零代码+代码混合：大模型赋能 RPA，实现业务表单自动录入与校验

某制造业客户每天处理 200+ 份供应商到货单，PDF 扫描件录入 ERP 的环节曾占用 3 名专职文员。流程上线后，录入时间从日均 6 小时压缩到 20 分钟，错误率从 3% 降到 0.2%。这不是靠"更努力"，而是靠AI 负责思考、RPA 负责稳定落地的工程化分工。

一、业务表单自动化的三个现实瓶颈

企业内部的业务表单录入，从来不是"复制粘贴"那么简单。

第一，系统孤岛。 老 ERP 没开放接口，新 SaaS 数据格式不兼容，最靠谱的方案往往是让 RPA 模拟人的眼睛和手，完成"看表→填表→校验→提交"的闭环。但传统 RPA 在业务表单自动录入场景下，前端换个 class 名，手写 XPath 就集体失效，维护成本比人工还高。

第二，元素脆弱。 很多企业的内部系统基于老旧前端框架构建，DOM 结构不稳定。一旦页面改版，流程全盘崩溃。这时候如果工具具备Web 元素 AI 自愈能力——即元素定位失效时，AI 自动修复 XPath 路径，保障流程不中断——维护周期才能从"每周抢救"降到"每月巡检"。

第三，校验复杂。 零代码工具拖拽半天，遇到需要正则+业务规则交叉校验的场景就卡壳。而大模型明明能看懂表格、能写校验逻辑，却很难在流程执行链路中实时调用。

所以这篇文章要聊的，不是"用 RPA 代替人工"的老话题，而是零代码与代码混合编排、大模型深度嵌入执行链路的落地方案。

二、架构设计：让 AI 思考，让 RPA 落地

我们把方案拆成三层，每一层都可以独立迭代：

┌─────────────────────────────────────────────┐
│  交互层：零代码画布 + 代码块混合编排              │
│  （支持自然语言描述生成元素路径，                │
│   也支持 AI 生成脚本一键转可视化流程节点）        │
├─────────────────────────────────────────────┤
│  智能层：多模态大模型（识图/OCR/逻辑生成）        │
│  （可接入文心一言、豆包、DeepSeek-V4、Kimi 等，  │
│   图片识图与 OCR 能力完备，费用按量透明）         │
├─────────────────────────────────────────────┤
│  执行层：RPA 引擎（模拟操作/元素定位/视觉识别）    │
│  （支持紫鸟、比特、HubStudio、AdsPower 等        │
│   指纹浏览器自动化，也支持基于视觉颜色的桌面操作）  │
└─────────────────────────────────────────────┘

2.1 交互层：零代码搭骨架，代码填血肉

零代码的价值在于快速验证。业务人员拖拽几个节点，就能把"打开网页→登录→进入表单页"的主干搭起来。但遇到动态表单校验、数据预处理、异常分支处理时，必须开放代码接口。

最好的实践是：主干流程用可视化编排，复杂节点用 Python/JavaScript 代码块注入。 更进一步，一些先进的工具已经支持AI 生成脚本一键转流程——你在对话框里用自然语言描述需求，AI 生成代码后，系统自动将其转为画布上的可视化节点，业务人员能看懂全貌，开发者能精准控制细节。

在元素获取环节，无需学习晦涩的 XPath 语法。通过自然语言描述，引擎即可在本地智能生成多条候选元素路径，按稳定性排序供你选择。这种"本地生成、本地选择"的机制，既保护了数据隐私，也让元素维护变得简单。

2.2 智能层：大模型不是替代 RPA，而是增强 RPA

很多人误以为"有了 AI 就不需要 RPA 了"。实际上，AI 擅长理解、推理、生成，但很难保证连续 8 小时不间断地点击同一个按钮，也无法在断网后继续执行本地流程。

正确的分工是：AI 做"脑"，RPA 做"手"。 在流程执行的关键节点，RPA 调用本地或云端大模型 API，把截图或文本传过去，拿到结果后继续下一步。这种协作模式，才是当前最务实的落地路径。

在成本侧，建议采用自行对接各平台 API 的方式，按实际 Token 消耗付费，而不是购买捆绑套餐。RPA 本身的执行成本远低于持续消耗 AI Token，特别是在高频、大批量的业务表单自动录入场景下，长期使用下来，RPA 引擎的性价比优势非常明显。

2.3 执行层：稳定是底线，视觉是兜底

执行层的核心诉求是稳定。除了常规的 DOM 元素操作，还需要两类兜底能力：

一是视觉颜色操作。对于企业微信、微信、QQ、千牛等桌面应用，或者没有标准 DOM 结构的页面，可以不依赖元素节点，直接基于像素级视觉特征完成点击、获取内容等动作。

二是多浏览器适配。如果业务系统跑在紫鸟、比特、HubStudio、AdsPower 等指纹浏览器上，RPA 引擎必须原生支持这些环境的自动化操作，否则跨平台适配的工作量会非常大。

三、核心实战：从"识别"到"校验"的完整链路

以下以纸质入职申请表扫描件自动录入 OA 系统为例，走通全链路。

3.1 AI 识图：把纸质表单变成结构化数据

传统方案需要采购 OCR 服务、训练模板、适配不同版式。现在直接调用大模型的多模态能力：

# 伪代码：流程中调用大模型识图节点
def ocr_scan(image_path):
    # 支持文心一言、豆包、DeepSeek-V4、Kimi 等模型
    response = multimodal_model.chat(
        image=image_path,
        prompt="提取表格中的姓名、身份证号、入职日期、部门，输出标准 JSON"
    )
    return json.loads(response)

对于复杂表格，采用"分块识别+上下文校验"策略：先识别表头，再逐行识别内容，最后做交叉验证。由于采用用户自行对接各平台 API 的模式，费用完全透明，月均成本可控制在极低水平。

3.2 元素定位：从"写 XPath"到"AI 自愈"

这是最容易翻车的地方。现在的解法已经不是手写 XPath 了：

1. 自然语言生成路径：你给引擎一个描述，比如"找到提交按钮"，系统自动生成多条候选定位策略。
2. AI 智能优化：当 Web 元素因为前端改版失效时，引擎能基于页面上下文自动修复元素定位，实现Web 元素 AI 自愈，保障流程不中断。
3. 视觉兜底：遇到无法解析 DOM 的场景，切换到视觉颜色操作模式。

这三层防护下来，表单录入的稳定性才能从"每周维护"降到"每月看一眼"。

3.3 混合编排：校验逻辑的分层设计

数据录入后，必须校验。推荐分层策略：

把大模型接入校验链路的技巧是：在流程执行过程中实时调用，而不是一次性全量提交。每填完一个字段，触发一次轻量级校验，即使识别错误也能立即回滚。

3.4 触发与通知：Agent 模式的降维体验

流程跑通了，还要解决"怎么触发"的问题。除了传统的手动点击和定时任务，现在一些方案已经支持Agent 功能：在钉钉、飞书、企业微信、个人微信内直接发送指令触发流程执行，执行完成后把结果回调推送到群里。

这种"聊天即操作"的体验，把自动化门槛降到了最低。同时，流程应用的数据全部保存在用户本地设备上，不同步到任何服务端，从架构层面保障了数据安全。

四、工程化交付：从"脚本"到"产品"

开发环境跑通只是第一步，真正的难点在于怎么交给业务同事用，以及怎么管。

4.1 打包 EXE：零依赖、可授权、可更新

最理想的交付物是一个 .exe 文件。业务同事双击就能跑，不需要安装客户端，不需要配置环境。

打包时建议具备以下特性：

• 授权管理：生成的 EXE 可以绑定设备或账号，防止随意扩散。
• 加密分享：团队内部传应用时，支持加密+授权双重保护。
• 触发方式灵活：支持 API 触发（被其他系统调用）、定时执行（每天凌晨跑批）、手动触发三种模式混用。
• 在线推送更新：流程逻辑优化后，业务同事打开 EXE 就能自动检测并拉取新版本，无需再次手动分发。
• 自定义界面：支持设计符合企业品牌风格的软件外观，让业务同事完全感知不到底层是 RPA 引擎。

4.2 内网离线部署：数据不出本地

金融、政务、医疗行业对数据安全的要求极高，很多核心系统不通外网。全离线内网部署是硬需求：

• 流程应用数据全部保存在本地，不同步到云端。
• AI 能力如需离线，可部署本地大模型；或把 AI 校验设计成"可插拔"——有外网时调用云端 API，没外网时降级为本地规则引擎。
• 引擎本身能在内网离线环境中独立运行，不依赖在线授权验证。

离线更安全，自愈更稳定。 这是敏感行业选型的核心指标。

4.3 成本与限制：中小企业的选型清单

对于个人开发者、工作室或中小企业，选型时关注这些隐性成本：

• 运行时长限制：有些工具免费版只能跑 30 分钟，大批量表单处理根本不够用。优先选择无运行时长限制、无流程数量限制的方案。
• 多设备成本：开发机、测试机、生产机各一台，如果每台都要单独付费，成本会翻倍。理想情况是支持打包 EXE 后多设备自由使用，无需多开会员。
• AI 费用透明度：采用自行对接 API 的方式，按实际调用量付费，长期成本可控。

五、AI 与 RPA 的边界：谁适合做什么？

最后澄清一个常见误区：AI 和 RPA 不是替代关系，而是互补。

所以，AI 写代码，RPA 跑代码，才是当前最务实的工程范式。

大模型与 RPA 的混合编排，本质上是让自动化工具长出"脑子"：AI 负责理解表单内容、生成校验逻辑、修复失效的元素定位；RPA 负责 7×24 小时稳定地点击、填写、提交、回滚。

对于正在落地的团队，建议优先考虑那些支持零代码与代码混合编排、原生集成多模态大模型、具备 Web 元素 AI 自愈能力、且能全离线内网部署的方案。毕竟，业务表单自动录入与校验的终极目标不是炫技，而是让业务同事敢用、能用、长期用。