假设运营同事有这样一个需求：
每天上午 9 点打开后台，搜索指定关键词，采集笔记数据，导出表格，然后把运行结果发给我。
如果用传统 RPA 做，第一步通常不是“开始自动化”，而是先学习工具：打开哪个组件、如何捕获元素、循环怎么写、等待怎么加、异常怎么处理、数据如何保存。业务同事明明知道自己要什么，却要先把业务语言翻译成工具语言。
如果用纯 AI Agent 做，体验看起来更直接：把需求发给 AI，让它自己看页面、自己判断、自己点击。但企业真正关心的是下一次、下十次、下个月还能不能按同样逻辑执行。一个每天都要跑的任务，不能每次都依赖模型重新猜测操作路径。
曲辕 RPA + AI 的实践思路，是把这两种方式拆开组合：让 AI 负责“理解和搭建”，让 RPA 负责“稳定和复用”。最终得到的不是一次性的 AI 操作记录，而是一条可以继续编辑、调试、定时运行的 RPA 流程。
第一步：业务人员直接说目标
曲辕的入口不是组件面板，而是自然语言对话。用户可以直接输入：
帮我搭建一个搜索并采集笔记的流程。
AI 会根据当前页面和任务描述进行分析：这个任务需要打开页面、输入关键词、点击搜索、读取列表、进入详情、采集字段、返回列表、循环处理、保存结果。对业务人员来说，这一步省掉了最难的“从需求到流程结构”的转换。
这里的关键不是 AI 能不能回答问题，而是它能不能把回答转成工具内部真正可执行的东西。曲辕的做法是把 AI 的分析结果转换为标准 RPA 节点，而不是只返回一段说明文字。
第二步：AI 生成的流程可以直接进编辑器
很多 AI 自动化方案到这里会分叉：有的生成一段 Python 或 JavaScript，有的直接让 Agent 现场执行。曲辕选择的是另一条路径：把步骤生成到流程编辑器里。
这意味着用户看到的是一个可视化流程，而不是黑盒。比如：
- 打开目标页面
- 输入搜索关键词
- 点击搜索按钮
- 读取页面列表
- 循环处理每条数据
- 保存采集结果
每个节点都可以点开查看。用户可以修改输入内容、调整等待时间、重新捕获按钮、给循环增加退出条件，也可以在中间拖拽插入新的指令。
这就是曲辕路线和单纯代码生成的区别。代码当然灵活，但普通业务人员很难在一段脚本里准确插入一个“等待 3 秒”或“如果为空则跳过”。而在流程编辑器里，这件事更接近搭积木：插入一个节点，配置参数，然后继续运行。
第三步：流程生成后还能继续和 AI 沟通
自动化流程很少一次生成就完全符合预期。真实情况通常是：第一版能跑通 70%，剩下 30% 需要根据页面细节、业务规则、失败日志继续调整。
曲辕的 AI 不只负责第一轮生成，还可以继续参与修改。比如用户可以直接说：
请在采集每篇笔记前暂停 3 秒。
或者：
这个点击步骤失败了，帮我看一下可能是什么原因。
又或者：
如果我想手动拖拽搭建这个流程，应该怎么做？
这种对话能力让 AI 不再只是“生成器”，而更像一个嵌在 RPA 工具里的助手。它可以解释节点、分析错误日志、给出修改建议，也可以回答指令和组件怎么用。对业务人员来说，它降低了学习成本；对自动化工程师来说，它减少了排障和解释成本。
第四步：RPA 负责稳定执行，而不是每次都让 AI 重想
当流程确认后，日常运行主要由 RPA 引擎完成。RPA 不需要像 AI Agent 那样每次重新理解任务、重新规划路径，而是按照已经确认的流程节点执行。
这带来三个实际价值。
第一，路径更确定。流程怎么走、每一步做什么、失败在哪个节点，都可以看到。
第二，成本更可控。AI 主要用在生成、修改、分析阶段；重复执行阶段不必每一步都依赖模型推理。
第三，流程可沉淀。一个流程跑通后，可以保存、复用、复制给团队，也可以拆成多个子流程，通过“调用流程”串起来。
这也是曲辕和纯 AI Agent 最大的技术路线差异：Agent 更像“每次现场思考的执行者”，曲辕更像“先把经验整理成流程，再稳定执行的系统”。
第五步：微信 ClawBot 把流程调度放到日常入口
流程搭好之后，另一个问题是怎么触发和管理。不是所有用户都愿意每次打开编辑器查看状态，很多业务场景更适合在聊天工具里完成调度。
曲辕的微信 ClawBot 提供了一个更轻的入口。用户可以在微信里发指令：
- 明天上午 9 点运行选品流程。
- 下午 3 点提醒我开会。
- 把运行日志发我。
- 把桌面上的 PDF 发给我。
- 发我当前电脑截图。
这类能力的意义不是把 RPA 做成聊天玩具，而是把自动化结果接入业务人员每天都在使用的沟通场景。搭建在编辑器里完成，执行由 RPA 引擎负责，调度和反馈可以通过微信完成。
与几类竞品路线的差异
如果把市场上的自动化工具按“AI 输出结果”来分，大致可以看到几种不同路线。
影刀这类成熟 RPA 平台，组件生态比较完整，也在增强 AI 能力。但在一些 AI 生成场景中，结果更偏 Python、JavaScript 等代码形态。代码适合技术人员扩展，却不一定适合普通业务人员反复修改。尤其当用户想在生成结果中间拖拽插入一条指令时，代码形态会天然增加门槛。
八爪鱼更擅长网页数据采集。对于规则明确、字段清晰的采集任务，它上手很快。但如果任务不只是采集，而是包含跨系统操作、流程判断、异常处理、文件发送、定时调度，就需要更完整的 RPA 流程体系。
实在智能更偏企业级自动化方案、数字员工和 Agent 执行能力，适合项目化交付和复杂企业场景。但从业务人员自助搭建角度看，曲辕更强调“对话生成后仍然是可编辑流程”，而不是把结果停留在执行过程或方案交付里。
可以用一句话概括差异：
代码生成解决的是“技术人员如何更快写自动化”；采集工具解决的是“网页数据如何更快抓取”；Agent 执行解决的是“AI 如何临场完成任务”；曲辕 RPA + AI 更关注的是“业务人员如何通过对话生成一条以后还能维护的流程”。
为什么这条路线更适合长期使用
企业自动化最怕的不是第一天跑不起来，而是跑起来之后没人敢改。页面一变、字段一调、流程一多，如果每次都要找技术人员改代码，或者让 AI 重新临场判断，维护成本会越来越高。
曲辕把 AI 生成结果落到 RPA 流程节点上，相当于在“智能生成”和“人工可控”之间留了一层结构化中间层。用户既可以用自然语言降低搭建门槛，也可以用流程编辑器保证后续可维护。
这层中间层很重要。它让自动化不再是一次性脚本，也不是每次都重新推理的临时 Agent，而是一套能被查看、编辑、复用、排障和交接的流程资产。
小结
曲辕 RPA + AI 的技术路线可以概括为四句话：
- 用自然语言描述业务目标。
- 用 AI 生成标准 RPA 流程。
- 用流程编辑器持续修改和维护。
- 用 RPA 引擎稳定执行，并通过微信 ClawBot 远程调度。
这条路线的价值，不在于让 AI 完全替代人，也不在于让业务人员学习更多技术细节，而是把业务语言、AI 理解能力和 RPA 执行能力连接起来。
当 AI 生成的不再是一段难维护的代码，也不是一次临时操作，而是一条可编辑、可复用、可审计的流程时，智能自动化才更接近真实业务里的长期落地。
