RPA 与 Computer-Using Agent
固定规则自动化与动态判断自动化的分界。
一句话理解：RPA 是“按剧本演”，界面不变就又快又稳；Computer-Using Agent 是“看情况办”，能应对变化但更慢更贵。最好的方案通常是让 Agent 处理例外、让确定性脚本跑主干。
很多企业的运营、财务、供应链团队里早就跑着 RPA（机器人流程自动化）：每天早上自动登录系统、下载报表、复制粘贴到另一个系统。当 Computer Use 出现时，最常见的问题是：“这不就是 RPA 吗？我们要不要全部换掉？”
答案是：两者都在操作界面，但 决定下一步的方式完全不同。分不清这一点，要么会把本该稳定运行的流程交给一个概率性系统，要么会继续为每一次界面改版支付高昂的维护成本。
本质区别：规则驱动 vs 判断驱动
| 维度 | RPA | Computer-Using Agent（CUA） |
|---|---|---|
| 下一步由谁决定 | 开发者提前录制或编写的脚本 | 模型根据当前屏幕动态决定 |
| 如何定位元素 | 选择器、控件 ID、固定坐标、图像匹配 | 看截图理解语义（“右上角那个导出按钮”） |
| 面对界面变化 | 容易中断，需要人工修脚本 | 通常能自己适应小的变化 |
| 面对例外情况 | 走不到预设分支就报错 | 可以尝试理解并处理，也可能处理错 |
| 速度与成本 | 快、单次成本低 | 每步都要推理，慢、单次成本高 |
| 结果一致性 | 同样输入得到同样执行路径 | 同样输入也可能走不同路径 |
| 可审计性 | 脚本即文档，路径可预期 | 需要完整记录截图与决策轨迹 |
| 上线成本 | 需要开发和测试每一条流程 | 用自然语言描述任务即可起步 |
一句话概括：RPA 把判断留在开发阶段，CUA 把判断推迟到运行阶段。 这和 Workflow 与 Agent 的区别是同一件事，只是发生在界面层。
用同一个任务对比
任务：每月 1 日从第三方 SaaS 供应商后台下载上月账单，与系统里的订阅记录核对，差异超过 100 元的生成异常工单（企业对账场景）。
RPA 做法：
每一步都是写死的。某个月后台把“账单中心”改名为“财务对账”，脚本在第三步就停了，直到有人发现并修复。
CUA 做法：
Agent 收到任务描述后，自己找到账单入口、识别日期选择器、导出文件。改名这种变化通常难不倒它。但它每个月可能花几分钟完成人工半分钟的操作，偶尔还会选错月份——而“选错月份”在对账场景里是会被悄悄放过的错误。
混合做法：
这里有两个关键设计：比对金额永远由程序做，Agent 负责理解差异背后的原因；CUA 是脚本的“备胎”，保证流程不因改版中断，同时提醒人去修主干。
怎么选：四个问题
| 问题 | 倾向 RPA / 脚本 | 倾向 CUA |
|---|---|---|
| 流程多久执行一次？ | 每天、每小时，大批量 | 偶尔、低频 |
| 界面多久变一次？ | 基本不变 | 经常改版，或每次面对不同网站 |
| 步骤是否固定？ | 固定，可以画成流程图 | 取决于内容，需要理解和判断 |
| 出错的代价？ | 高，要求每次结果一致可审计 | 可接受，且有人工复核兜底 |
两个经验法则：
- 高频 + 稳定 + 高风险：用确定性自动化（API 优先，其次 RPA 脚本）。资金付款、批量改价属于这一类。
- 低频 + 多变 + 需要理解：用 CUA，并配上人工确认。例如偶尔去不同供应商的后台管理系统查询某张发票的处理进度。
新的分工方式：Agent 探索，程序固化
CUA 和 RPA 不只是二选一，还可以接力：
- 用 Agent 探索流程：让 CUA 在测试环境中完成几次任务，记录下它走过的路径和截图。
- 把稳定路径固化成脚本：由工程师或 Coding Agent 根据轨迹生成确定性脚本，经过测试后上线。
- 运行时由脚本执行，出现异常时回退给 Agent 处理。
- Agent 修复脚本：界面改版导致脚本失败时，让 Agent 重新走通流程并提出脚本修改建议，由人审核后合入。
这四步连起来是一个循环：
这和 Skill 的思想一致：把反复验证过的做法沉淀下来，而不是每次都让模型重新推理。
常见误区
- “有了 Agent，RPA 就过时了。” 对于高频、稳定、要求可审计的流程，确定性脚本仍然更快、更便宜、更可靠。
- “CUA 能适应变化，所以不需要监控。” 它能适应的变化也包括“被误导”。能自动绕过障碍的系统，更需要记录它每次绕了哪条路。
- “RPA 失败了就让 Agent 接着点下去。” 回退给 Agent 时要重新确认权限边界，脚本原本不能做的事，Agent 也不应该因为“灵活”就去做。
产品经理检查清单
- 现有的 RPA 流程中，哪些经常因为界面变化而失败？这些是 CUA 的第一批候选。
- 哪些流程要求结果完全一致、可审计？这些应该保持确定性。
- 引入 CUA 后，单次任务的耗时和成本是否仍在可接受范围？
- Agent 处理例外时，有没有人工复核环节？
- Agent 成功完成的新路径，有没有机制沉淀为脚本或 Skill？
练习
盘点你所在团队的 3 个重复性界面操作（可以是现有 RPA，也可以是人工在做），用 30–45 分钟填表：
| 流程 | 频率 | 界面稳定性 | 是否需要判断 | 出错代价 | 建议方案 |
|---|---|---|---|---|---|
| 例：下载 SaaS 供应商月度账单 | 每月 | 一年改版 1–2 次 | 否 | 中 | 脚本为主，CUA 兜底 |
然后挑一个流程，画出“确定性主干 + Agent 处理例外”的混合流程图。
下一步
下一课「本地执行与云端执行」讨论最后一个执行环境问题：Agent 应该跑在用户自己的电脑上，还是跑在云端，这背后是权限、数据与成本的取舍。