GUI Agent 与 RPA 工具有什么区别？

1. 感知方式的根本差异

• RPA：依赖硬编码的选择器（XPath、CSS 选择器、固定坐标），界面元素位置变化会导致脚本失效
• GUI Agent：通过视觉理解界面语义，基于元素的功能含义而非像素位置进行操作，具备更强的适应性

2. 泛化能力对比

• RPA：每应用单独适配，N 个应用需要 N 套脚本，维护成本随应用数量指数增长
• GUI Agent：跨应用通用，一个模型理论上可操作所有具备 GUI 的软件，无需针对每个应用单独开发

3. 适用场景差异

• RPA 适合：高频确定性流程（ERP 录入）、合规审计严格场景、结构稳定不变的系统
• GUI Agent 适合：跨应用复杂工作流、频繁迭代的 SaaS 界面、无 API 的老旧系统、需要处理异常状态的场景

4. 维护成本

• RPA：UI 改版后需要人工重新录制或调试脚本，30% 至 50% 的运维成本用于修复
• GUI Agent：只要界面的语义不变，即使布局调整也能自适应，维护成本显著降低