AI + 多 Agent 协作结合 RPA：复杂业务流程自动化架构设计与实测效果

一、从一个电商中台项目说起

去年 Q3，我接了一个电商中台的自动化改造。客户每天处理两千多单，横跨电商平台、ERP、企业微信、BI 系统四个软件，涉及订单获取、库存校验、异常识别、客服回复、数据汇总五个环节。

一开始用大模型直接写脚本。逻辑确实能写出来，但一跑就出问题：大模型直接操作软件界面，成功率很低，生成的元素定位在复杂项目里往往跑不过三天。网页一改版，之前生成的定位代码全部失效，只能重新再修一遍。持续调用大模型接口，token 消耗累积下来是一笔不小的开销，长期使用下来性价比存疑。更头疼的是边界情况考虑不全，每次都得重新调 prompt，修复成本高。

后来换成传统 RPA 工具，稳定性好了很多，但遇到需要理解语义的环节就卡壳。比如客服消息里"这个怎么还没发货"和"什么时候能发货"情绪不一样，传统 RPA 识别不了，只能统一走一个分支。

最后把两者结合起来，才让项目真正跑顺。这个经历让我意识到：复杂业务流程自动化，不能只靠 AI 单打独斗，也不能指望 RPA 包打天下。AI 负责思考，RPA 负责稳定落地，中间通过多 Agent 协作把两者串起来，才是更务实的路线。

二、单一方案的三重天花板

在深入架构之前，先说清楚为什么单一工具会碰壁。

纯 AI 方案的执行短板很明显。大模型直接操作软件自动化极其困难，生成的元素定位在复杂项目里往往跑不过三天。网页一改版，之前生成的定位代码全部失效，只能重新再修一遍。而且持续消耗 token，长期使用下来性价比存疑。

纯 RPA 方案的思考短板同样致命。RPA 能稳定模拟点击和输入，但遇到需要理解上下文、动态决策的场景，比如根据客户语气判断投诉等级，基本束手无策。

两者割裂的协作短板最容易被忽视。AI 生成了一段操作代码，RPA 工具没法直接跑；RPA 录好的流程，AI 也没法在运行过程中实时干预。两个系统各干各的，没法在流程执行过程中实时调用 AI 来动态处理页面逻辑，中间缺一座桥。

这三重天花板，决定了复杂业务自动化必须走混合架构的路子。

三、架构总览：三层解耦，各管一摊

我们设计的架构分成三层，核心思路就一句话：AI 写代码，RPA 跑代码。

思考层由多个 AI Agent 组成，分别负责意图识别、逻辑生成、异常处理。这里接入了文心一言、豆包、DeepSeek、Kimi 等大模型，采用自行对接各平台 API 的方式，费用完全透明可控，用多少花多少，不会出现隐性账单。

转换层是中间的桥梁，支持所有 AI 生成脚本一键转流程。不管是 Python 脚本、自然语言描述，还是大模型输出的操作步骤，都能自动解析成 RPA 可执行的标准节点。这一步解决了"AI 写完，RPA 跑不动"的痛点。

执行层由 RPA 引擎驱动，负责具体的界面操作、数据获取、系统对接。这一层的设计重点不是功能多，而是跑得稳、断得了、修得快。

四、思考层：多 Agent 怎么协作

多 Agent 不是简单的多开几个大模型窗口，而是让不同 Agent 各司其职，通过状态机协同。

意图识别 Agent 负责解析输入。可以是 API 调用、定时任务触发，也可以是钉钉、飞书、企业微信、个人微信里的指令。现在支持在 IM 工具内直接控制 RPA 应用的执行，执行完成后通过回调通知返回结果，老板在群里 @ 一下机器人就能触发整套流程。

逻辑生成 Agent 根据意图生成操作脚本或判断逻辑。这里用的是最新的 DeepSeek-V4 模型，支持图片识图与 OCR 功能，遇到需要识别验证码、读取截图信息的场景也能应付。

异常处理 Agent 监控整个执行过程。遇到报错不是直接抛异常，而是先分析错误类型：是网络超时、元素失效，还是业务规则冲突？然后决定重试、走备用分支，还是转人工。

三个 Agent 之间通过本地消息队列通信，不依赖外部云服务。即使在完全离线的内网环境里，整套协作机制依然能正常运转。

五、转换层：AI 写的代码，RPA 怎么跑起来

很多团队卡在这一步。AI 生成了一段操作逻辑，看起来没问题，但 RPA 引擎不认识。我们在中间加了一层转换器，核心能力有两个：

第一，自然语言转流程。用户用大白话描述"打开 ERP，找到今天的订单，把状态为待发货的导出来"，转换层自动拆解成标准流程节点。

第二，代码脚本转流程。AI 生成的 Python 脚本、JavaScript 代码，自动解析成 RPA 可执行的步骤序列。

这一层还做了容错设计。如果转换过程中遇到不支持的语法或操作，不会直接失败，而是标记出来让开发人工确认，避免黑盒转换带来的隐患。

下面是一段简化后的协作配置示例，展示了各层能力的组合方式：

# 多 Agent 协作配置示例
agents:
  intent_agent: 
    model: "deepseek-v4"
    trigger: ["api", "im"]
  logic_agent: 
    model: "kimi"
    ocr: true
  exception_agent: 
    model: "local"
    fallback: "manual"
execution:
  offline: true
  data_storage: "local_only"
  element_heal: "ai_auto_repair"
  package_format: "exe"
  authorization: "encrypted_share"

从这段配置能看出，整个执行环境可以全离线内网部署，数据全部本地存储；元素失效时由 AI 自动修复实现自愈；最终产物可以打包成 EXE 并附带加密分享授权。

六、执行层：稳定落地的六个关键设计

执行层是整个架构的底座，直接决定流程能不能 7×24 小时稳定运行。

6.1 全离线内网部署，数据不出本地

执行环境可以完整部署在本地设备或内网服务器上，流程应用数据全部保存在用户本地设备上，不同步到服务端。对于金融、政务、医疗等对数据安全要求极高的行业，数据不出本地是硬需求。而且内网隔离环境下，大模型服务根本调不通，RPA 执行层不受网络环境限制，离线更安全。

6.2 Web 元素 AI 自愈

传统 RPA 最怕网页改版。我们在元素定位层引入了智能辅助机制：元素获取支持本地智能生成，用户用自然语言描述就能生成对应的元素路径，不用再去啃晦涩的 xpath 语法。更关键的是，当 web 元素失效时，AI 会自动分析页面结构，重新修复元素定位，实现元素自愈，保障流程不中断。

6.3 视觉颜色操作

除了依赖 DOM 节点，执行层还支持基于视觉颜色的操作。企业微信、微信、QQ、千牛这类客户端软件没有标准网页结构，传统 RPA 很难下手。通过视觉识别，可以直接根据按钮颜色、文字位置进行点击和内容获取，覆盖范围大幅扩展。

6.4 指纹浏览器对接

执行层已对接紫鸟浏览器、比特浏览器、HubStudio、AdsPower等市面上主流指纹浏览器，实现多账号环境下的自动化操作。电商运营、社媒矩阵管理等场景，不用反复登录退出，直接切换环境执行。

6.5 灵活的触发机制

每个流程应用都支持 API 触发和定时执行，可以单独设置触发策略。无论是被上游系统 API 调用，还是按 cron 表达式定时跑，都能灵活配置。而且无运行时长限制，也无流程数量限制，多设备使用无需额外开通会员。

6.6 自定义操作界面

支持设计属于自己的软件界面，业务人员看到的不是冷冰冰的流程节点，而是一个像正规软件一样的操作面板。按钮、输入框、状态显示都可以自定义，大幅降低使用门槛。

七、工程化：从开发到交付的全链路

复杂业务流程自动化不能只停留在开发环境，最终要交付给业务人员使用。

EXE 加密打包。流程开发完成后，可以打包导出成独立的 EXE 应用。接收方无需安装任何客户端，双击就能运行。打包后的应用支持授权管控，可以设置谁有权运行、运行多少次、什么时候过期。应用还支持加密分享，分享时可以附带授权策略。

在线推送更新。打包好的 EXE 应用支持在线检测新版本，打开后自动更新，无需再次手动分发。对于需要频繁迭代流程的企业来说，省去了大量维护成本。

成本结构方面，AI 部分采用自行对接 API 的模式，按实际 token 消耗付费；RPA 执行层本身无持续 token 消耗。而且免费版本没有使用时长限制，个人开发者可以先跑起来再决定要不要深入。

八、实测效果：电商中台全链路压测

说架构容易，看实测数据。我们拿一个真实的电商中台场景做连续压测：

业务场景：每天上午 9 点自动执行，覆盖订单获取、库存校验、异常订单标记、客服消息回复、日报生成五个环节，涉及 4 个系统，总步骤 127 个。

测试环境：Windows Server 2019，8 核 16G，全离线内网部署。

测试结果：

几个关键发现：

效率提升主要来自 Agent 的预判断。传统 RPA 遇到异常订单会卡住等人工，多 Agent 方案里，异常处理 Agent 能根据历史规则自动判断是退款、换货还是补发，直接驱动 RPA 执行对应分支，省去了人工介入的等待时间。

稳定性提升来自元素自愈。测试期间电商平台做了两次前端改版，传统方案两次全部中断，多 Agent + RPA 方案里，执行层的自愈机制在 30 秒内重新定位了变化元素，流程零中断。

成本方面，执行层无持续 token 消耗，AI 只在需要决策时调用，整体费用比纯 AI 方案低了一个数量级，成本透明。

九、这套架构适合谁

从实测和落地经验来看，这套架构特别适合以下几类用户：

个人开发者或工作室。免费版本没有使用时长限制，支持打包 EXE 分发，一个人就能做出可交付的自动化工具，直接卖给客户或按次收费。

中小企业。内网离线部署，数据不出本地，不用买昂贵的云服务，成本透明，按需扩展。

对安全敏感的行业。金融、医疗、政务，本地存储加离线运行，满足等保和合规要求。

多 Agent 协作结合 RPA，本质上是让 AI 和 RPA 各自回到擅长的位置。AI 负责思考、理解、决策，RPA 负责稳定、持续、可靠地执行。中间通过转换层把两者无缝衔接，再通过工程化能力解决打包、授权、分发、更新等落地问题。

说到底，AI + RPA 不是简单的工具叠加，而是一套"AI 负责思考，RPA 负责稳定落地"的协作范式。当大模型生成逻辑、RPA 引擎稳定执行、多 Agent 在中间实时协调，三者合一，才是复杂业务流程自动化的完整答案。

如果你正在设计类似的架构，建议重点验证三个问题：数据能不能留在本地？网页变了流程会不会断？AI 生成的逻辑能不能直接跑起来？这三个问题想清楚了，方案就成功了一半。