Marico's space
最近折腾移动端自动化，发现这个领域正在发生一个有意思的范式转换。传统的自动化是"录个脚本，反复回放"，这成就了整个 RPA（机器人流程自动化）行业，但也附带了一套永无止境的维护工作。而 Mobile AI Agents 给你的是另一种交易：告诉我你想要什么结果，系统自己去琢磨步骤怎么走。今天把这两个方案掰开了聊聊。
RPA 算是办公室里最早一批的自动化方案。思路很直接：找到那些永远走同一条路的重复流程，用工具记录下你点了哪些按钮、填了哪些字段，然后让它重复执行。UiPath、Automation Anywhere、Blue Prism 干的就是这个，挪到手机上就是 Tasker 或者 Appium 这类东西。
本质上它是一套硬编码。机器人记住的是精确坐标——这个按钮在这个位置，那个字段叫这个名字——然后按照预设路径走。它运行时其实不是在"思考"，而是在字符串匹配，找那些预期中的元素。如果还在原位，就继续；如果不在（这经常发生），就崩给你看。
这种崩溃你基本控制不了。绝大多数 RPA 流程之所以失效，是因为应用更新、A/B 测试变了布局、或者某个合规流程新加了权限弹窗。除非你的团队能提前拿到下一次更新的内测资格，否则你没法预防流程崩坏，只能优化修复速度。
AI Agents 不录步骤，你直接用自然语言告诉它目标：帮我订最便宜的回家的车。然后它进入一个循环——感知当前屏幕上实际有什么，推理下一步最优动作，执行，再看一眼屏幕，重新规划。
关键就在这个"再看一眼"。因为每次都读取实时画面，它能自适应。按钮移了？它能找到。弹了个新窗口？它能处理。意图存活了，哪怕界面变了，这是录好的脚本永远做不到的事。它是自我修复，而不是崩溃。互联网上海量的 HTML 和 JavaScript 训练数据功不可没。
不过这不是免费的。每一步都在推理，速度慢、成本高，因为每一步都有一个模型在思考。而且它更难预测，审计起来也比固定脚本麻烦。不同的工具，不同的取舍。
公平地说，RPA 在合适条件下是很能打的。它是确定性的，同样的步骤每次都完全一样地跑，这对于真正 100% 重复且静态的任务来说正是你想要的。它可审计，每个动作都明确记录，在需要证明"发生了什么"的受监管行业里非常重要。
另外，在一个不变化的稳定界面上，它又快又便宜，因为没有 AI 在循环里烧 Token，就是直愣愣执行。所以如果你有个高频重复的任务，跑在你完全控制的界面上，RPA 仍然是金标准。
值得强调的是：RPA 不是差的自动化方式，但它是一种脆弱的自动化方式。它在自己擅长的领域——需要确定性、且你完全控制界面——表现很靓。这也是为什么，实际效果最好的方案往往是把 AI Agents 和 RPA 结合起来用。
最聪明的做法是混搭。搭建起来多花点心思，但能兼得两种优势。厉害的自动化工程师让 Agent 处理那些混乱的部分——导航、判断歧义、处理意外情况——然后把必须精确或廉价的步骤交给确定性脚本执行。
模型这两年进步太快了，你甚至可以把这个逻辑反过来用：让 Agent 监控你的 RPA 机器人，当选择器崩坏时自动修复。这样界面变化就成了"哦无所谓"而不是一张支持工单。混合 pipeline 的玩法很多，没有标准答案。就像这个世界不是非黑即白，最优的自动化脚本也不是。
当环境完全可控、且需要强审计时，RPA 仍然是最合理的选择。但面对不确定性、需要灵活应变的地方，拥抱 AI Agents 就是那个价值万亿美元的选择。不过人生大多数事情一样，真相在中间——理解并善用各自的优势、把它们组合起来，效果最好。
随着 AI 能力越来越强、成本越来越低，RPA 的必要性大概率会继续下降，但某些细分场景里它仍有存在的理由。不管怎样，最优秀的自动化团队会持续同时用两者，并随着工具进化不断调整策略。