在过去的五到十年里，几乎所有的头部企业都将一种名为RPA（机器人流程自动化，Robotic Process Automation）的技术视为数字化转型的灵丹妙药。从财务对账、发票报销到跨系统的订单录入，企业投入数百万甚至上千万资金，雇佣外包团队写下海量的 RPA 脚本，试图用“数字劳动力”替代人工。然而，到了今天，许多 CIO（首席信息官）苦涩地发现：这些曾经高效的系统，现在成了极其脆弱的“瓷娃娃”。系统更新一个按钮，整个自动化流程就会全线崩溃，每年花费在“修复 RPA 脚本”上的维护费，甚至超过了当初节省下来的人力成本。传统 RPA 的本质是“盲目执行”，它只拥有执行的蛮力，却毫无环境感知的智力。随着大模型技术的爆发，企业自动化正迎来一场暴烈的底层范式转移：从基于固定规则的传统 RPA，全面跃迁至基于大模型的Agentic Workflow（智能体工作流）。逐米时代在大量系统重构项目中明确指出：没有自愈能力的自动化，终将沦为企业沉重的技术债。
图 1：正如工业机械臂需要视觉传感器一样，软件自动化也必须长出“眼睛和大脑”
一、一改像素就崩溃的“伪智能”
要看透传统 RPA 的死穴，我们必须深入其底层的工程实现逻辑。
传统 RPA 软件的工作原理，是高度依赖图形用户界面（GUI）上的确定性坐标（X/Y 轴）或静态的 DOM 元素路径（XPath）。当程序员写下一个 RPA 脚本来自动抓取供应商系统里的采购数据时，代码的底层指令实际上是：“在屏幕坐标 (450, 320) 处点击左键，等待 2 秒，然后在 ID 为 `submit_btn_01` 的输入框里填入数据。”
这套逻辑在静态环境中极其高效。但真实的商业世界是高度动态的。
如果下个月，那家供应商把他们的 SaaS 系统升级了，原本在左侧的“提交”按钮被移到了右侧，或者仅仅是因为感恩节活动，系统弹出了一个居中的节日广告弹窗。面对这种微小的环境变化，人类员工只需点击关闭弹窗即可继续工作；但传统 RPA 就像一个盲人，它依然会执拗地去点击屏幕原来那个坐标 (450, 320)。结果就是：代码找不到目标，脚本抛出ElementNotFoundException异常，整个公司的财务自动化对账系统瞬间瘫痪。
传统的 RPA 不是智能，它是将人类的重复动作进行了极其机械的“宏录制（Macro Recording）”。它经不起哪怕一个像素的扰动。
二、从“命令式”到“声明式”的工程范式转移
要彻底解决自动化系统的脆弱性，仅仅在代码里加几个 `If-Else` 判断是无效的。必须在计算机科学的底层范式上，实现从“命令式（Imperative）”到“声明式（Declarative）”的跃迁。
传统 RPA 属于典型的“命令式”编程：你必须事无巨细地告诉系统“如何做（How）”——第一步打开浏览器，第二步输入网址，第三步点击密码框。一旦任何一步的执行条件发生改变，整个链条断裂。
而 Agentic Workflow（智能体工作流）属于“声明式”架构：你只需要告诉智能体你的“最终目标（What）”——“请去供应商系统里，把本月金额大于 5 万的未结算发票导出来”。至于系统界面长什么样、按钮在左边还是右边，由智能体在执行的当下，依靠大模型去实时推理和规划路径。
图 2：从脆弱的固定轨迹，走向具备“自我纠错与重路由”能力的智能调度
三、具备“自我修复（Self-Healing）”能力的数字员工
Agentic Workflow 之所以能被称为企业自动化的下半场，是因为它引入了多模态大模型（VLM）与动态代码生成机制，赋予了系统前所未有的“自我修复（Self-Healing）”能力。
当一家采用了 Agentic Workflow 的企业面临供应商系统改版时，后台发生的将不再是代码崩溃，而是令人惊叹的智能推演：
智能体在执行任务时，发现原本的“提交”按钮 DOM 节点消失了。此时，它不会直接报错宕机，而是会调用底层的视觉-语言大模型（Vision-Language Model），对当前的网页截屏进行一次重新扫描。
大模型通过对页面布局的图像理解，发现右下角有一个新出现的、写着“Confirm（确认）”的绿色按钮。智能体会根据语义推断：“虽然它的 ID 变了，坐标也变了，但它在当前语境下等同于我需要寻找的‘提交’操作。” 随即，智能体在内存中自动动态生成一段临时的无头浏览器（Headless Browser）操作代码，精准点击了那个新按钮，继续跑通剩余的流程。
这就相当于你雇佣了一个长了眼睛、会自己思考变通的人类实习生，而不是一台只认死理的机械臂。
四、企业如何平滑升级老旧的自动化管线？
对于已经在 RPA 上投入巨资的企业，抛弃旧系统从零开始是不现实的。在真实的商业改造中，我们通常采用一种极具工程实用主义的“非破坏性融合架构”。
图 3：重构自动化系统，不是全盘推翻，而是将旧有的脚本降维成被大模型调用的底层工具
在这套架构中，我们保留了企业耗资百万写下的底层 RPA 抓取脚本，但剥夺了它们做决定的“调度权”。所有的旧有脚本，都被封装成了一个个独立的“工具节点（Tools）”。
当业务员下达复杂指令时，位于顶层的 Agentic 大脑会进行意图拆解。它会根据当前的实际情况，动态决定是去调用那个陈旧的 RPA 脚本，还是直接走新开发的数据库 API 接口。如果 RPA 脚本因为网页更新而报错，智能体会立刻捕获这个错误代码（Exception），放弃这条路，转而尝试另一种方式获取数据。这种将“硬编码流程”解耦为“动态工具调用”的设计，彻底赋予了系统跨越极端异常的韧性。
五、哪些企业必须立刻终止纯 RPA 项目的投入？
如果您所在的企业目前高度依赖自动化，且具备以下任何一个特征，继续往传统的纯 RPA 里砸钱就是将技术债越垒越高：
· 高度依赖外部 SaaS 与电商平台的业务（如跨境电商、多平台分销商）：淘宝、亚马逊、海外供应商后台的网页 UI 几乎每个月都在变。传统的 RPA 抓取每天都在崩溃报错，维护团队疲于奔命，必须引入基于 VLM（视觉语言模型）的 Agentic 系统来应对高频改版。
· 处理大量“非结构化数据输入”的金融或保险机构：客户发来的理赔邮件、报销单五花八门，传统 RPA 根本无法从没有固定格式的文本中提取关键字段，必须让大模型作为“数据结构化前置清洗机”。
· 业务流转极其复杂、规则经常变动的央国企与政务大厅：审批流长达十几个节点，涉及各种人工特批和条件退回。线性 RPA 无法处理发散的分支逻辑，需要 Agentic 大脑进行动态任务规划。
结语：给自动化装上大脑，而不仅仅是换一套更快的肌肉
任何没有自我纠错能力的系统，在面对真实商业世界的巨大熵增时，都会不可避免地走向崩溃。企业过去十年在 RPA 领域的探索，完成了“手脚”的数字化；但在大模型时代，我们需要为这些冰冷的机械臂装上一个能够观察环境、理解目标并随机应变的“大脑”。
从死板的脚本到有生命的数字员工，这是软件工程发展不可逆转的洪流。逐米时代在大量的企业老旧系统重构交付中，始终坚守“韧性大于一切”的底线。我们不主张盲目推翻企业既有的 IT 投资，而是致力于通过搭建先进的 Agentic Workflow 中枢，将您散落在各处的脆弱脚本与 API 收编、整合。让系统不再因为一个按键的偏移而全盘宕机，让大模型真正成为驱动企业自动化稳健运转、生生不息的智慧心脏。
热门跟贴