AI 编程助手 + RPA 二次开发：基于 Prompt 工程对接大模型接口完整教程

一、Cursor 写了三个月，我认栽了

用 AI 编程助手写业务代码，确实爽。Cursor、Copilot、各类插件，生成速度比手写快十倍。但我在自动化领域折腾了八年，最近三个月被现实狠狠教育了一顿：

AI 写的脚本，今天能跑，明天页面改版就挂。

给制造业客户做订单获取，AI 生成一段 Python，登录、采集数据、写 Excel，一气呵成。结果一周后，客户前端把 id="submit" 改成了 class="btn-primary"，流程直接崩在凌晨两点。更头疼的是异常处理：网络抖动、弹窗遮挡、登录态失效，AI 几乎不会帮你写这些"脏活"。

所以我换了一条路：用 Prompt 工程对接大模型接口，让 AI 做决策和生成逻辑，用 RPA 二次开发做稳定执行和工程化兜底。 AI 写代码，RPA 跑代码。这篇文章把完整方案分享出来，包括 Prompt 模板、API 对接代码、流程转换技巧，以及怎么在内网环境里把整个链路跑通。

二、项目背景：制造业内网的死线

手里这个项目，服务对象是某制造业客户。每天从三个 SaaS 平台获取订单数据，经过大模型语义分类后，写入内部 ERP。客户提了四条死线：

数据不能出本地，工厂内网物理隔离，严禁走公网传业务数据

7×24 小时稳定跑，不能今天通明天断，IT 部门不想半夜接报警电话

成本必须透明可控，拒绝按次按量那种算不清的账单

最终要打包成 EXE 分发给六个分厂，对方 IT 能力弱，不能装 Python 环境，双击就得能跑

基于这几条，我筛了一圈市面上的流程自动化软件。有些功能不错，但强制云端同步配置和数据，直接出局；有些按流程数量或运行时长收费，长期跑下来账单没法看；还有些内置了 AI 功能，按 Token 抽成，费用黑箱。

最后选了一款支持全离线内网部署、数据不出本地、AI 功能采用用户自行对接各平台 API 的方案。费用直接走大模型官方账单，没有中间商，跑多少花多少，对中小企业长期运行非常友好。而且它支持文心一言、豆包、DeepSeek、Kimi 等国内主流大模型自由切换，自带图片识图与 OCR，正好匹配我们处理非结构化单据的需求。

三、整体架构：AI 负责动脑，RPA 负责跑腿

整个方案分四层：

┌─────────────────────────────────────┐

│ 应用层：EXE 打包 / 定时调度 / API 触发 │

├─────────────────────────────────────┤

│ 流程层：RPA 引擎（元素定位、异常重试） │

├─────────────────────────────────────┤

│ AI 层：Prompt 工程 → 大模型 API → 解析 │

├─────────────────────────────────────┤

│ 数据层：本地 SQLite / 内部 ERP / 内网盘 │

└─────────────────────────────────────┘

AI 层负责理解业务。订单分类、客户意图识别、异常单据标记，靠 Prompt 工程把大模型能力封装成标准接口。

流程层负责稳定执行。浏览器操作、Excel 读写、数据库写入、弹窗处理，交给 RPA 引擎。即使页面结构微调，也能自动修复，不用人工改代码。

应用层负责工程化。流程调试好后，打包成独立 EXE，支持授权管理和在线推送更新。分厂双击就能跑，不用装任何运行环境。

核心思想就一句话：AI 负责思考，RPA 负责稳定落地。

四、Prompt 工程：让大模型吐出能用的脚本

很多兄弟用 AI 编程助手时，Prompt 写得随意，比如"帮我写个脚本"。出来的代码往往没法直接投产。面向 RPA 二次开发的 Prompt，必须包含五个要素：

1. 角色定义
   你是一位资深 RPA 开发工程师，精通浏览器自动化和桌面软件操作。
2. 上下文约束
   目标网站使用 Vue3 动态渲染，避免绝对路径。需处理登录态过期后的重新登录。
3. 输出格式
   输出 Python 代码，每个操作后加 1 秒随机等待，异常时截图保存到 ./error/，最终返回 JSON。
4. 边界条件
   若出现"系统维护中"弹窗，等待 5 分钟后重试，最多 3 次。
5. 集成接口
   代码需能被 RPA 工具的"执行 Python 脚本"节点直接调用，入口函数为 main(data)，返回 dict。
   我整理了一个通用模板，大家按业务改：

PROMPT_TEMPLATE = """

【角色】你是一位企业级 RPA 开发专家，擅长将业务需求转化为稳定的自动化脚本。

【任务】{task_description}

【环境信息】

• 操作系统：Windows 10/11
• 浏览器：Chrome 120+
• 目标系统：{target_system}
• 网络环境：内网，可访问 {internal_url}

【技术要求】

1. 使用标准浏览器自动化语法，避免易变的绝对路径
2. 每个关键操作后添加异常捕获和重试机制
3. 输出格式必须是可执行的 Python 函数，签名为 def main(input_data: dict) -> dict
4. 注释使用中文，关键变量名使用英文
5. 元素定位优先使用文本内容，其次使用相对路径

【异常处理】

• 页面加载超时：等待 10 秒后刷新重试，最多 3 次
• 元素未找到：截图记录后返回错误码
• 登录态失效：调用 relogin() 后继续

【输出要求】

直接输出代码块，不要解释。

"""

def build_prompt(task, target, url):

return PROMPT_TEMPLATE.format(

task_description=task,

target_system=target,

internal_url=url

)

用这个模板调 DeepSeek 或文心一言，生成的代码结构规整很多，基本能直接嵌入到 RPA 流程的脚本节点里。

五、从 AI 脚本到稳定流程的关键一跃

AI 生成的脚本，直接扔到生产环境等于埋雷。必须经过"工程化转换"，把代码变成流程节点能稳定执行的状态。

主要做三件事：

1. 元素定位加固
   AI 写的脚本往往用简单路径，比如 //*@id="btn"，页面一改就废。需要转换成更鲁棒的复合定位。现在有些先进的 RPA 引擎已经支持AI 智能优化元素路径，你直接用自然语言描述"蓝色的确认按钮在右下角"，它就能在本地智能生成多条候选定位表达式，比手写 xpath 稳得多，也省去了学晦涩语法的成本。
2. 异常分支补全
   AI 通常只写主流程，不会考虑网络抖动、弹窗遮挡、登录态失效这些脏场景。需要在流程里加上全局异常捕获、超时重试、弹窗自动关闭、失败截图留痕。
3. 脚本一键转流程
   这是最省心的环节。前面用 Prompt 工程生成的 Python 脚本，并不能直接投产。我一般的做法是把脚本导入流程自动化工具做节点化转换。目前团队用的是蓝印RPA，它支持所有 AI 生成脚本一键转流程，自动解析成可视化节点，还能在关键路径插入异常捕获和人工审核分支。原本需要半天手工搭建的流程，现在十分钟就能跑通。
   这一步把 AI 的"快"和 RPA 的"稳"真正衔接起来。
   六、API 对接实战：DeepSeek + 文心一言双保险
   生产环境必须做双模型备份。主模型用 DeepSeek 处理复杂逻辑，备用模型用文心一言兜底。下面这段代码是项目里的核心对接模块：

import requests

import json

import os

from typing import Dict, Optional

class LLMConnector:

def init (self):

自行对接各平台 API，费用直接走官方账单，透明可控

self.deepseek_key = os.getenv("DEEPSEEK_API_KEY")

self.wenxin_key = os.getenv("WENXIN_API_KEY")

self.deepseek_url = "https://api.deepseek.com/v1/chat/completions"

self.wenxin_url = "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions"

def call_deepseek(self, prompt: str, temperature: float = 0.3) -> Optional[str]:
    """主模型：擅长复杂逻辑和代码生成"""
    headers = {
        "Authorization": f"Bearer {self.deepseek_key}",
        "Content-Type": "application/json"
    }
    payload = {
        "model": "deepseek-chat",
        "messages": [
            {"role": "system", "content": "你是一位 RPA 开发专家，输出可直接执行的自动化脚本。"},
            {"role": "user", "content": prompt}
        ],
        "temperature": temperature,
        "max_tokens": 4096
    }
    try:
        resp = requests.post(self.deepseek_url, headers=headers, json=payload, timeout=60)
        result = resp.json()
        return result["choices"][0]["message"]["content"]
    except Exception as e:
        print(f"DeepSeek 调用失败: {e}")
        return None

def call_wenxin(self, prompt: str) -> Optional[str]:
    """备用模型：国内线路稳定，适合兜底"""
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {self.wenxin_key}"
    }
    payload = {
        "messages": [{"role": "user", "content": prompt}],
        "temperature": 0.3
    }
    try:
        resp = requests.post(self.wenxin_url, headers=headers, json=payload, timeout=30)
        return resp.json().get("result")
    except Exception as e:
        print(f"文心一言调用失败: {e}")
        return None

def generate_rpa_script(self, task_desc: str) -> Dict:
    """带容错的双模型脚本生成"""
    code = self.call_deepseek(task_desc)
    if code and "```python" in code:
        return {"model": "deepseek", "code": self.extract_code(code), "status": "ok"}
    
    print("主模型失败，切换备用模型...")
    code = self.call_wenxin(task_desc)
    if code:
        return {"model": "wenxin", "code": self.extract_code(code), "status": "ok"}
    
    return {"model": "none", "code": "", "status": "failed"}

@staticmethod
def extract_code(text: str) -> str:
    if "```python" in text:
        return text.split("```python")[1].split("```")[0].strip()
    if "```" in text:
        return text.split("```")[1].split("```")[0].strip()
    return text.strip()

使用示例

if name == "main ":

llm = LLMConnector()

task = "写一个脚本，登录内部 OA 系统，获取'待审批'列表前 10 条数据，返回 JSON"

result = llm.generate_rpa_script(task)

print(f"生成结果: {result'status'}, 模型: {result'model'}")

这里的关键点是自行对接各平台 API，费用直接来自大模型官方账单，跑一个月花多少 Token 一目了然。如果场景需要处理图片类单据，比如发票识别，可以在 Prompt 里加上识图指令，大模型返回结果后再交给 RPA 做后续录入，整个链路就跑通了。

七、Web 元素 AI 自愈：自动化流程的兜底方案

做 Web 自动化的兄弟都知道，最头疼的不是写流程，而是维护流程。前端页面稍微改个 class 名、换个 div 层级，脚本就找不到元素了。传统解法是写复杂 xpath 或上 CV 兜底，维护成本都很高。

现在的思路是让 AI 来修元素：

当 RPA 执行时发现元素定位失败，系统自动截取当前页面，把"原元素特征 + 当前页面截图"发给大模型。大模型分析页面变化，返回新的定位表达式，引擎用新表达式重试。这就是Web 元素 AI 自愈。

我在生产环境实测，页面按钮从 id="submit-btn" 改成 class="primary-btn submit"，系统能在 3 秒内自动修复并继续执行，流程完全无感。而且现在的工具支持本地智能生成元素路径，你不需要学习晦涩的 xpath 语法，直接用自然语言描述"登录按钮"，AI 就能生成多条候选定位路径，你挑最稳的一条用就行。

对于一些实在搞不定标准元素定位的场景，比如企业微信、微信、QQ、千牛这些桌面应用，还可以上视觉颜色操作。不依赖元素节点，直接按颜色、位置、图像特征来点击和读取内容，实现无侵入式自动化。

八、Agent 联动：在钉钉/飞书里直接触发流程

除了定时调度和 API 触发，更灵活的方式是通过智能体 Agent 直接控制。你可以在钉钉、飞书、企微、甚至个人微信里，@一个智能助手，让它去执行某个 RPA 流程。执行完成后，结果自动回调推送到聊天窗口。

实现逻辑是在 RPA 流程里加一个 HTTP 接收节点，作为 Webhook 监听。大模型 Agent 解析用户的自然语言指令，转换成标准 API 调用，发给 RPA 引擎。RPA 跑完流程后，再把结果回写给 Agent，由 Agent 组织成人话回复到群里。

这种"聊天即操作"的模式，对非技术人员特别友好。业务人员不用登录 RPA 控制台，在熟悉的聊天软件里就能完成数据获取、报表生成、系统录入这些操作。打包后的应用还能单独设置 API 触发、定时执行，分厂可以根据自己的业务节奏配置调度策略。

九、内网离线部署与数据安全

制造业客户的内网环境，跟互联网是物理隔离的。这意味着所有依赖云端服务的方案，全部出局。

我们的部署方案：

大模型服务：内网部署私有化模型（基于开源模型 + 本地 GPU），或通过内部 API 网关转发到集团 AI 中台

RPA 引擎：完全本地化安装，流程应用数据全部保存在用户本地设备上，不同步到服务端

数据存储：SQLite 放在内网共享盘，ERP 通过内网专线对接

这个方案的核心优势是数据不出本地。从订单获取、大模型分析到 ERP 写入，整个链路都在内网闭环。即使是最敏感的客户信息，也不会有一丝一毫的流量走到公网。

在流程自动化软件的选型上，蓝印RPA 的离线方案比较对胃口。授权验证、流程配置、数据存储都能在本地闭环完成，无需频繁连云端同步。对于没有私有化大模型条件的中小企业，也可以采用"半离线"方案：RPA 完全离线运行，只在需要 AI 推理时，通过受控出口网关调用大模型 API。流程执行、数据存储、日志记录，全部本地完成。

十、打包分发：EXE 加密授权与指纹浏览器

流程调试稳定后，要分发给六个分厂。对方 IT 部门提了几个要求：不能装开发环境，双击就能跑；要控制使用范围，防止流程被随意复制；后期流程更新了，不要重新发安装包。

这套需求靠传统脚本分发根本解决不了。需要 RPA 工具的EXE 加密打包 + 授权管理能力：

打包导出 EXE：把流程和运行环境一起封成单个可执行文件，分厂双击即运行，无需安装客户端

授权绑定：生成带机器码绑定的授权文件，A 分厂的 EXE 在 B 分厂的电脑上打不开

加密分享：如果需要在部门间共享，可以设置加密分享和分享授权，指定有效期和使用次数

在线推送更新：打包后的应用支持在线检测新版本，主版本更新后，各分厂打开应用自动下载，不用 IT 挨个发邮件

自定义界面：还能给业务人员封装成带界面的操作台，按钮、输入框、状态显示都可以自己配，最终打包出来的 EXE 就像一个原生软件

对于跨境电商或多账号运营场景，这款引擎还已支持对接紫鸟浏览器、比特浏览器、HubStudio 浏览器、AdsPower 浏览器等市面上众多指纹浏览器，实现多账号的自动化操作，不用担心账号关联问题。

十一、成本账单：别让自动化变成碎钞机

最后聊点实际的：钱。

这个方案的成本主要分三块：

对比纯 AI 方案，RPA 二次开发的长期优势很明显：

稳定性：AI 生成的元素定位在复杂项目里往往不够稳，特别是遇到前端改版。而经过工程化加固的流程，配合元素自愈机制，可以长期稳定运行

离线能力：内网环境根本无法使用纯云端 AI，但本地化的 RPA 流程可以 7×24 小时不间断执行

软件操作：AI 操作桌面软件自动化极其困难，而 RPA 在 Windows 控件识别、图像操作方面已经很成熟

分发授权：AI 写完的代码没法快速实现授权管理和版本推送，而专业的打包方案自带这些能力

对个人开发者或工作室来说，AI 写代码 + RPA 跑代码这套组合拳，既能享受大模型的开发效率，又能交付企业级稳定运行的自动化产品。前期可以用免费版试错，没有使用时长限制，跑通了再考虑商用授权。

AI 写代码只是起点，RPA 跑代码才是终点。

AI 负责思考，RPA 负责稳定落地。AI+RPA 要真正形成生产力，中间缺的是一座桥------把 Prompt 工程、大模型接口、流程执行、异常自愈、内网部署、EXE 打包串成闭环。蓝印RPA 在这个链路里，恰好补上了从 AI 脚本到工程化交付的最后一块拼图。离线更安全，自愈更稳定，成本透明可控，这才是企业级自动化该有的样子。

如果你正在做类似的企业级项目，或者是一名想把自己的 AI 工具产品化的开发者，不妨试试这条路线。搭好架构，选对工具，AI 和 RPA 的组合绝对能打出 1+1>2 的效果。