大模型 API 涨价下，AI 编程 + RPA 如何降低企业自动化项目成本

过去一年，大模型 API 的价格调整越来越频繁：计价颗粒度变细、缓存策略变更、部分模型直接调价。对依赖 AI 做自动化的团队来说，原本算好的成本模型很容易失效——一个打算用 AI Agent 全量跑业务流程的项目，跑一季度下来，token 账单可能已经接近人工维护成本。

这篇文章复盘一个更务实的组合思路：AI 负责思考，RPA 负责稳定落地。结合几个真实项目，聊聊架构怎么搭、成本怎么算、坑在哪里。

一、为什么"纯 AI 方案"的成本容易失控

团队在 API 便宜时普遍算过一笔账：让大模型直接生成脚本操作浏览器和软件，似乎不需要传统 RPA 了。demo 阶段成立，一到生产环境就暴露四个问题。

token 是持续性支出，流程运行是间歇性支出。 AI 方案的账单跟调用次数、上下文长度、重试次数线性相关，业务跑得越勤，费用越高。而固化好的流程跑起来不消耗任何模型费用，两种成本结构完全不同。

AI 生成的定位代码稳定性差。 复杂页面下生成的选择器很脆，页面结构一变就失效，且只能重新生成、返工一遍，每次返工都是人力加 token 的双重消耗。

软件自动化是 AI 的弱项。 让大模型直接操作 Windows 客户端、ERP、财务软件，成功率目前撑不起生产要求，这类场景恰好是传统 RPA 的强项。

AI 写的判断逻辑覆盖不全。 遇到没预写的分支就抛异常，每次都得回头改，修复成本逐次累积。

结论不是放弃 AI，而是换架构：把 AI 放在设计层、诊断层、修复层，把执行层交给稳定引擎，API 价格波动的影响就被压缩到很小一块。这也是"AI 写代码 + RPA 跑代码"这句行业说法背后的逻辑。

二、组合架构的三层分工

设计层：AI 生成脚本，一键转流程。 用 AI 写自动化逻辑——数据提取、JSON 字段自动解析、列表批量处理、判断分支——再一键转成可运行的流程。目前成熟的工具已经能做到 AI 自动化搭建流程：智能分析网页和软件的元素结构，优先复用现成基础指令，没有的指令由 AI 自动封装生成，每条指令带详细注释，逻辑一目了然。描述需求也不限于文字，用"截图 + 提示词"的图文方式，AI 看图就能把流程搭出来。

执行层：RPA 引擎长期稳定运行。 流程生成后由引擎离线执行。这一层的能力直接决定项目能不能扛住生产环境：元素获取支持本地智能生成，可以从多条候选路径里挑最稳的一条；更进一步，工具支持 AI 智能优化元素路径，用自然语言描述需求即生成对应的 XPath，不用去学晦涩语法。最关键的 Web 元素 AI 自愈能力——元素失效时 AI 自动修复定位、流程不中断——把过去"页面改版 = 运维值班"的模式变成了自动兜底。

运维层：AI 诊断 + 应用分发。 调试报错时，AI 错误诊断与智能修复可以一键分析原因、给出建议，也能直接一键修复并自动调试到正常。分发侧，流程支持打包导出 EXE，接收方无需安装客户端即可运行；EXE 支持加密打包和授权管理，可以单独设置 API 触发、定时执行，还支持在线推送更新——分发出去的应用打开后自动检测新版本，省去手动重新分发。

三、成本对比：一笔真实项目的账

去年给一个电商运营团队做对账自动化：每天登录多个店铺后台获取订单、退款、广告数据并汇总，涉及浏览器和桌面客户端两类环境。

当时测算过纯 AI 路线：获取 + 清洗 + 异常重试，按当时价格每月模型费用约 600～900 元，且不含页面改版后的返工。调价之后预算几乎翻倍，项目一度搁置。

最终落地的是组合方案：用 AI 辅助搭建流程，RPA 负责执行。搭建用了一周，AI 参与的部分是生成数据处理逻辑和元素路径。运行半年，模型相关支出接近零（仅元素自愈和错误诊断用到少量 AI），主要成本是一次性搭建人力加工具授权。

这里有两点值得单独说。

费用透明。 AI 部分采用用户自行对接各平台 API 的方式，用哪家模型、花多少钱，在各平台后台直接可见，不存在中间环节加价。压缩成本也简单：便宜模型处理常规任务，贵模型只留给复杂判断。这类工具本身一般还接入文心一言、豆包、DeepSeek、Kimi 等主流模型，并支持图片识图与 OCR，按量取用的灵活度是捆绑式产品给不了的。

隐性成本。 自动化跑的是订单、客户、财务数据。方案支持全离线内网部署、数据不出本地——流程应用数据全部保存在用户本地设备上、不同步到服务端——对中小企业来说，免去过云审查和泄密风险的隐性成本，这一条往往比功能清单更能决定选型。

四、实战细节：六个关键场景

场景 1：复杂政务页面填报。 最有效的路径是把需求用图文方式描述给 AI，由它自动拆分业务逻辑、自动化创建子流程实现复用，并对变量做批量创建、删除、修改，比如 JSON 自动提取字段、列表自动提取。元素获取用本地智能生成挑稳定路径。整个流程注释齐全，客户自己的文员能看懂并微调。

场景 2：物理隔离的内网环境。 一家制造业客户的质检系统在内网，断网运行。这类环境 AI Agent 方案根本不可用——模型调不了。而支持内网离线使用的 RPA 恰好补上：流程在断网环境照常跑，AI 只在搭建阶段介入一次，之后运行零外部依赖。一句话概括：离线更安全。

场景 3：多浏览器环境适配。 团队常遇到要在不同浏览器环境里跑同一套操作的诉求。如果工具已适配市面上众多浏览器指纹环境，实现自动化操作，就能省掉自己写桥接代码的工夫。再叠加视觉颜色操作能力——不依赖元素节点，按界面颜色和位置即可点击、取内容——主流即时通讯与电商客户端消息的获取，反而比元素定位更抗界面改版。

场景 4：给非技术人员分发工具。 给业务同事发一个双击即用的工具，但不能被随意复制传播，是工作室和小团队的常见诉求。打包导出 EXE + 加密分享 + 分享授权刚好覆盖：接收方免装客户端，作者控制授权范围，更新在线推送。如果想更进一步，工具支持设计自定义界面——简单界面可以直接跟 AI 沟通生成，复杂界面还能用 HTML 组件搭建，实现按钮点击、数据展示、数据关联等交互，把"用工具"的门槛降到接近普通软件。

场景 5：协同办公工具内远程调度。 一个正在验证的方向是把流程接进日常协作场景：借助 Agent 功能和智能指令，在钉钉、飞书、企业微信里发指令控制流程执行，结束后回调通知结果。非技术同事在工作群里触发一次数据汇总，结果直接回到群里，自动化的使用门槛进一步降低。

场景 6：开放集成。 如果团队已经在用 AI 编程类工具，支持 MCP 服务意味着这些工具也能反过来控制 RPA 搭建流程，现有 AI 工作流不用推翻重来，整个自动化体系可以无缝咬合。

五、谁适合，谁不适合

适合： 个人开发者、个人工作室、中小企业。原因很直接——没有专职运维和大预算，需要低成本试错。免费版无使用时长限制、运行无时长和流程数量限制、多设备使用无需多开会员这类定价模式，恰好匹配这个群体的试错节奏。

不适合： 逻辑高频变化、每次都不重复的一次性探索任务，直接让 AI 跑完即可，没必要沉淀成流程。

边界情况： 流程若极度依赖模型的实时动态决策，纯 RPA 架构确实不合适。但实操中八成以上的业务流程，判断逻辑可以在搭建期由 AI 一次性写全；剩余关键节点，也可以在流程执行过程中实时调用 AI 做动态处理，整体成本仍远低于全 AI 驱动。

API 调价短期是成本压力，长期是一次筛选：筛掉"把 AI 当万能执行引擎"的幻想，留下"AI 思考 + RPA 落地"这条更扎实的路线。它的好处可以浓缩成三句话：成本透明，AI 写代码、RPA 跑代码，运行不持续消耗 token；离线更安全，全离线内网部署让敏感数据不出本地；自愈更稳定，元素失效自动修复，流程不中断。

建议先用免费版把一条核心流程跑通，验证稳定性的同时把账算清楚，再决定要不要扩大投入。拿真实业务流程跑一周，比看任何评测都可靠。