波仔
🤖 第一章 Agent与RPA基础
📄 一句话概括

本章把两件东西讲透了：Agent（会想的手脑）与 RPA（会做的手脚）各自是什么、怎么配合——八节走下来，你手上应该有【十个结论、一张术语表、一个七步模板】。

📝 本节和前面几节的关系

这是第一章的收束。前七节按【概念 → 平台 → 概念 → 平台 → 融合 → 案例】的顺序展开，本节把它们压缩成能带走的结论。下一章开始进入实战（小红书运营增效助手），到时候你会发现：本章的每一个结论都会在第 2 章里被用到。

一、十个必须记住的结论

  1. Agent ＝ 大模型 ＋ 工具 ＋ 记忆 ＋ 循环——判据只有一句：它会不会因为【看到结果】而改变下一步。
  2. 大模型只会【说】，所有【动手】都是外部的工具在做——这是全书最容易被误解的一点。
  3. Agent 的五项能力：理解、规划、调工具、记忆、反思；缺哪一个，就在哪一项上弱。
  4. 规划有两条路线：让模型自己想（灵活）／人预先编排成工作流（稳定）——要交付的东西优先选后者。
  5. 扣子的五个核心概念：智能体、提示词、插件、知识库、工作流，分别对应 Agent 的骨骼与能力。
  6. 自定义 GPT 正在退役（个人账号已不能新建，企业版 2026-12-11 起停用）——但要学的是【说明＋知识＋工具＋开场白】这套通用骨架。
  7. RPA ＝ 在界面层干活的软件机器人——它的独特价值是不需要对方系统开放接口；判断三条件：规则明确、重复高频、靠界面操作。
  8. RPA 的核心能力六项，其中异常处理与日志是【能交付】与【能演示】的分界线；元素定位优先级：属性 ＞ 文本 ＞ 图像 ＞ 坐标。
  9. 融合的三层架构（大模型懂／Agent 想／RPA 做）已是行业共识（约 90% RPA 厂商已完成大模型整合）；范式变化＝从【按规则执行】到【按目标完成工作】。
  10. 三种交互模式（人当中间人 → RPA 调 Agent → Agent 调 RPA），本课主线是第二种；任何对外动作都要留人工确认点。

二、两条主线与一个交汇点

   ┌─────────────┐                    ┌─────────────┐
   │   Agent      │                    │     RPA      │
   │  会想         │◄──── 交汇点 ────►│   会做        │
   │  理解·创作    │   Agent 的判断     │  精确·跨系统  │
   │  但会幻觉     │   RPA 的执行       │  但很僵化     │
   │  平台：扣子   │                    │  平台：影刀   │
   └─────────────┘                    └─────────────┘

本章的全部内容，就是让这两半各自过关，然后在交汇点接上。

七步模板（带走的那个东西）：

人搭 Agent → RPA 提交素材 → Agent 生成 → RPA 取回解析
   → 人确认 → RPA 发布 → RPA 记录

三、术语速查表

术语 一句话解释
Agent（智能体） 能感知、能决策、能行动的程序
Agentic AI 指具备自主性的一类 AI 系统风格
MCP 模型上下文协议，给 Agent 接工具的通用标准（2026 年事实标准）
工作流 把多步任务画成节点图，按固定路线执行
插件／Actions 挂在 Agent 上的外部能力（手脚）
知识库 上传资料，回答时按语义检索（不是模型记住了）
GPTs（自定义 GPT） ChatGPT 里配置出来的专用助手（正在退役）
RPA 在界面层模拟人操作的软件机器人
元素定位 让 RPA 认出界面上某个控件的方法
无人值守／有人值守 流程是否需要在有人看着的情况下运行
幂等 同一操作重复执行不会造成重复后果（重跑前必查）
APA Agentic Process Automation，智能体流程自动化（IDC 2026 首次单列）
三层架构 大模型（懂）＋ Agent（想）＋ RPA（做）

四、常见误区（本章汇总）

  1. 【Agent 是更聪明的聊天机器人】——差别在结构（工具与循环），不在聪明程度。
  2. 【大模型能自己点鼠标查数据库】——它只负责决定调什么工具，执行靠平台。
  3. 【提示词越长越好】——行为准则写长、资料放知识库。
  4. 【改了提示词接着老会话测】——必须开新会话。
  5. 【RPA 是过时技术】——AI 时代它的价值反而更大（Agent 缺手）。
  6. 【固定等待时间没关系】——优先用【等待元素出现】。
  7. 【Agent 做的东西不用人看】——幻觉无法彻底消除，关键动作必须人工确认。
  8. 【能用 API 还去点界面】——能用接口就用接口，界面是兜底。
  9. 【重试不设上限】——会把额度烧光、账号跑挂。
  10. 【为了用 AI 而用 AI】——如果纯 RPA 就能做，那就用纯 RPA——这是工程成熟的标志。

五、动手 Demo：给自己出一张【第一章试卷】

准备：纸笔，不翻前面的笔记，凭印象回答，答完再翻回去对。

第一步——默写三张表：

  1. Agent 的四大件（大脑／手脚／记忆／循环）各一句解释；
  2. RPA 六项能力，并标出哪一项是【交付的分界线】；
  3. 三种交互模式，并说明本课主线是哪一种。

第二步——回答两个判断题（并说明理由）：

判断题1：Agent 挂的工具越多越好。              对 / 错？
判断题2：提示词改完接着原来的会话测试就可以。    对 / 错？

第三步——画出七步模板（不翻笔记）。

看到什么算成功：

读结果： - 哪一项卡住，就回哪一节重读——这是自测的唯一用法； - 能默写七步模板，说明你已经拿到了本课最核心的方法； - 如果全部顺利，你已经准备好进第 2 章了。

30 秒实验

只看一件事：翻回 1.1.1，找到那句判据【它会不会因为看到结果而改变下一步】。

然后想想你今天用过的一个 AI 工具（手机里的、电脑上的都算）：它符合这条判据吗？

结论：这一条判据，是你以后判断【某个产品到底是不是 AI Agent】的通用尺子——比广告词靠谱得多。

常见误区（本章级）

  1. 【第一章只是概念，没什么用】——本章给的是判据、路径、模板三样长期有效的东西，后面五章都在用它们。
  2. 【概念学完就该直接上手做复杂项目】——按 1.6.1 的三步走：先人当中间人，再 RPA 调 Agent，最后才是 Agent 调 RPA。
  3. 【学完这一课就能替代我的工作】——它替代的是重复动作，改变的是你的位置（从执行到定义与审核）。
  4. 【工具会过时，所以学了白学】——平台会变（本章已见证 GPTs 退役），骨架不变。学骨架。
自测三问（点开对答案） 1. **如果只能记住本章一句话，应该记哪一句？** **【Agent 负责想、RPA 负责做，人在关键点把关】**——这句话把三段式分工、交接点和安全阀全包含进去了，也是后面五章的通用骨架。 2. **本章一共给了哪三样【能带走的】东西？** ① **判据**（它会不会因看到结果而改变下一步）；② **路径**（三种交互模式，人当中间人 → RPA 调 Agent → Agent 调 RPA）；③ **模板**（七步：人搭 Agent → RPA 提交 → Agent 生成 → RPA 取回 → 人确认 → RPA 发布 → RPA 记录）。 3. **为什么说【纯 RPA 能做就别用 Agent】是成熟标志？** 因为工程的目标是**用最简单的方案解决问题**，不是用最新的技术。**数据也支持这一点**：产业渗透率才 10%~13%，说明大量场景连基础自动化都还没做——**先把手边的重复劳动用 RPA 解决掉，价值远大于追新技术**。

相关笔记