RPA（机器人流程自动化）vs AI Agent：一个是录屏回放，一个是自主决策

我有个朋友在银行做运营。他们部门上了RPA，每天自动处理几千笔对账，领导觉得终于用上人工智能了。结果有次银行系统升级，按钮挪了位置，机器人瞬间瘫痪，几千笔账全卡在流程里。朋友跟我抱怨：这AI怎么这么笨？我说：它根本就不是AI，它只是把你的鼠标键盘操作录下来，然后无限回放。

很多人分不清RPA和AI Agent，这很正常。因为从外部看，它们都在代替人操作电脑，但内里是完全不同的两种物种。今天我想把这个区别讲透。

RPA是升级版的Excel宏

RPA全称Robotic Process Automation，机器人流程自动化。它的核心思路特别朴素：你操作一遍软件，工具把你的点击、输入、滚动动作录制下来，生成一套脚本；下次它就能照着脚本重复执行。说好听点叫流程自动化，说难听点就是UI自动化测试的亲戚。

Robotic process automation (RPA) is a software technology that makes it easy to build, deploy, and manage software robots that emulate human actions interacting with digital systems and software. ——UiPath官方定义

RPA不是靠截图来识别界面元素的，它靠的是选择器（selector）。你可以把选择器理解为每个按钮、输入框的“身份证号”——包括窗口标题、控件ID、HTML属性等。只要这些信息不变，RPA就能精确定位并操作。但问题也在这：一旦系统升级，按钮换了位置，身份证号变了，RPA就找不到了。

所以RPA的适用场景非常苛刻：流程必须稳定，输入必须结构化，每一步都是明确的if-then。它就像一个照本宣科的实习生，你教它怎么做，它永远不会举一反三。

AI Agent是边想边做的实习生

AI Agent是另一种东西。它不是录制脚本，而是给一个大模型一个目标，让它自己决定怎么完成。比如你让Agent“把发票信息录入系统”，它会自己规划：先识别发票内容，再提取字段，再调用系统API写入。遇到不清楚的地方，它会尝试别的办法，或者向你提问。

Agents are systems where the model dynamically directs its own processes and tool usage, maintaining control over how it accomplishes tasks. ——Anthropic《Building Effective Agents》

Agent的工作循环可以拆成四步：

接收目标：你给它一个自然语言指令，而不是一串脚本。
分解任务：大模型把目标拆成子任务，比如“提取发票信息”需要OCR、字段映射、数据校验。
调用工具：它自己决定用哪个工具，可能是API、代码解释器、浏览器，甚至调用一个RPA机器人。
观察反馈：每次操作后，它看结果是否符合预期，不符合就调整策略，再试一次。

这个循环叫ReAct（Reasoning + Acting），本质是“想一步，做一步，看一步”。所以Agent能应对环境变化——按钮挪了位置，它会自己重新找入口，而不是直接瘫痪。

一张表说清两者的区别

把RPA和Agent放在一起对比，差异非常明显：

维度	RPA	AI Agent
核心机制	录制-回放/脚本执行	模型自主规划+工具调用
输入类型	结构化数据为主	结构化+非结构化（自然语言、图片）
异常处理	遇到规则外情况就停	根据反馈调整策略
决策方式	确定性，if-then	概率性，动态决策
可解释性	每一步可追溯	决策过程不透明
部署成本	较低，但维护成本高	较高，需要模型和推理资源
适用场景	稳定、重复、规则明确	开放、多变、需要理解

注意最后一行：RPA适合的是“稳定重复”，Agent适合的是“开放多变”。这决定了它们根本不是同一类工具。

为什么RPA总被当成AI？

你可能发现了，很多RPA厂商都在宣传自己是AI，甚至提供了AI Center、OCR识别模块。我最早也以为RPA就是AI——直到我用UiPath的AI Center试了一次，才发现里面的模型是单独训练的，RPA只是调用模型的API，流程依然是死板的脚本。

换句话说，这是AI增强的RPA，不是AI Agent。RPA依然是那个提线木偶，AI模型只是它手里拿着的一个道具。真正的Agent，整个木偶都是自己动脑子的。

IBM的对比分析里说得很直接：RPA是规则驱动的，AI是数据驱动的。RPA不知道自己在做什么，它只是按指令执行；AI则能从数据中学习模式，并做出决策。IBM对RPA与AI的对比

Agent能取代RPA吗？我的判断

这是所有人最关心的问题。我的答案是：短期不能，长期会部分取代。

可靠性是RPA最大的护城河。RPA是确定性执行，每一步都能审计，出了问题知道在哪。Agent是概率性决策，大模型可能产生幻觉，导致错误操作。银行、医院、政务这些场景，不敢让一个概率模型完全自主。

成本也很现实。RPA跑一个流程，消耗的是服务器资源；Agent每调用一次大模型，都要付推理费用。同样是处理一万张发票，RPA的成本是固定的，Agent的成本可能让你心疼。

但Agent有一个RPA永远做不到的能力：处理长尾。RPA只能处理你预先设计好的流程，而Agent可以应对各种没见过的奇葩输入。Anthropic在文章里也建议：如果任务需求稳定，优先用工作流（workflow），而不是Agent。这句话反过来理解就是——Agent只适合那些规则实在定不下来、必须靠模型临场发挥的任务。

所以我的判断是：RPA和Agent不是替代关系，而是互补关系。未来的智能自动化，很可能是Agent当大脑，RPA当小脑。Agent负责理解任务、制定计划，RPA负责执行具体的鼠标键盘操作。