先把一项工作拆成四类动作
第一类是确定规则，例如格式校验、状态判断、字段映射和固定计算，优先使用程序规则。第二类是稳定系统操作，例如下载报表、录入已审批字段和生成固定文件，可使用 API 或受控 RPA。第三类是非结构化理解，例如从邮件、文档、图片和对话中提取信息、归类意图或准备草稿，适合由模型辅助。第四类是责任决定，例如付款、合同、客户承诺、生产发布和人事结论，必须由授权人员确认。
拆解时不能只画正常路径，还要写明资料缺失、界面变化、接口超时、重复触发、权限不足和结果冲突。每一步都要有输入、输出、状态、具名责任人和下一步。AI 生成了一个看似合理的答案，不代表流程已经结束；只有结果进入正确系统、审批完成、异常有去向并留下证据，才算任务完成。
- 规则明确的判断交给程序
- 稳定系统操作优先 API 再考虑 RPA
- 非结构化理解由 AI 辅助
- 金额承诺安全人事决定保留人工
- 所有动作记录状态与证据
RPA 必须能看懂自己何时应该停止
桌面自动化最常见的问题是页面改版、弹窗、登录失效或加载延迟后仍按原坐标执行。生产流程不能依赖盲点。每个关键动作前要检查页面、元素、目标账号、记录编号和当前状态；条件不满足时立即停止，保存截图或日志并转人工。对同一任务要设置唯一标识，避免重试造成重复提交、重复扣款或重复通知。
可以调用接口时，接口通常比模拟点击更稳定，也更容易做权限、幂等和错误处理。必须使用界面操作时，应在测试环境或低风险范围验证，限制账号权限，并准备恢复入口。模型不能为了完成率绕过验证码、登录、实名和平台风控；这些属于合法账号与人工责任边界。
验收看完整任务、异常接管和恢复能力
准备过去真实发生的任务样本，覆盖正常、重复、空输入、错误格式、权限不足、系统中断和规则冲突。记录完成率、人工修正、处理时间、重复操作、错误影响和恢复时间。高风险流程的越权和错误执行门槛应更严格，不能用平均成功率掩盖一次严重操作。
上线初期与人工流程并行，自动化只处理已验证范围。每次失败都要进入原因分类：数据、规则、模型、界面、接口、权限或人工确认。修正后用同类样本回归。一个好的 AI+RPA 系统，不是永远不失败，而是失败时会停止、会留下现场、能被人接管、能恢复且不会悄悄制造第二个问题。
执行检查表
- 01把任务拆成规则工具模型和人工动作
- 02优先接口并限制 RPA 使用范围
- 03关键动作前校验页面账号和状态
- 04设置幂等去重失败停止和人工接管
- 05用异常样本测试恢复与回退
- 06按完整任务和风险而非点击次数验收
常见问题
有了 AI 智能体还需要 RPA 吗？
需要操作缺少接口的旧系统时仍可能使用 RPA，但判断、规则和操作应分工，不能让模型直接控制全部动作。
RPA 页面改版后会怎样？
关键元素或状态校验失败时应停止并转人工，禁止继续按固定坐标盲点。
可以让自动化处理付款或对外发布吗？
可以准备资料和待办，但金额、承诺、正式发布等高风险动作必须经过授权审批和完整审计。