波仔
🤖 第一章 Agent与RPA基础
📄 一句话概括

单一 Agent 缺手、单一 RPA 缺脑——两者交互有三种模式：人当中间人（起步用）、RPA 调 Agent（流程里嵌一个大脑）、Agent 调 RPA（把 RPA 变成 Agent 的手）；本课的主线是后两种的组合。

📝 本节和前面几节的关系

到这里两半都讲完了：Agent（1.1~1.3）会想，RPA（1.4~1.5）会做。本节开始把它们接起来——这是本课真正的核心（教材叫【RPA 与 Agent 交互】）。1.6.2 讲【结果怎么传回来】，1.6.3 讲【值多少钱】。

一、先把缺口画出来

为什么必须结合？一张图就够：

Agent RPA
会 理解、创作、模糊判断 精确执行、跨系统操作
不会 直接操作老系统的界面、稳定不犯错 判断该做什么、生成内容
风险 幻觉（编内容、理解偏） 僵化（情况一变就崩）

两者恰好互补：Agent 的短板（动手）正是 RPA 的长项；RPA 的短板（判断）正是 Agent 的长项。

教材的一句话总结：Agent 智能判断 ＋ RPA 确定性执行。

二、三种交互模式

模式 A：人当中间人（最原始，起步用）

你 → 让 Agent 生成内容 → 自己复制 → 粘贴到 RPA 的输入 → RPA 执行

这是很多人第一步该走的——别一开始就想全自动。

模式 B：RPA 调 Agent（流程里嵌一个大脑）

RPA 启动 → 把素材发给 Agent（HTTP/API）→ 等它返回 → 拿到结果 → 继续执行

模式 C：Agent 调 RPA（把 RPA 变成 Agent 的手）

你对 Agent 说【把这份报告发到三个平台】
       ↓
Agent 自己决定要执行哪些动作
       ↓
Agent 调用 RPA 流程（或通过 MCP 调用工具）
       ↓
RPA 去点开各平台、发布

三者的关系可以这样记：

模式 谁做主 可控性 灵活度 现阶段推荐度
A 人当中间人 人 最高 最低 起步验证
B RPA 调 Agent 流程 高 中 本课主线
C Agent 调 RPA Agent 中 高 进阶探索

三、交互的【接口】长什么样

不管哪种模式，两边交换的都是数据。所以要事先约定四件事——这份约定就是接口设计：

约定什么 说明 例子
怎么触发 谁发起、什么时机 RPA 在每天 9:00 发起
传什么进去 输入字段与格式 {主题: 秋季润唇膏, 平台: 小红书, 字数: 150}
拿什么回来 输出字段与格式 {标题: ..., 正文: ..., 标签: [...]}
出错了怎么办 超时、失败、重试、告警 30 秒超时 → 重试 2 次 → 仍失败则告警

这张表非常重要：1.6.2 整节都在讲第 3 行（怎么拿结果）和第 4 行（出错怎么办）。接口没约定清楚，两边各自都能跑，合起来必炸。

四、2026 年的新选项：MCP 让 Agent 直接用手

1.1.2 讲过的 MCP 在这里有了新意义：

对学习者的建议：现阶段先用模式 B（RPA 为主干、Agent 为一个节点），它最稳、最容易做出成果；模式 C 等 MCP 生态再成熟一些再说。

五、动手 Demo：画一张你自己的交互图

准备：纸笔或画图工具（不需要软件）。

第一步——挑一个场景：用 1.4.3 Demo 里那张场景清单中得分最高的那个。

第二步——分清哪一步该谁做：给每一步标上【A＝Agent】【R＝RPA】【H＝人】：

以【每天把公众号文章改写成小红书文案并发布】为例：

1. 读取公众号最新文章        → R（抓取）
2. 判断这篇文章适不适合发小红书 → A（模糊判断）★
3. 改写文案＋生成标题标签      → A（创作）
4. 人审核一遍                → H（对外发布前的确认）★
5. 打开小红书创作页、填内容    → R（界面操作）
6. 点发布                    → R（或 H，看风险等级）
7. 记录发布结果到表格        → R（归档）

看到什么算成功：你得到一张带 A／R／H 标注的流程线，并且能回答：

读结果：

  1. 如果你的流程里 A 的比例过高（超过一半）——说明判断和创作占了大头，这个场景更适合先做【模式 A：人在中间】的版本，别急着全自动；
  2. 如果全是 R——恭喜，这是纯 RPA 场景，1.5 学完就能做；
  3. 如果【判断】那一步你原本写的是 R——回去改成 A：RPA 做不了模糊判断（1.5.2 第四节已强调）。

这张图就是后面所有章节的通用骨架——第 2 章起的案例，本质上都是这张图的某个具体实例。

30 秒实验

在纸上画三个框：Agent、RPA、人。然后用箭头标出【信息从谁流向谁】。

做完之后回答一句话：在你的场景里，【人】这个框在哪一步介入？

如果你找不到【人】的位置——说明你的设计缺了安全阀（1.4.3 第四节那张表的最后一行）。任何涉及对外发布、付款、删除的场景，都必须有人工确认点。

常见误区

  1. 【先做全自动，再考虑人】——反了。正确路径是：人当中间人 → RPA 调 Agent → 再考虑 Agent 调 RPA。跳过前两级的全自动，几乎必然翻车。
  2. 【Agent 和 RPA 谁强用谁】——不是【谁强】，是【谁干哪段】。把判断和创作交给 Agent，把确定性执行交给 RPA，各就各位。
  3. 【不用约定格式，能跑就行】——两边一旦有一方改了输出格式，整条链路就断。输入输出的字段、类型、格式必须写下来（这就是 1.6.2 的主题）。
  4. 【模式 C 更先进，直接上它】——模式 C 的不可控性最高，适合探索不适合生产。生产环境里【可预测】永远比【灵活】重要。
  5. 【MCP 出来之后 RPA 就没用了】——恰恰相反：MCP 解决的是【标准工具】的接入，而企业里大量老系统根本没有可接入的标准接口——只有 RPA 能从界面层操作它们。MCP 让 RPA 更容易被 Agent 调用，是增强不是替代。
自测三问（点开对答案） 1. **三种交互模式分别是什么？本课的主线是哪一种？** A 人当中间人（起步用）／B **RPA 调 Agent**（流程为主干、Agent 是智能节点）／C Agent 调 RPA（RPA 成为 Agent 的手）。**本课主线是 B**——因为骨架确定、结果可控，是企业项目最成熟的形态。 2. **无论哪种模式，双方必须事先约定哪四件事？** ① 怎么触发；② 传什么进去（输入字段与格式）；③ 拿什么回来（输出字段与格式）；④ 出错了怎么办（超时、重试、告警）。**这四件事就是接口设计。** 3. **为什么说 MCP 不是替代 RPA，而是增强它？** 因为 MCP 解决的是【标准工具／接口的接入问题】，而企业里大量**老系统根本没有标准接口**——**只有 RPA 能在界面层操作它们**。MCP 让 RPA 流程更容易被 Agent 调用（模式 C 的技术基础），**是加法不是替代**。

相关笔记