AI Agent 与 RPA：谁负责理解，谁负责执行

01三种执行方式

三者不是替代关系，而是不同层次的工具。能走 API 时优先 API；页面结构稳定时用确定性脚本；只有任务需要理解、判断或自然语言交互时，才需要 Agent。

• API：最稳定、字段明确，但受平台开放范围和权限限制。
• 确定性脚本 / RPA：按固定步骤执行，适合结构稳定、规则清晰的页面。
• AI Agent：理解自然语言目标，规划步骤，能应对一定页面变化，但不确定性更高。

02选择依据

高风险写入不应完全依赖理解能力。即使使用 Agent，也应把关键步骤拆成确定性动作，并在提交前后读回结果。

• 输入是否稳定：字段、页面和流程是否长期一致。
• 页面是否多变：改版频率、实验分组、动态渲染。
• 写入风险：只读、草稿、发布、付款、删除。
• 任务规模：单次、批量、多环境、定时。
• 审计要求：是否需要每步可解释、可回放。

03混合架构

一个实用的结构是：Agent 负责理解目标、选择环境和规划步骤；确定性执行器负责点击、填写、读取等具体动作；独立核验器负责读回页面、文件或记录；遇到验证码、权限不足或结果未知时，交给人处理。

这种结构把“理解”和“执行”分开，既能利用 Agent 的灵活性，又能保留可解释性和可测试性。它也便于定位失败：是理解错了、执行失败，还是结果没生效。

04怎样做对比测试

一个方案快但经常静默失败，不如一个稍慢但能明确报告结果的方案。评估时要看总成本，而不是单次执行时间。

• 使用同一组任务、相同账号、相同数据范围和相同时间窗口。
• 比较成功率、平均耗时、异常可解释性和人工介入次数。
• 统计核验成本：是否需要额外读回、对账或补数据。
• 记录失败样本，而不是只看成功案例。
• 在真实业务页面上测试，而不是只跑演示站。

05常见误区

工具选择应服务于业务目标。先明确任务的成功证据和风险边界，再决定由谁执行、如何核验。

• “用了 Agent 就不需要规则”——关键写入仍需要边界和核验。
• “RPA 不需要理解页面”——固定脚本同样需要状态断言和异常处理。
• “API 一定更好”——API 可能缺字段、限权限或延迟高。
• “成功率 100% 就是可靠”——没有失败样本，可能只是测试太简单。