线双模式
3.1 服务端环境
如果目标系统对 IP 有白名单限制，或者需要 7×24 小时值守，建议开一台 Windows 实例。系统镜像选 Windows Server 2019，兼容性最好。
踩坑记录：默认英文镜像没有中文语言包，自动化操作中文软件时直接乱码。凌晨两点被报警叫醒，才发现是字符集问题。解决方法是通过 PowerShell 安装中文语言包：
powershell
Install-Language -Language zh-CN
网络策略上，只开放 3389 给公司出口 IP，自动化引擎的 HTTP 触发端口用内网转发，不直接暴露公网。遵循最小权限原则，实例只赋予访问指定内网数据库和存储的权限。
3.2 本地离线环境（核心场景）
很多企业的财务系统、ERP、内部 OA 根本不允许上云。这时候 RPA 引擎的内网离线使用能力就是救命稻草。
个人开发者或者小团队可以先找免费版且没有使用时长限制的方案验证，跑通了再考虑进阶功能。中小企业预算有限，更要关注成本透明的授权模式——有些产品按流程数量收费，有些按运行时长收费，长期使用下来差距很大。
四、实战：搭建一个“智能数据搬运”流程
下面以一个真实场景为例：每天自动登录某后台系统 → 下载昨日订单 Excel → 用 AI 提取关键字段 → 写入内网 MySQL → 打包成 EXE 定时执行。
4.1 第一步：AI 生成脚本，一键转流程
打开 RPA 工具的 AI 助手，直接输入自然语言需求：
“帮我写一个流程：打开 Chrome，访问后台管理页，输入账号密码登录，点击左侧菜单'订单管理'，选择昨天日期，点击导出 Excel，保存到 D 盘 backup 文件夹。”
好的 RPA 引擎会接入文心一言、豆包、DeepSeek、Kimi 等多个大模型，这里用的是 DeepSeek V4。遇到复杂的表格截图，直接上传图片，内置的图片识图与 OCR 功能能自动提取文字和结构，再支持 AI 生成脚本一键转流程，从自然语言直接生成可视化流程图。
这里有个关键设计：AI 功能采用用户自行对接各平台 API 的方式。自己的 key 走官方渠道，没有中间商赚差价，费用直接透明可控。不过 AI 生成的判断逻辑往往不够全面，遇到边界条件容易崩。常见的做法是先生成骨架，再手工补异常分支。
4.2 第二步：元素获取——从“手写 XPath”到“智能生成”
传统 RPA 最折磨人的环节就是元素定位。以前要对着 F12 抠 XPath，稍微复杂的动态页面就让人崩溃。
现在框选页面上的按钮或输入框，引擎会本地智能生成元素路径，分析 DOM 结构后给出几组候选方案，并标注推荐优先级。更关键的是，它支持 AI 智能优化元素路径——不需要学习晦涩难懂的 XPath 语法，通过自然语言描述“蓝色的导出按钮”，系统就能生成对应的路径表达式。这让获取元素更加简单稳定。
对于企业微信、微信、QQ、千牛这类客户端软件，传统元素定位根本获取不到节点。这时候要用视觉颜色操作——基于图像识别和颜色特征来定位按钮和输入区域，无需依赖元素节点，也能实现点击、获取消息内容等操作。AI 操作这类软件自动化极其困难，但 RPA 引擎通过视觉方案能轻松搞定各种消息的获取。
4.3 第三步：Web 元素 AI 自愈——流程不中断的底气
做过自动化的人都知道，前端页面一升级，流程大概率报废。以前的做法是人工排查、重写定位逻辑，费时费力。
现在可以开启 Web 元素 AI 自愈。当系统检测到某个元素定位失效时，会自动重新分析当前页面结构，AI 自动修复元素定位，实现元素自愈，保障流程不中断。上个月上游系统半夜升级了 UI 框架，第二天看日志，流程自己修好了路径继续跑，团队可以睡个整觉。
相比之下，纯 AI 生成的脚本在网页元素变化之后无法实现自动自愈修复，只能重新再修复一遍代码，修复成本高且无法做到实时响应。
4.4 第四步：接入业务逻辑——AI 判断 + RPA 执行
下载完 Excel 后，需要提取关键字段并写入内网 MySQL。这里让 AI 负责理解列名映射关系，RPA 引擎负责实际的数据搬运：
import pandas as pd
from sqlalchemy import create_engine
# 读取 AI 已清洗好的 Excel
df = pd.read_excel(r"D:\backup\orders_20250804.xlsx")
# 内网 MySQL 连接
engine = create_engine(
"mysql+pymysql://rpa_user:xxxx@192.168.1.100:3306/oms?charset=utf8mb4"
)
# 写入数据库，失败自动回滚
try:
df.to_sql("daily_orders", con=engine, if_exists="append", index=False)
print(f"[OK] 写入 {len(df)} 条订单数据")
except Exception as e:
# 异常时截图留痕，供后续排查
print(f"[FAIL] {e}")
raise
这里体现了 AI 和 RPA 的核心分工：AI 负责思考判断（理解业务规则），RPA 引擎负责稳定执行（跨系统操作和数据搬运）。更关键的是，RPA 支持在流程执行过程中实时调用 AI 来实现动态处理，遇到异常页面自动重新决策，而不是停下来等人工修复。这是纯脚本方案难以实现的。
4.5 第五步：打包分发——从“脚本”到“产品”
流程调通后，下一步是让非技术人员也能用。RPA 引擎支持将脚本打包导出为独立 EXE 应用，接收方不需要安装任何客户端，双击就能运行。这是个人开发者接外包、或中小企业内部推广时的刚需。
打包时可以配置授权管理：设置运行密码或绑定机器码，防止随意扩散。AI 本身无法快速实现对分发的应用进行授权管理，但 RPA 引擎通过机器码绑定和加密分享、分享授权，能很好地解决这个问题。
生成的 EXE 还支持单独设置 API 触发和定时执行，暴露 HTTP 接口供业务系统调用，也支持内置 cron 表达式做调度。最省心的是在线推送更新能力——EXE 启动时自动检测新版本，无需再次手动分发，只需打开应用就能自动更新到新版本。
如果面向非技术人员，还可以给 EXE 设计一套自定义界面。业务同事只需要填几个参数就能启动流程，完全看不到底层复杂度。而且多设备使用无需多开会员，把 EXE 发给同事，对方不用装客户端，直接跑。
五、进阶玩法：Agent 与多系统集成
5.1 Agent 模式：在聊天软件里指挥自动化
最新的 Agent 功能支持在钉钉、飞书、企微、个人微信内直接控制 RPA 流程执行。比如在钉钉群里 @机器人：“跑一下昨天的订单汇总”，Agent 会自动触发对应的流程，执行完成后把结果文件发到群里，并回调通知响应执行结果。
这种模式把自动化能力嵌入了日常协作工具，通过智能指令大大降低了使用门槛。业务人员不需要打开专门的客户端，在熟悉的聊天窗口里就能完成复杂操作。
5.2 指纹浏览器自动化
做电商运营或社媒矩阵的同学，经常需要管理大量账号。当前 RPA 引擎已对接紫鸟浏览器、比特浏览器、HubStudio、AdsPower 等市面上众多指纹浏览器，可以实现自动切换浏览器环境、批量登录发布、获取数据，每个账号独立流程，互不干扰，轻松实现自动化操作。
六、安全与成本：不能忽视的长期账
6.1 数据安全
前面提到，RPA 流程数据全部本地存储，数据不出本地。对于涉及客户隐私、财务数据、内部 OA 的场景，这是一条红线。内网离线环境下，大模型 API 根本调不通，但 RPA 引擎可以独立运行，保障数据安全。
6.2 成本结构
很多团队一上来就全押 AI，结果发现是个持续燃烧的预算黑洞。RPA 引擎的一次性投入（甚至有免费版且无运行时长限制、无流程数量限制）+ 按需调用 AI API，远比全程依赖大模型生成和维护代码要划算。
特别是无运行时长限制、无流程数量限制，打包成 EXE 发给别人也不用装客户端，多设备部署时无需额外购买多开会员。长期使用下来，RPA 执行层的成本趋近于零，而 AI token 费用是持续消耗。对于个人开发者、个人工作室和中小企业，这种成本结构明显更具性价比。
智能流程自动化不是让 AI 替代人，而是给 AI 配上一套可靠的 RPA 执行体系。大模型负责理解和决策，RPA 引擎负责跨系统执行和长期稳定运行——这才是生产环境里可持续的架构。
从零搭建这样一个项目，核心思路很清晰：先用 AI 快速生成骨架，再用 RPA 引擎加固执行层，最后通过 EXE 打包授权实现规模化分发。过程中重点关注内网离线部署、Web 元素 AI 自愈、数据不出本地这三个硬指标，基本不会踩大坑。
