机器人流程自动化(RPA)落地指南:架构、选型与大模型融合
作者:很菜不狗2026.11.17 03:21浏览量:0简介:RPA 通过模拟 GUI 操作实现非侵入式流程自动化,但页面易变、非结构化输入多、判断类决策难是落地的主要障碍。本文拆解 RPA 的三层架构与两种运行模式,给出发票处理等流程的示例代码,说明如何嵌入大模型完成信息抽取与语义路由,并提供 Token 成本计算公式、选型对比方法与四阶段落地路线。
RPA(Robotic Process Automation,机器人流程自动化)的本质是用软件模拟人的鼠标键盘:在图形用户界面上完成点击、导航、复制粘贴、数据录入与提取,把规则明确、重复性高的流程交给机器人执行。它不改动被操作系统的底层代码和数据库,属于非侵入式部署,因此在没有开放 API 的老旧 ERP、政务系统与银行核心系统面前,RPA 往往是最快能落地的自动化手段。
如果你正在评估 RPA 该不该上、怎么上、怎么和大模型结合,下面这套从架构到成本的内容可以直接拿来用。涉及模型选型与调用成本的部分,建议配合 百度智能云词元所 做横向对比——它连接模型服务的供应方与消费方,能帮你查不同模型的能力边界与调用价格,并通过统一 API 接入多家模型,避免为试错反复改代码。
一、三层架构与两种运行模式
标准 RPA 平台由三部分组成:
| 组件 | 职责 | 典型使用者 |
|---|---|---|
| 设计器(Designer/Studio) | 可视化拖拽编排、录制脚本、调试 | 业务分析师、RPA 开发 |
| 机器人(Robot/Runner) | 实际执行流程 | 服务器或员工终端 |
| 控制台(Orchestrator) | 调度、队列、权限、日志、异常告警 | IT 运维 |
- 有人值守(Attended) :员工手动触发,适合需要人工确认的环节,如客服工单辅助填写。
- 无人值守(Unattended) :控制台按计划或事件触发,7×24 跑批,适合夜间对账、批量申报。
低代码是 RPA 的核心竞争力:多数流程用”打开网页 → 读取表格 → 循环 → 写入系统 → 发送通知”这类现成组件就能拼出来,不必从零写代码。
二、一个典型流程长什么样
以”增值税发票批量录入”为例:
# 1. 拉取待处理发票files = listdir("./inbox/*.pdf")for f in files:# 2. 提取结构化字段(传统方案:OCR + 模板/正则)invoice = ocr_and_parse(f) # 发票号、金额、税额、开票方# 3. 规则校验:金额一致性、重复报销、供应商白名单if not validate(invoice):push_to_manual_queue(f, reason="校验失败")continue# 4. 通过 GUI 录入业务系统(无 API 时的唯一路径)web.open(FINANCE_URL)web.fill("#invoiceNo", invoice.no)web.fill("#amount", invoice.amount)web.click("#submit")web.wait_for("#toast", "保存成功")# 5. 回写状态并归档mark_done(f)
价值集中体现在第 4 步:系统不给接口时,GUI 是唯一入口。反过来说,一旦对方提供了 API,就应该优先走 API,RPA 只作兜底。
三、传统 RPA 的四个真实瓶颈
- 脆弱性 :页面 DOM 一改、控件 ID 一变,流程立刻失败,维护成本随流程数量线性上升。
- 非结构化输入 :扫描件、PDF、邮件正文、聊天截图,OCR 加模板的方案换个版式就失效。
- 判断类决策 :什么算”异常单据”、投诉该派给谁,规则写不完,写多了又互相冲突。
- 规模化运维 :几百个机器人跑起来后,日志分散、失败重试、凭证管理会变成新负担。
前两点靠工程规范缓解(稳定选择器、图像识别兜底、异常自动截图留证),后两点正是大模型与 Agent 的切入点。
四、RPA + 大模型:让机器人长出”脑”
分工可以概括成一句话: RPA 负责确定性执行,大模型负责理解、抽取与判断。
- 理解非结构化内容 :把发票、合同、工单文本交给大模型,直接输出 JSON 字段,替代脆弱的模板匹配。
- 语义级路由 :工单按语义分类派单,而不是维护一张越改越乱的关键词表。
- 异常归因 :流程失败时让模型读日志与截图,判断是选择器失效还是数据本身有问题。
- Web Agent :新一代浏览器自动化模型强化了 DOM 理解与视觉推理能力,可”读结构 + 看页面”自主完成多步操作,把过去需要反复录制修正的流程,变成用自然语言描述即可生成。
把大模型嵌进 RPA 的最小改造:
import json, requestsdef llm_extract(text: str, schema: dict) -> dict:resp = requests.post(f"{BASE_URL}/chat/completions",headers={"Authorization": f"Bearer {API_KEY}"},json={"model": MODEL_NAME,"messages": [{"role": "system", "content": "你是票据信息抽取器,只输出 JSON,不要解释。"},{"role": "user", "content": f"按此结构抽取:{schema}\n\n原文:\n{text}"},],"temperature": 0, # 抽取类任务设 0,保证稳定"response_format": {"type": "json_object"},},timeout=30,).json()return json.loads(resp["choices"]["message"]["content"])
工程上建议加三道保险:字段级正则与枚举校验、置信度低时转人工队列、同一单据缓存结果避免重复计费。
五、选型与成本:先算清一笔账
RPA 侧的选择通常是”买商业平台”还是”开源自建”。商业平台在调度、审计、控件库上成熟,适合强合规行业;开源自建(基于 Playwright/Selenium 加自研调度)灵活、边际成本低,但稳定性要自己扛。
AI 侧的成本按 Token 计算,公式很直接:
单次流程模型成本 = 输入 Token 数 × 输入单价 + 输出 Token 数 × 输出单价月度模型成本 = 日均单据量 × 单次 Token 消耗 × 30 × (1 + 重试率)
举例:日均 2000 张单据,每次输入 1500 Token、输出 300 Token,重试率 10%,月消耗约 108 万 Token。同样的业务量,不同模型之间的账单可能差出数倍,所以选型不能只看效果榜单。建议先在 词元所的大模型 API 服务平台 上把候选模型的单价、上下文长度、结构化输出支持情况放在一起对比,再用同一批 100~200 张真实单据做小规模评测,最终用”单张单据成本 + 字段准确率”两个指标定方案。
降本手段按性价比排序:① 规则能搞定的不上模型;② 长文档先切片或裁剪再送模型;③ 抽取类任务用小参数模型配低温度;④ 结果缓存与批量合并请求。
六、落地路线图与验收指标
- 选场景 :优先”高频、规则清晰、有稳定人工兜底、错误可回滚”的流程,如银行开户资料备案、零售发票处理、社保业务申报、仓储物资统计。
- 做 POC :2~3 周跑通一条端到端链路,先定死成功标准。
- 试点 :接入控制台做调度与告警,跑满一个完整业务周期,统计真实异常率。
- 规模化 :沉淀可复用组件(登录、下载、填单、校验),建立 CoE 统一治理凭证与变更。
验收别只盯”节省了多少工时”,建议同时跟踪:流程成功率、平均处理时长、人工干预率、单笔处理成本、页面变更导致的平均修复时长(MTTR)。已有电力企业将 RPA 与大模型结合用于仓储物资管理,明显缩短了物资数据统计周期——这类”周期类指标”往往比人力节省更能说服管理层。
七、几个容易踩的坑
- 别把 RPA 当集成方案 :有 API 就用 API,RPA 是妥协而非首选。
- 别让机器人持有明文密码 :统一走密钥管理或凭据保险箱。
- 别忽略审计 :金融、医疗场景需要逐步截图与操作日志留痕。
- 别一次上太多流程 :并行失败流程超过五条,排查成本会陡增。
- 模型输出必须校验 :结构化输出加业务规则双重校验,模型永远不是最终裁决者。
RPA 解决”手”的问题,大模型解决”眼”和”脑”的问题,两者叠加才走向智能流程自动化(IPA)。而动手之前把模型选型与 Token 成本算清楚,往往比多写十个流程更能决定项目成败。

登录后可评论,请前往 登录 或 注册