【个体】将聊天内容快速整理、创作
快速勾选发送所有对话, 将内容直接发送到邮箱
在邮箱接收后，将内容复制交给AI创作员工
文章示例
当AI遇上RPA：理想与现实的距离
昨天和来自小鹏、网易系的一位朋友(以下简称方)，以下简称聊起最近大火的「AI自动化」话题。 他发来一个B站链接，说现在AI已经能直接做RPA了，表情是两个晕头的emoji。 这场对话从一个视频开始，最后聊到了AI与RPA的真正落地，也聊到了开发者的无奈与现实。
从「视觉驱动」到「大模型驱动」
我回他说，其实这条路我们几年前就看到苗头了。 早期有团队训练视觉模型来识别界面元素、模拟人工操作； 后来有了接入大模型理解的 Browser Use； 再到现在，浏览器厂商直接下场提供 MCP（Model Context Protocol），让AI能在原生浏览器中执行操作。 AI真的越来越靠近RPA了——能看懂页面、理解任务、自己点点点。 问题是：能看懂 ≠ 能做好。
Token的代价：AI执行不是免费的
方说得很实在： “token消耗非常快，而且不精准。” “花了时间长，对开发来说结论是——不能提效。” 这句话可以说是一针见血。 RPA的任务本质是重复、可预测的，而大模型的推理每次都在「重新理解」和「重新生成」。 于是每一次操作都意味着新的计算、消耗新的token。 换句话说——让AI来执行重复劳动，成本反而更高。
AI的真正价值：增强RPA，而不是替代它
我回应他：“其实对RPA的影响是正面的。” AI的价值不是取代RPA，而是增强RPA：
- 提高流程可维护性。 过去RPA一旦UI改版、元素变动就全崩。现在AI能「看懂」变化，从而自动适配。
- 加速流程构建。 录像 + 大模型解析，自动生成流程脚本，大大缩短研发周期。 但在执行层面——尤其前端操作场景——AI的「看不准」问题依然存在。 “哪怕给了DOM结构，人都不一定知道哪个icon代表什么。” 这点上，AI还没超越人类直觉。
开发者的现实：被“强制AI”
“我们公司现在强制推AI开发，必须用AI工具。” 方笑说，“只是强制用，会记录使用数量，算绩效。” 他举了个例子： “有时候几分钟能写完的需求，因为要用AI，反而做十几分钟。” 我回他：“那你其实可以写个RPA agent，自动循环对话cursor、自动消耗token，这样就完美‘达标’了。” 他笑疯了：“真离谱哈哈。” 这其实是今天很多团队的缩影—— AI被当作绩效指标，而不是生产力工具。 于是AI成了负担，不是帮手。
落地的尽头：RPA依然是终点
方最后说：“我们试了各种方向，ui比对、bug查找、自动测试、ui生成代码……最后发现，都是RPA。” 是的。 绕了一圈，AI再智能，也得落地到一个确定的执行机制。 自动化的尽头，依然是RPA。 AI只是让RPA更聪明、更易用。
写在最后
那天的对话让我想起一句话： “AI能替代的不是人，而是重复。” AI可以帮我们加速、生成、思考、适配，但不能完全代替确定性的执行逻辑。 RPA让流程稳定可控，AI让它更灵活。 两者结合，才是「自动化」的真正未来。 只不过——在未来来临之前，我们还得继续「手动」写下那一行行代码。
平常心 / 2025.11.06 「自动化的尽头，不是AI，而是理解力与执行力的平衡。」