智能体和RPA怎么选:逐环节判断与组合落地
作者:有好多问题2026.11.16 11:07浏览量:0简介:技术负责人常问:每个业务环节该用智能体、RPA,还是两者组合?本文提供选型结论速查、七维判断清单、智能体调用RPA的组合步骤,以及权限日志、人工兜底、常见迁移错误和落地检查表。读完即可逐环节确定技术路线,并提前规避常见风险。
一、选型结论速查
判断一个环节时,先看两个特征:输入是否稳定,结果是否必须逐次一致。
- 输入结构固定、分支可以穷举、结果必须可复现:优先用RPA。例如按固定模板导入报表,或把固定字段同步到另一个系统。
- 输入开放,需要理解自然语言或非结构化内容,步骤需要根据中间结果调整:优先用智能体。例如阅读客户来信并归类诉求。
- 前段需要理解,后段需要稳定执行:用组合方案。智能体解析输入并决定调用哪个流程,RPA完成固定操作。
- 涉及资金、合同、主数据等高风险写操作:无论选哪种方案,都要有字段校验、人工复核和回滚方案。
这些结论只是起点。每个环节仍需按下一节的七个维度逐项核对。
二、七维选型清单
对每个环节,逐一回答以下问题,给出倾向结论,并记录判断依据。
1. 决策方式
问:下一步操作能否在设计阶段写成固定节点?
- 能,且节点顺序不变:选RPA。
- 不能,需要根据内容在运行时决定路径:选智能体或组合方案。
2. 输入稳定性
问:输入的字段、格式和来源是否可预期?
- 字段固定、格式统一:选RPA。
- 自由文本或附件内容多变:由智能体先解析,再交给固定流程处理。
3. 异常处理
问:遇到预设外的情况时,系统允许做什么?
- 只能停止并转人工:RPA即可满足要求。
- 允许有限次重试或调整计划:智能体需要明确的重试上限和退出条件。
4. 运维
问:界面或接口变化后,由谁维护,维护频率如何?
- RPA的界面脚本会随页面改版失效,需要专人持续跟进。
- 智能体需要维护提示词、工具接口和评测集。模型升级后行为可能变化,需要回归测试。
5. 安全与权限
问:该环节能读写哪些系统?出错时影响范围多大?
- RPA账号权限集中时,一次误操作的影响面较大,应拆分账号。
- 智能体可能误调用工具,需要白名单和参数校验。
6. 成本
问:单次任务的完整成本是多少?
成本取决于调用频次、模型费用、维护人力和测量口径。RPA的主要成本通常是开发与维护人力,单次执行成本较低。智能体的成本随任务复杂度和调用次数增长。选型时,应统计一段时间内的完整成本,包括模型调用、流程维护工时和人工复核时间,再与人工处理成本比较。
7. 迁移
问:能否分批切换,并随时切回旧方案?
- 能灰度发布、能切回:可以推进。
- 不能切回:先补齐回滚方案,再上线。
三、智能体调用RPA的组合模式
组合方案中,智能体负责理解和决策,RPA负责执行。智能体只能调用预先登记的流程,不能直接控制任意界面。设计时按以下步骤进行。
- 定义入口条件。写明哪些输入进入该流程,哪些输入直接转人工。
- 让智能体输出结构化参数。输出应符合固定格式,例如JSON字段。字段缺失或类型不符时,视为解析失败。
- 校验参数。检查必填字段、取值范围,以及是否在白名单内。校验由规则完成,不依赖模型自我判断。
- 调用白名单内的RPA流程。每个流程有固定名称、版本号和输入参数定义。
- 回读结果。执行后从目标系统读取数据,与预期比对,不能只看RPA返回的成功标记。
- 限定重试次数。失败后允许有限次重试,并记录每次失败原因。重试次数写入配置,不写死在提示词中。
- 设置幂等控制。使用业务单号作为唯一键,重复执行时不会产生重复记录。
- 超出范围转人工。参数无法校验、重试耗尽或回读不一致时,任务进入人工队列。
四、权限、日志与人工兜底
权限
- 智能体和RPA机器人使用独立账号,不共用。
- 按最小权限授予读写权限。写操作单独授权,并限定到具体流程和字段范围。
- 删除、批量修改、对外发送等操作,要求额外确认,或禁止智能体直接发起。
- 凭据存放在密钥管理服务中,不写入提示词、流程脚本或日志。
日志
以下内容应完整记录,便于问题定位和审计:
- 原始输入,敏感字段脱敏后保存。
- 模型名称、版本号和提示词版本。
- 智能体输出的结构化参数,以及校验结果。
- 调用的RPA流程名称和版本。
- 执行时间、耗时、结果和回读比对结论。
- 人工介入的时间、操作人和修改内容。
日志保留期限应符合企业的合规要求。
人工兜底
- 触发条件包括:参数校验失败、重试耗尽、回读不一致、智能体标记为不确定的解析结果,以及涉及金额或合同的写操作。
- 转人工后,任务进入独立队列,页面展示原始输入、智能体解析结果和失败原因。
- 人工修正的结果应反馈到评测集,用于后续改进。
- 定期抽查自动通过的任务,确认没有漏判。
五、常见迁移错误与检查表
常见错误及修正
- 把开放任务硬塞进RPA。页面稍有变化就频繁失败,维护成本可能高于人工处理。修正:语义理解环节交给智能体,固定操作再交给RPA。
- 让智能体直接写生产库。模型输出的字段可能不符合预期。修正:智能体只输出参数,写入由受控流程完成,并经过校验。
- 没有评测集就上线。无法判断模型或提示词修改后效果是否变差。修正:上线前准备覆盖正常、边界和异常样本的评测集,每次变更都回归测试。
- 没有回滚方案。出错后只能人工逐条修复。修正:保留旧流程,设置切换开关,并准备数据补偿脚本。
- 权限过大。一个机器人或智能体能访问全部系统。修正:拆分账号,按流程授权。
- 模型升级不做回归。行为变化后才被发现。修正:升级前在评测集上比对输出差异。
- 只看总成功率。总成功率掩盖了错误类型和分布。修正:按错误类型统计,并抽查通过的样本。
- 一次性全量切换。问题暴露的范围过大。修正:先小范围灰度,确认稳定后再逐步扩大。
落地检查表
上线前逐项确认:
- 每个环节已按七维清单判断,并记录依据。
- 智能体可调用的RPA流程已登记白名单,并标注版本号。
- 参数校验规则已写明,校验由规则完成。
- 账号按最小权限授权,写操作已单独审批。
- 审计日志覆盖输入、输出、流程版本和人工介入,敏感字段已脱敏。
- 重试次数有上限,幂等键已设置。
- 人工兜底队列、负责人和处理时限已明确。
- 评测集已建立,覆盖正常、边界和异常样本。
- 回滚步骤已演练,切换开关可用。
- 灰度范围、扩大条件和停止条件已定义。
相关文章推荐
发表评论
活动

登录后可评论,请前往 登录 或 注册