波仔
🤖 第一章 Agent与RPA基础
📄 一句话概括

【大模型 ＋ Agent ＋ RPA】三层架构已在 2026 年成为行业共识——它带来的不是【省一点点时间】，而是从【按规则执行】到【按目标完成工作】的范式跃迁；本节算清这笔账，也把风险一起摆上桌。

📝 本节和前面几节的关系

1.6.1 讲了怎么接、1.6.2 讲了怎么拿结果，本节回答最后一个问题：这么做到底值多少。这一节是第一章价值观的收口——1.7 的案例前瞻和后面每一章的实战，都是这三个层次的具体展开。

一、三层架构：各就各位

   ┌──────────────────────────────────────┐
   │  大模型层    理解 · 生成 · 推理          │  ← 语言与知识
   ├──────────────────────────────────────┤
   │  Agent 层    拆解任务 · 调用工具 · 判断    │  ← 决策与编排
   ├──────────────────────────────────────┤
   │  RPA 层      精确执行 · 跨系统操作         │  ← 手脚与确定性
   └──────────────────────────────────────┘

分工的一句话版： - 大模型负责【懂】（语言与知识）； - Agent 负责【想】（拆任务、做判断、决定调什么）； - RPA 负责【做】（把确定动作精确执行到位）。

为什么必须三层：因为每一层都补不了上一层的短板—— - 大模型能写文章，但不会点按钮； - RPA 能点按钮，但看不懂内容； - 中间没有一个【会判断该做什么】的层，两边就接不起来——Agent 就是这个转接头。

二、范式变化：从【按规则执行】到【按目标完成工作】

这是融合带来的最本质的变化，值得展开看：

传统 RPA 大模型 ＋ Agent ＋ RPA
你给什么 一条条规则（如果 A 则做 B） 一个目标（把上周的内容整理并发布）
遇到界面变化 崩 Agent 能判断【这次页面不一样】，换策略或告警
遇到非结构化内容 抓不准（只能靠正则死扣） 大模型能读懂（邮件、评论、PDF 里的自然语言）
遇到异常分支 只能按预设处理 可以现场判断【这情况该找谁】
人的角色 写规则、修流程 定目标、审核结果

最有价值的一行是【非结构化内容】：传统 RPA 最怕的东西就是【需要理解的自然语言】——而这正是大模型的主场。

举一个具体例子感受差距：

任务：从 50 封客户邮件里挑出【需要退款】的，逐条登记到系统。

三、市场证据：这不是概念，是已发生的事实

指标 数据
完成大模型整合的 RPA 厂商 约 90%（覆盖率极高）
完成智能体试点并正式使用的企业 约 72%
中国 RPA 市场（2026 预计） 约 149.6 亿元，年均增速约 43.4%
中国 AI 智能体市场（2025→2026） 约 212 亿 → 449 亿元（同比翻倍）
全球 AI 数字员工市场（2026） 突破 469 亿元，CAGR 约 40.2%，中国占约 31.6%
全球 Agentic AI 应用市场（2026） 约 412 亿美元，同比增长约 108%
行业共识 【大模型＋Agent＋RPA】三层架构；IDC 2026 首次单列 APA 市场追踪

读这张表的正确方式：不是【哇，市场很大】，而是——90% 的厂商已经在做这件事了。这意味着这不是一个未来趋势，而是一个正在发生的产业改造，而懂这套方法的人此刻还不多（1.4.3 提过：产业渗透率才 10%~13%）。

四、算一笔实在的账

用 1.4.1 的工时测量法，做个三档对比：

场景：每天把一篇公众号文章改写成小红书文案并发布（单次人工约 25 分钟）。

方案 每天耗时 一年（250 个工作日） 说明
纯人工 25 分钟 104 小时 约 13 个工作日
纯 RPA 做不了 — 改写是创作，规则写不出来
纯 Agent 5 分钟（复制粘贴＋人工发布） 21 小时 省 80%，但人要盯着操作
Agent ＋ RPA 1 分钟（只做审核） 4 小时 省 96%，且人在关键点把关

最关键的一行：纯 RPA 这一栏是【做不了】——这才是本课的核心论点：单靠任何一半都覆盖不了这个场景。

加上搭建成本：搭一套这样的流程约 1~2 天（含调试）。投入 2 天，之后每年省 100 小时——这笔账在任何场景里都划算。

五、把风险摆上桌

只讲好处是不专业的，融合方案的真实风险有四类：

风险 表现 对策
幻觉与理解偏差 Agent 编内容、理解错意图 内容校验、关键步骤人工确认、限定输出格式
成本 大模型调用按量计费，量大了不便宜 缓存、减少无谓调用、小模型干简单活
权限与安全 RPA 拿着账号到处操作，Agent 可能被诱导 最小权限、专用账号、动作白名单、操作日志
审计与责任 出了问题【是谁的锅】 全链路日志、关键动作留痕、人工确认点

一句总结：融合方案的上限很高，但下限取决于你有没有认真处理这四类风险。 本课后面每个案例都会在【人工确认点】和【日志】这两件事上反复交代。

六、动手 Demo：给你自己的场景做一次【三档对比】

准备：纸笔 + 1.4.1 测出来的那个工时数字。

第一步——填表：把你的场景填进上面第四节那张表（人工／纯 RPA／纯 Agent／Agent＋RPA），四行都要填。

第二步——诚实回答三个问题：

  1. 纯 RPA 这一栏，你的场景做得出来吗？（如果做得出来，说明这个场景不需要 Agent，直接做 RPA 就好，别过度设计）；
  2. 哪一步必须有人？（对外发布、付款、删除，通常必有一处）；
  3. 你的流程一年能省多少小时？搭建要花多久？（回本周期超过半年就该重新想想）。

看到什么算成功：你得到一句明确的结论，形式类似：

我的场景【每周整理客户邮件并登记】：人工年耗 52 小时 → Agent＋RPA 约 6 小时，
搭建约 1.5 天，回本周期约 3 周。关键确认点：登记前抽查 5 封。
纯 RPA 做不了（判断意图需要理解自然语言）。

读结果： - 如果你的场景纯 RPA 就能做——恭喜，那是更简单、更便宜的方案。不要为了用 AI 而用 AI，这是工程成熟的标志； - 如果非 Agent 不可——那正是本课后面案例的形状； - 如果回本周期很长——先做别的场景，把这个记下来。

30 秒实验

把你现在的岗位工作，挑出【每天与文字／内容打交道】的那部分，估一下它占你工作时间的比例。

常见结果：内容相关的重复工作常占 20%~40%（回消息、写文案、整理资料、填表）。

结论：这部分正是【纯 RPA 做不了、而 Agent＋RPA 能做】的区域——也是这三层架构真正的价值区间。

常见误区

  1. 【有了 Agent 就不需要 RPA 了】——恰恰相反：平台插件只能覆盖【已开放接口】的系统，而企业里大量老系统只能从界面进入。RPA 是不可替代的那一行。
  2. 【有了 RPA 就不需要 Agent 了】——传统 RPA 遇到【需要理解的内容】【界面变化】【未预料的异常】就束手无策，这正是大模型补的位置。
  3. 【融合就是【用 AI 优化 RPA】这么简单】——不是优化，是范式变化：从【写规则】变成【定目标】，人从【执行者】变成【审核者】。
  4. 【AI 做的东西不用人看】——幻觉是概率性的、无法彻底消除。关键动作的人工确认不是保守，是专业。
  5. 【成本可以忽略】——大模型调用是按量计费的。量大的场景要先算账（尤其 Agent 反复推理、循环调用时）。
自测三问（点开对答案） 1. **三层架构中各层的职责？** **大模型【懂】**（语言与知识）、**Agent【想】**（拆任务、判断、决定调什么）、**RPA【做】**（精确执行、跨系统操作）。每一层补的都是相邻那层的短板，**Agent 是中间的转接头**。 2. **【从按规则执行到按目标完成工作】这个变化，最有价值的差异在哪一行？** **非结构化内容的处理**——传统 RPA 最怕【需要理解的自然语言】（邮件、评论、PDF），而这是大模型的主场。**准确率是量级差异，不是百分比差异。** 3. **融合方案的四类风险是什么？** ① 幻觉与理解偏差（要校验＋人工确认）；② 成本（调用按量计费）；③ 权限与安全（最小权限、专用账号、动作白名单）；④ 审计与责任（全链路日志、关键动作留痕）。

相关笔记